Page 114 - 《中国药房》2021年22期

均年基金支出可以算得两种市场情形下基金总支出的 基线年，研究时限为3年（2021－2023年），竞品为B、C、
变化情况。算法示意图详见图2。 D 等 3 种。若新干预措施在 3 年间不进入支付范围，市
场竞争格局变化较小，可在某销售数据库历史销售数据
预测销售数量 预测使用人数 对照情形使用
（Qy ） （Uy ） 人数（UC ）
对照
情形 的基础上，推算销量，根据公式（1）计算2021－2023年各
日用药量 用药时长 支付方覆 不同支付方 对照情形竞 对照情形新
干预措施使
品使用人数
的受众人群
（Qd ） （t） 盖率（Ri ） 干预方案的使用人数，结果见表1。
占比（Pi ） （UCJ ） 用人数（UCN ）
表1 各干预方案的使用人数计算
对照情形竞品使 研究情形竞品使用人数（URJ ）
用人数（UCJ ）
Tab 1 Calculation of the number of users of each in-
新干预措施替代所有竞品的
抢占率（RS ） 替代轮数 对照情形竞品使用人数 使用人数占新干预措施总使 tervention scheme
（n） （UCJ ） 用人数增量的比例（RTJ ）
研究
情形 日用药 平均用药 销量，盒 使用人数
治疗方案
覆盖其他方案转用患者人数 量，盒 时长，d 2021年 2022年 2023年 2021年 2022年 2023年
研究情形新干预 （URT ）
措施使用人数 新干预措施A 1 7 665 000 700 000 735 000 95 000 100 000 105 000
（URN ）
对照情形竞品使 抢占率（RS ） 对照情形新干预措 竞品B 1 7 77 000 81 900 84 000 11 000 11 700 12 000
用人数（UCJ ） 施使用人数（UCN ）
竞品C 1 7 3 710 000 3 920 000 4 130 000 530 000 560 000 590 000
竞品D 1 7 224 000 210 000 196 000 32 000 30 000 28 000
图 2 两种市场情形下基金总支出变化情况的算法示
意图 假定目标人群的支付覆盖率为 96.74％，其中支付
Fig 2 Algorithm diagram of changes in total expendi- 模式 X 的人数占比为 24.31％，支付模式 Y 的人数占比
ture of medical insurance fund under two mar- 为 75.69％，目标地区的人口数在全国总人口中的占比
ket situations 为 30.37％。根据公式（2），可以计算出对照情形下
1.2 关键参数的估算 2021－2023 年不同支付模式下各干预方案的使用人
由上文可见，抢占率 RS是新算法中最重要的参数。 数。若新干预措施A进入支付范围，并将逐年以10％的
根据数据来源的公信力等级 ，笔者首推根据临床指南 抢占率抢占各竞品的使用人数。与此同时，新干预措施
[11]
或者以往类似药物的市场抢占情况来估计RS；若无可供 A 还将覆盖其他方案转用患者。假设新干预措施 A 抢
参考的临床指南，笔者建议由临床、流行病学、市场营销 占所有竞品的使用人数占新干预措施总使用人数增量
和药物经济学等相关领域的专家组成专家咨询小组，采 的比例为50％，则剩余50％的增长份额来自其他方案转
用德尔菲法组织专家共同商议新干预措施对不同竞品
用患者，2021－2023年两种市场情形下各干预方案的使
的可替代程度。
用人数见表2。
新干预措施抢占所有竞品的使用人数占新干预措
表2 各干预方案在两种市场情形下的使用人数
施总使用人数增量的比例RTJ，是新算法中的另一个关键
Tab 2 The number of users of each intervention
参数。专家深度访谈、德尔菲法和层次分析法等定量专
scheme under two market situations
家调查法均可以用于估测RTJ。例如，运用层次分析法可
对照情形下的使用人数 研究情形下的使用人数
逐步分解问题，依次确定新干预措施抢占不同竞品的比 支付模式 治疗方案
2021年 2022年 2023年 2021年 2022年 2023年
例并建立判断矩阵，由相关领域专家对该判断矩阵的要 X 新干预措施A 6 785 7 142 7 499 49 293 77 289 104 996
[12]
素进行赋值，进而计算出RTJ 。 竞品B 2 587 2 752 2 822 2 328 2 229 2 057
竞品C 124 643 131 698 138 753 112 178 106 675 101 151
值得注意的是，研究者在汇报 BIA 过程时，需要详
竞品D 7 526 7 055 6 585 6 773 5 715 4 800
细描述纳入专家的研究领域、获取专家意见的方式以及 其他方案转用 13 476 26 886 40 151 0 0 0
专家所使用的估计方法，并评定 RS 和 RTJ 预测的合理 Y 新干预措施A 21 126 22 238 23 350 153 474 240 643 326 909
竞品B 8 054 8 567 8 787 7 249 6 939 6 406
性。例如，若采用德尔菲法估计上述参数，应计算并汇 竞品C 388 079 410 046 432 013 349 271 332 137 314 937
报问卷回收的有效率、专家对问题的熟悉程度、专家意 竞品D 23 431 21 967 20 502 21 088 17 793 14 946
其他方案转用 41 956 83 710 125 013 0 0 0
见的一致性程度等，以分析德尔菲咨询小组中专家的积
极系数、专家的权威程度系数、专家意见的协调系数 根据不同市场情形下各干预方案的使用人数和人
[13]
等 ，进而评价所获取数据的科学性和有效性，以确保 均年基金支出，可以计算出基金支出的变化情况。为了
计算结果可靠、可信。 保证 BIA 结果的可靠性和科学性，支付方的覆盖率、不
2 算法示例 同支付方的受众人群占比、新干预措施对各竞品的年均
本研究以新干预措施A为例，采用新算法计算其进 抢占率、新干预措施抢占所有竞品的使用人数占新干预
入基金支付范围后对基金支出的影响。从支付方角度 措施总使用人数增量的比例等参数在实际运用中还需
进行 BIA，使用 Excel 2016 软件构建模型，以 2020 年为 要进行敏感性分析以降低偏倚风险。

·2792 · China Pharmacy 2021 Vol. 32 No. 22 中国药房 2021年第32卷第22期