Page 113 - 《中国药房》2021年22期
P. 113

预方案在目标人群中的使用比例，研究者依次估计各干                            对照情形：新干预措施不纳入支付范围            研究情形：新干预措施纳入支付范围
                        [1]
        预方案的使用人数 。最后，研究者将不同市场情形下                                               常见算法中增
                                                                               量人数的计算
        各干预方案的使用人数和人均年基金支出相乘，计算得
        到对应市场情形下的基金支出总量，进而可确定新干预                                新干预 竞品 1 竞品 2 竞品 3      新干预 竞品 1 竞品 2 竞品 3
                                                                方案使 使用人 使用人 使用人         方案使 使用人 使用人 使用人
        措施纳入或排除出支付范围对基金支出的影响。                                   用人数  数  数   数           用人数  数  数  数
            但在实际操作过程中，部分干预方案（如抗感染药                                                                       ?％
        物、营养支持药物、辅助用药等方案）在临床的适用情形                                              新算法中增量
                                                                               人数的计算
                                                            变化部分                                         ?％
        较多，其目标人群和市场份额的计算不仅需要处理庞大                            不变部分                                         ?％
        的数据，而且关键的临床流行病学数据容易缺失，导致                                新干预                     新干预
                                                                方案使  竞品 1  竞品 2  竞品 3   方案使  竞品 1  竞品 2  竞品 3
                                                                    使用人
                                                                                            使用人
        目标人群和各干预方案的使用人数难以估算，使得部分                                用人数  数  使用人  使用人        用人数  数  使用人  使用人
                                                                                                数
                                                                        数
                                                                                                    数
                                                                            数
        BIA 实证研究使用了低质量证据或者假设值来粗略预                                   图1 常见算法与新算法思路示意图
        估目标人群和各干预方案的使用人数，直接影响了BIA                           Fig 1 Schematic diagrams of common algorithms and
        结果的准确性      [5－7] 。《中国药物经济学评价指南（2020）》                    new algorithms
        没有对目标人群和各干预方案使用人数难以预估时如                            预措施某年的预测销售数量记为Qy，该干预措施该年的
        何开展BIA提供相关的操作细则，现有的国外BIA指南                         患者使用人数记为Uy，则计算公式为：
        或者相关指导性文件也未给出明确的建议                   [8－10] ，故解决       Uy＝Qy/（Qd×t） …  … … … … … … … … … … … … （1）
        目标人群和各干预方案使用人数的预估问题成为了                                 由于干预措施必须被符合相应支付条件的参保患
        BIA计算的关键。基于此，笔者拟以使用新干预措施的                          者使用，才能影响基金支出并纳入 BIA 的考虑范围，故
        增量人数为切入点，设计新的计算方法，并分析新算法                           本研究分别计算了各干预措施的使用人数。设支付方
        相较于常见算法的优势及潜在应用范围，以期为BIA研                          的覆盖率为Ri，不同支付方的受众人群占比为Pi，对照情
        究和相关决策提供参考。                                        形下采用该支付方式的各干预措施的使用人数记为UC，
        1 算法介绍                                             则计算公式为：
        1.1  计算思路及计算过程                                         UC＝Uy×Ri×Pi … … … … … … … … … … … … … … （2）
            本研究参考《中国药物经济学评价指南（2020）》，设                     1.1.2  研究情形      新干预措施进入支付范围后，每年以
        置对照情形和研究情形两种市场情形。具体而言，对照                           一定比例抢占不同竞品的使用人数。本研究假设新干
        情形为新干预措施不进入支付范围，目标人群只使用当                           预措施对各竞品的抢占比例相等，并将这一比例定义为
        前市场上现有干预方案的状态；研究情形为新干预措施                           抢 占 率 ，记 为 RS，则 各 竞 品 每 年 的 使 用 人 数 将 以
        进入支付范围后，一定比例的目标人群开始使用新干预                           （100％－RS ）的比例减少。新干预措施进入支付范围的
                  [11]
        措施的状态 。其中，纳入BIA研究的市场现有干预方                          第n年，则抢占轮数为n，为方便计算，n一般取整数。对
        案一般已被纳入支付范围，主要适应证与新干预措施相                           照情形下各竞品的使用人数记为 UCJ，研究情形下各竞
        同且临床应用较多，通常被业内简称为“竞品”。                             品的使用人数记为URJ，则计算公式为：
                                                                                  n
            BIA 常见计算思路是先确定不同市场情形下的目                            URJ＝UCJ×（100％－RS ）…   … … … … … … … … … （3）
        标人群、市场份额以及各干预方案的使用人数，再结合                               由于新干预措施还将覆盖之前没有接受过有效治
        人均基金支出计算不同市场情形下的基金支出总量。                            疗方案或接受其他类型治疗方案以及已经停止使用当
        由于在研究情形下使用新干预措施的增量人数来自不                            前市场上现有干预措施的患者等（下文为方便表述，将
        同的干预方案，且新干预措施对不同干预方案的影响程                           这部分患者统称为“其他方案转用患者”），这部分患者
        度不同，故可以推测，如果某些干预方案的使用人数及                           构成较为复杂，具体数量难以计算。假设新干预措施抢
        其在新干预措施使用人数增量中的占比已知，那么可以                           占所有竞品的使用人数占新干预措施总使用人数增量
        推算出剩余由干预方案转用新干预措施的人数，进而结                           的比例为 RTJ，则覆盖其他方案转用患者人数 URT占新干
        合人均基金支出计算出不同市场情形下基金支出的变                            预措施总使用人数增量的比例为1－RTJ，其计算公式为：
        化情况（图1）。如图1所示，相较于常见算法，新算法不                             URT＝（ΣUCJ－ΣURJ ）×（1－RTJ ）/RTJ … … … … … … （4）
        考虑各干预方案使用人数的不变部分，转而重点关注使                               新干预措施在对照情形下的使用人数记为 UCN，在
        用人数的变化部分，回避了目标人群和某些干预方案使                           研究情形下的使用人数记为 URN，考虑到上述两种类型
        用人数的估算。                                            的市场变化，则新干预措施总使用人数的计算公式为：
        1.1.1  对照情形     设单个患者的日用药量为Qd，所有患                      URN＝UCN+Σ（UCJ×RS ）+URT …  … … … … … … … （5）
                                                                                 n
        者的平均用药时长为t，二者相乘可得人均用药量；某干                              由此，依据各年各干预方案的预测使用人数以及人


        中国药房    2021年第32卷第22期                                            China Pharmacy 2021 Vol. 32 No. 22  ·2791 ·
   108   109   110   111   112   113   114   115   116   117   118