modeling ROI in Chronic Disease Management, A Simulation-Based Framework Integrating Patient Adherence and Policy Timing

背景：慢性疾病通过持续的恶化和长期成本对医疗系统构成持久负担。尽管依从性增强干预广泛推广，但其投资回报率(ROI)仍不确定，尤其是在异构患者行为和社会经济差异下。方法：我们开发了一个集成疾病进展、时间变化依从性和政策时机的仿真框架。采用连续时间随机模型在10年时间范围内模拟累积医疗成本，使用基于医疗支出调查(MEPS)数据的 stratified 数据，按收入划分。估计 delta 和 gamma 下的 ROI。结果：早期和适应性干预获得最高的 ROI，通过维持依从性并减缓进展。当 delta >= 0.20 且 gamma <= 1.5 时，ROI 超过 20%，而低影响或高成本的政策未能实现盈亏平衡。亚组分析显示，最低和最高收入层之间存在 32% 的 ROI 差距，基线下的每位患者可节省 312 美元。敏感性测试确认了在随机依从性和通胀波动下的鲁棒性。结论：该框架提供了一个透明且可适应的工具，用于评估具有成本效益的依从性策略。通过将行为效果与财务可行性联系起来，它支持设计稳健且公平的慢性病政策。报告的 ROI 值代表保守的下限， Incorporating DALYs 和 QALYs 的扩展示例表明其可扩展至完整的健康结果整合。