合作交流

左根永:大数据革新药物经济学

时间:2014年01月24日 作者:佚名 来源:本站原创 阅读: 字体:

     《大数据时代:生活、工作与思维的大变革》一书写道:“世界就是数据”。《大数据云图:如何在大数据时代寻找下一个大机遇》进一步指出,2010年前信息技术主要强调“技术”,之后则强调“信息”,而发现信息的关键手段就是大数据。作为发掘、分析政策或临床数据的重要工具——药物经济学正处于上述时代潮流中。但是,纵观所有从事药物经济学的国际学者的简历,发现大部分学者将大数据主要界定为医院医疗、健康档案等数据库的挖掘,这可能并不是大数据最大的贡献,也不是其革新药物经济学的关键,更关键的是数据能否转化成高质量的信息、知识以至智慧。

       在药物经济学研究中,数据是用来记录事实的,信息是用来展示数据的意义的,知识是用来解决问题的,而智慧则告诉我们在何种情况下应该做出何种选择。这四者之间的转化效果首要的是对数据载体、数据本身的理解。一方面,对数据载体的理解主要包括主体(病人)、客体(药品)属性;另一方面对数据本身的理解主要包括数据收集时点、数据收集方法。前一个方面,在药物经济学研究中逐渐演变成了离散选择模型(Discrete Choice Model),而后一个方面则开始向真实世界数据(Real World Data)技术过渡。在这一过程中,大数据可以将病人使用药品的过程实时记录,帮助理解病人和药品;同时也可以完善数据收集时点和方法,帮助人们理解药物经济学真实世界数据技术的发展前景。

       为离散选择模型提供解决方案

       离散选择模型起源于兰开斯特1966年在《消费者理论的新方法》中提出的属性分析方法。传统经济学理论观察需求是在自利的人性假设下,看他们如何选择商品。兰开斯特独辟蹊径,认为人不仅仅是需要这个商品,更需要这个商品给人带来的感觉、享受、地位等属性;并且在一定情境下,人更关注某些属性。20世纪90年代开始,该理论开始应用于卫生经济学,并逐渐进入药物经济学领域。

       实际上,对于药物经济学的数据载体来说,属性分析不仅仅要处理药品属性问题,更要关注主体属性问题。尤其在医疗领域,强调个体化用药,每个病人体质不同、心态不同,都会影响药品的疗效。在这种情况下,自利的人性假设是不全面的。而如果放宽这个假设,经济学理论处理这个问题的成本会大增,以至不可能解决。

       在这种情况下,大数据技术提供了解决方案。现在有的公司已经开发出戴在腕部的表,可以监测戴表人的血压、血糖和心率等。在这个基础上,其实可以开发监测用药行为的电子设备,一方面监测患者的用药行为、用药反应、用药感受等主体属性,另一方面监测血药浓度、不良反应等客观属性,实时记录整个过程,形成多样患者、多种药品使用经验的数据,提高离散选择模型思想的应用价值,也为药品更安全、有效和经济的使用提供丰富的数据。

        改变数据收集方法

        传统的药物经济学数据收集主要发生在药物临床试验的Ⅱ、Ⅲ期,数据收集的方式主要采用临床仪器测量临床指标、采用量表测量生命质量等。这种方式的缺陷在于受试者处于严格的实验控制下,获得的数据很难外推到真实治疗情景中。另外,这样也只能掌握某些时点产生的临床数据,尤其在测量生命质量时面临理论和技术上的挑战。

         近年来,药物经济学数据采集时点逐渐成为热点问题。根据近年来国际药物经济学和结果研究协会(ISPOR)的相关会议,主要的共识是数据收集应该向药物临床试验Ⅳ期甚至真实病人转移,目的主要是为了影响医疗体制中的政策决策和临床决策。

        除了沿用常规的数据收集方法外,大数据正在革新药物经济学收集数据的方式。伦敦经济学院经验取样法(主要借助免费iPhone应用程序邀请英国人登录记录他们的生活,然后研究环境如何影响人的幸福感)用于研究幸福的方法,对于药物经济学研究很有启发。该方法可以部分解决QALY测量面临的缺少理论依据,以及在测量技术方面将时间与健康状态分离的问题。但是,由于采集数据的时点是随机选择的、受试者处于被调查状态,可能为了减少调查人员的干扰,故意录入讨好调查人员的结果,这样就很难保证数据的代表性和真实性。而大数据技术的主要理念就是将测量和受试者的生活紧密融合,并且让受试者认识到健康测量的重要性,从而在不知不觉中收集数据,这样可以减少数据偏倚、提高数据质量。

       尤其在智能手机和“物联网”(The Internet of things)技术不断完善、成本不断降低的情况下,药物经济学数据收集方法将面临更为革命性的变化。这两种技术的结合,可能开发出监测人的疾病转归、药品治疗过程的应用程序,同时也会为生命质量的测量提供新的机遇。

        最接近这种理想的尝试,是Azumio公司开发的“健身达人”(Fitness Buddy)应用程序,这种程序将大数据和保健相结合,收集并分析相关数据。一方面,可以了解使用者个体的身体正在发生什么以及身体状况的变化趋势,从而为其提供身体健康方面的建议;另一方面,整合所有使用者的健康数据,可以开发出更好的算法来预测个体的健康,也可以根据分析结果提出相应的干预建议。

         虽然大数据可以为药物经济学理解数据载体(患者、药品)、数据收集和方法做出巨大贡献,但是正如《全民覆盖:大思考VS大数据》一文所说,现在仍然缺少大数据实现成本效果分析的实际操作思路。学术界和医疗界仍然将眼光盯在全样本数据这一视角,没有关注大数据可能对药物经济学基本概念造成的冲击。

        结语

        回到中国的情景,大数据已经成为各行各业的热点。《中共中央关于全面深化改革若干重大问题的决定》中也提出了“充分利用信息手段”的号召,在这种情况下医生、护士、新药研发者、医药代表等都将被重新定义。而这种重新定义是离不开药物经济学的,只有与药物经济学充分结合,才能发挥大数据应有的作用。

        任何新技术的引入都是试错的过程,早期的泡沫是必然的,大数据也难逃窠臼。因此,在现在的中国情景下,政策制定者和临床决策者的最佳策略是借助大数据的理念、完善传统的药物经济学研究思路。同时,也要积极探索、尝试运用智能手机应用程序,比如微信等寻找有利于临床和政策决策的新的数据收集和分析方法,以为将来更为革命性的变化做好理念和技术上的准备(发表于2014年3月19日《医药经济报》A11版)。

 

上一篇:动物与人细菌耐药性相互影响、传播干预研究项目研讨会在济南成功召开
下一篇:左根永:药物经济学研究新布局
(作者:佚名 编辑:admin)
常用下载 科研管理系统