刚开始用TreeAge Pro时，很多人最容易卡住的地方，不是界面不会点，而是不知道第一份模型应该从哪里下手，也不确定决策树、Markov、患者模拟和离散事件这些模型到底该选哪一种。TreeAge官方帮助写得很清楚，最基础的建模方式就是先在软件里建立树形结构，再录入节点、概率、成本和效用等数据；同时，官方产品页也明确列出TreeAge Pro目前支持的主要模型类型，包括Decision Tree、Markov、Partitioned Survival、Discrete Event和Patient Simulation。也就是说，新建模型这件事，本质上不是先把图画复杂，而是先把问题类型和模型类型对上。

　　一、TreeAge Pro怎么新建模型

　　TreeAge Pro新建模型，最稳的做法不是一上来就做完整项目，而是先从一份能跑通的小模型开始。官方Getting Started文档说明，TreeAge Pro是一个可视化建模工具，重点是先把决策结构组织出来，再逐步补参数和分析设置；而编辑树结构的帮助页也写明，可以在树上插入、删除和调整节点，所以新建模型的核心动作其实就是先把树骨架搭出来。

　　1、先新建一个基础树

　　刚开始时，先建立一棵最基本的树，把决策节点、机会节点和终点节点放进去。不要一开始就追求把所有参数都填满，先把主线结构搭出来，后面再补细节会顺很多。TreeAge的基础帮助本身就是按这种顺序在讲，从建立树到编辑节点，再到录入分析数据。

　　2、再把关键输入先补齐

　　树结构出来以后，先录最关键的概率、成本、效用或结局值。新模型最怕的是图画出来了，但没有任何可运行数据。官方入门说明把组织决策过程和分析模型结果放在一起，本身就在提醒，TreeAge的模型不是只拿来画图，而是要能算。

　　3、先跑一版基线结果

　　模型刚建好时，不要急着做大规模敏感性分析，先确认这棵树能正常算出结果。只有基线结果合理，后面再补分支、加参数和改结构才有意义。这种做法和TreeAge官方从简单示例树逐步扩展到更复杂模型的帮助结构是一致的。

　　4、需要Markov时再把Markov节点接进去

　　如果问题本身涉及周期循环、状态转移或长期疾病进展，就在决策树合适的位置继续接入Markov节点。官方Markov建模页面明确写到，TreeAge Pro的Markov模型是以决策树形式来表示的，而且可以接在原来本应放终点节点的位置上。也就是说，Markov不是完全独立的一套界面，而是和树模型自然接在一起的。

　　二、TreeAge Pro模型类型如何选择更合适

　　模型类型选得对，后面很多工作都会轻松；模型类型选偏了，后面越做越复杂。TreeAge官方产品页和功能页已经把几类主流模型分得很清楚，所以选择时不要只看名字，更要看你的研究问题本身属于哪一类。

　　1、一次性决策问题优先选Decision Tree

　　如果你的问题主要围绕一次性治疗选择、短期路径分支、有限阶段结果展开，没有明显的周期性状态转移，那决策树通常最合适。它结构清楚，解释也直接，适合作为很多模型的起点。官方入门文档本身就是从基础决策分析树开始带用户入门的。

　　2、长期疾病过程优先选Markov

　　如果研究对象会在若干健康状态之间反复转移，比如缓解、复发、进展、死亡这类周期性变化，就更适合用Markov。TreeAge官方Markov页面明确指出，Markov模型的基本设计要考虑状态、转移和终止条件，这种结构更适合长期过程分析。

　　3、个体差异很强时再看Patient Simulation

　　如果你的问题对个体差异特别敏感，比如患者路径差异大、事件顺序不固定、同一组人不能简单用平均值代表，那就更适合患者模拟类模型。TreeAge官方产品页已把Patient Simulation单独列为支持的模型类型，这说明它本来就不是普通决策树的附属选项，而是面向更复杂个体路径问题的。

　　4、时间到事件和复杂流程问题再考虑Discrete Event

　　如果问题不是简单周期转移，而是围绕时间到事件、资源竞争、排队、并发流程这些更复杂的动态过程展开，就更适合看离散事件模型。TreeAge官方功能页把Discrete Event单独列出来，就是为了和普通决策树、Markov这类模型区分开。

　　三、TreeAge Pro建模起点怎么定

　　很多人后面越做越乱，不是软件不好用，而是一开始就没把起点定清。更稳的做法，是先确定研究问题的时间结构，再判断结果是不是可以用平均路径表示，最后再决定模型是不是需要循环状态。TreeAge官方不同模型页面拼起来看，其实已经把这条判断线摆出来了。

　　1、先问问题是不是一次性决策

　　如果是，就先从最简单的树开始，不要直接上Markov或模拟模型。决策树不仅更快，也更适合做初版框架。

　　2、再问过程会不会重复循环

　　只要状态会一轮轮转移，或者结局依赖周期推进，Markov通常会比普通决策树更合适。官方Markov建模帮助本身就是围绕这一点展开的。

　　3、再问个体差异是不是不能忽略

　　如果不同个体路径差别很大，平均队列或平均转移已经不足以支撑结论，就该把患者模拟或离散事件纳入考虑，而不是继续用一棵越来越复杂的普通树硬撑。

　　4、最后从最简单能回答问题的模型起步

　　模型不是越复杂越好，而是能回答当前问题就够。先做一份可运行、可解释的基线模型，再往上加Markov、模拟或更复杂的结构，效率通常会高很多。这种做法和TreeAge官方从基础模型逐步扩展到复杂模型的帮助逻辑是一致的。

　　总结

　　TreeAge Pro怎么新建模型，关键不是先把所有细节都堆进去，而是先搭出一份能跑通的基础树，再逐步补参数和扩结构。TreeAge Pro模型类型如何选择更合适，关键则是把研究问题和模型类型对上，一次性分支问题优先看决策树，长期循环过程优先看Markov，个体差异和复杂流程再考虑患者模拟或离散事件。把起点定准，后面的模型通常会顺很多。