优化人口健康管理中的治疗分配策略
最优化与控制
2026-04-10 v1
摘要
近年来，全球健康优先事项的转变将人口健康管理（Population Health Management, PHM）置于核心关注焦点。然而，优化 PHM 策略存在诸多挑战：管理高维患者协变量、追踪其演变和对干预的长期反应，以及考虑个体在人群中进入和离开的情况。为此，本文提出了一种新方法，基于可度量的马尔可夫决策过程（Measurized MDPs）整合上述各要素。我们考虑的情境是：一种具有群体级效益的治疗手段稀缺可得，模型构建了一个在预期容量约束下优化医疗人群长期分布的 MDP。该表述允许我们绕过处理和跨人群追踪个体患者协变量的高维度和实际挑战。为确保伦理合规，我们引入了非伤害约束，限制可接受的死亡率。为求解 resulting 的无限维问题，我们使用自适应动力学程序（ADP）并将任务简化为识别一小组表现良好的接受治疗和不接受治疗的患者。尽管底层结构复杂，我们的方法产生了一种简单、临床可实施的指数政策：当患者调整后可塑性（adjusted impactability）超过指定阈值时，即可选中为接受治疗。调整后可塑性捕捉患者接受或不接受治疗的长期后果。虽然该政策实施 straightforward，但仍保持灵活，可纳入一般机器学习模型。我们使用 CMS 数据显示，该政策在对比 myopic 基准时具有统计显著优势。随着时间范围的增加，优势也随之提升，这符合该政策的前瞻性质。在最长的时间范围内，这相当于每 1000 名患者每年增加超过 1500 天的居家日。
关键词
引用
@article{arxiv.2604.07738,
title = {Optimizing Treatment Allocation to Maximize the Health of a Population},
author = {Daniel Adelman and Alba V Olivares-Nadal and Miaolan Xie},
journal= {arXiv preprint arXiv:2604.07738},
year = {2026}
}