在使用TreeAge Pro进行决策分析或成本‑效果模型时，“效用值”（utility values）是衡量不同结果状态偏好的核心输入之一。能否合理为每种状态分配效用，并确保其来源可靠和模型适配，就直接关系到模型输出（如期望效用、净效益）是否可信。因此，了解效用值量化的方法，以及如何对其来源进行校准，是构建高质量TreeAge Pro模型的关键。
一、TreeAge Pro效用值如何量化
效用值通常用于表示结果状态或健康状态的偏好程度，在TreeAge Pro中可通过以下步骤进行量化：
1、定义模型终端状态：在决策树或马尔可夫模型中为每个可能的状态（例如“无症状”、“疾病进展”、“死亡”）明确一个终端节点。
2、为每个终端状态分配数值：在节点的“Payoff”栏目输入效用值。例如最理想状态可以设置为1.0（或100），最差状态设置为0（或0分），中间状态根据偏好程度分配。
3、选择计算方法与效用整合方式：在【Tree Preferences】→【Calculation Method】中，若模型聚焦于效用最大化，应选择“Simple”或“Multi‑attribute”模式，并将效用作为活跃的Payoff集。
4、累积效用值：对于马尔可夫模型或分割生存分析模型，可在每个周期或状态驻留期累积效用值，在模型中通过“Startup”“Continuous”“Exit”等奖励类型设定。([TreeAge Software][3])
5、应用偏好函数调整：如果决策者对风险有偏好（风险厌恶或风险寻求），TreeAge Pro支持自定义效用函数，将原始效用值映射为调整后的“确值等价”值。
通过以上步骤，模型内的效用值不仅结构化可用，还能被用于期望效用计算、敏感性分析与策略比较。
二、TreeAge Pro效用值来源应怎样校准
仅设置效用值而忽视其来源的可靠性，会严重削弱分析结论的说服力。因此校准来源是效用值应用中的必备环节。常见做法包括：
1、文献回顾与元分析：查找类似人群研究中使用的效用值（如QALY、健康‑状态效用评分），并将其映射至模型状态。若研究值为0.83、0.61等，可直接引用。
2、专家访谈或偏好测定：在缺乏文献数据时，通过专家评估或问卷（如标准赌注法、时间折扣法）为状态分配效用。
3、内部数据校准：使用模型校准功能，通过观测数据对模型输出（如生存率、费用、效果）进行拟合，在校准过程中同时调整效用值。TreeAge Pro的“Calibration View”能自动优化输入参数以匹配目标数据。
4、敏感性分析验证效用值影响：将不同效用值放入模型进行一元或多元敏感性分析，观察效用值变化对输出结果（如策略排名、ICER）影响程度。若结果对这些值高度敏感，应谨慎解释结论。
5、透明报告与假设说明：在模型文档中清晰列出效用值的来源、年份、测量方法、调整逻辑，并说明为何映射至当前模型状态，以提高模型可信度。
三、TreeAge Pro效用值与模型运行的协同控制机制
效用值在模型中不仅是结果输入，更应与整个建模流程协同运转，确保分析输出的逻辑性与稳定性。为此，需从以下几个方面加以落实：
1、版本更新时动态校验效用设置
每次模型结构调整、临床路径更新或模拟时间线变化后，都应回顾原有效用值是否仍适配最新结构。若状态定义有变，需同步调整对应效用指标，避免旧参数误入新模型。
2、纳入验证流程保持逻辑一致性
效用值应与模型中的成本参数、概率参数一起接受验证检查。可通过参数校准或模拟输出回溯，检视效用输入与模型逻辑是否存在偏离，提前排除偏差隐患。
3、设定变量集支持多情境对比
对于同一状态的多版本效用来源，可通过变量集功能进行封装，结合TreeAge Pro的“Variable Sets”机制，在分析时快速切换场景，实现敏感性对比或区域适应性分析。
4、建立参数归档便于版本回溯
为支持模型可追溯管理，建议将每组效用值记录来源、设定日期、建模依据等元信息，统一归档保存。这样在跨期比较或外部审计中能快速还原分析逻辑。
5、与策略优化模块联动调整
若模型涉及策略最优解计算（如最大净效用路径），可将效用值设置为可优化参数，引入TreeAge Pro的策略分析工具动态迭代，有助于发现非直观但更优的路径方案。
通过以上机制，效用值不再是一次性设定的输入，而成为支撑模型可信度与灵活性的重要支柱。
总结
TreeAge Pro效用值如何量化，TreeAge Pro效用值来源应怎样校准，是从数值设定到数据来源验证的完整过程。通过明确定义状态、按结构分配效用、选择合适计算模式，再辅以可靠来源校准与敏感性分析，模型输出才能具备可解释性与决策价值。在构建分析模型时，始终记住：效用值不是随意数字，而是偏好映射与决策支撑的桥梁。
