在进行医疗决策、成本效益分析或卫生经济学评估的过程中，模型的输入参数往往来自文献、临床试验或专家估计，这些数据本身就带有一定的不确定性。为了评估这些不确定性对模型结果的影响，我们通常会使用敏感性分析工具。Tree Age Pro作为一款广泛应用于决策建模的软件，内置了强大的敏感性分析功能。理解Tree Age Pro敏感性分析是什么，Tree Age Pro敏感性分析变量范围设置与龙卷风图生成方法，不仅能帮助我们识别关键参数，还能增强模型的说服力和透明度。

　　一、Tree Age Pro敏感性分析是什么

　　敏感性分析（Sensitivity Analysis）指的是在模型结构不变的前提下，通过系统性地改变输入参数的数值范围，来观察这些变化对模型输出结果（如成本、效用或增量成本效益比ICER）的影响。Tree Age Pro支持多种敏感性分析类型，包括一维敏感性分析、二维敏感性分析、概率敏感性分析（PSA）等。

　　在Tree Age Pro中，最常见的一维敏感性分析形式，是“龙卷风图（Tornado Diagram）”，它可以帮助我们快速识别对结果影响最大的变量。这对于制定策略、报告撰写以及政策制定具有重要意义。例如，如果某一治疗方案的成本敏感性高于治愈率，那么价格的微调将显著影响最终的经济性评价。

　　通过敏感性分析，用户不仅能验证模型的稳定性，还能量化风险区间，为决策者提供基于证据的建议。这项分析在HTA（健康技术评估）报告、医保谈判和药品经济学研究中扮演着核心角色。

　　二、Tree Age Pro敏感性分析变量范围设置与龙卷风图生成方法

　　在Tree Age Pro中进行敏感性分析，必须先定义变量的取值范围和分布，然后指定要分析的目标节点或结果变量。设置合理的参数区间是分析成功的关键一步。

　　1、变量范围设置方法

　　进入Tree Age Pro模型后，点击“Data Table”或“Model Settings”，可以为各个变量指定敏感性区间。在“Low”和“High”两列中分别输入该参数可能的最小值和最大值。

　　例如，对于药品成本`cost_drug`，其基础值为1000，可设置Low为800，High为1200。对于概率值如`prob_recovery`，应设定在0到1之间的有效范围，例如0.6~0.9。

　　此外，Tree Age Pro支持通过数据分布来定义变量的波动方式，比如使用三角形分布（Triangular）、Beta分布、正态分布等，适用于PSA分析。

　　2、设置敏感性分析场景

　　在菜单栏选择“Analysis”>“One-Way Sensitivity Analysis”，弹出分析设置窗口：

　　在“Variable”处选择要分析的变量，可以多选；

　　在“Outcome”中设定你要分析的目标结果，如ICER、Net Monetary Benefit（NMB）或期望效用（Expected Value）；

　　可以设定变量变化方式，如线性等距、对数变换等；

　　勾选生成图表选项。

　　3、生成龙卷风图

　　龙卷风图是Tree Age Pro中直观呈现敏感性结果的核心图表，它通过水平条形图展示各个变量变动对目标结果的影响幅度。变量条越长，说明该变量对模型结果影响越大。

　　点击“Run Analysis”后，软件会自动生成结果列表，并呈现在“Graph”选项卡下的“Deterministic Sensitivity”图表中。图中从上到下依次列出影响最大的变量，是识别高敏感参数的有效工具。

　　用户可根据图中变量的排序，进一步优化模型参数收集策略，将研究重心放在那些对结果影响显著的参数上。

　　4、保存与导出分析结果

　　Tree Age Pro允许将敏感性分析结果导出为PDF、Excel或图片格式，以便在论文、PPT或HTA报告中使用。同时也可复制分析表格到外部文档进行二次加工，满足不同类型项目的汇报需求。

　　三、Tree Age Pro高级敏感性分析技巧与应用实践

　　除了基础的单因素敏感性分析，Tree Age Pro还支持更高级的功能配置，适用于多变量模型分析或复杂决策情景。

　　1、多变量敏感性分析（Two-Way Analysis）

　　通过Analysis>Two-Way Sensitivity Analysis，可以同时考察两个变量组合对结果的影响。例如在药品成本和治愈率的不同组合下，模型推荐治疗方案是否发生变化。这种分析更贴近现实复杂环境，也可用于策略优劣区域划分图的生成。

　　2、概率敏感性分析（PSA）与蒙特卡洛模拟

　　在Health Economics模块下启用“Monte Carlo Simulation”功能，Tree Age Pro会自动抽取设定分布内的变量值，运行上千次模拟计算，生成结果分布图、成本效用分布图（CEAC）和可信区间等，反映模型的整体不确定性。

　　3、使用分组分析提升可视化

　　可以对变量分组，例如将成本相关变量和效用相关变量分别进行敏感性测试，便于清晰展现不同维度对结果的影响，有助于学术展示或监管机构答辩。

　　4、设置阈值分析与自动策略切换

　　敏感性分析中还可以设置策略切换条件，当某变量超过某一临界值时模型输出推荐策略发生变化。例如：当治疗成本高于8000时推荐放弃治疗，低于时则推荐接受治疗。

　　这类分析可用于阈值谈判、医保支付标准制定和分层人群策略设定。

　　总结

　　掌握Tree Age Pro敏感性分析是什么，Tree Age Pro敏感性分析变量范围设置与龙卷风图生成方法，不仅是建模者的基本功，更是提升研究可信度、报告影响力和策略落地性的关键步骤。通过一维和多维敏感性分析，我们能够清楚地识别出哪些参数最值得关注，哪些数据应进一步收集优化，同时还能量化不确定性对结果的影响。龙卷风图作为核心工具之一，以直观的方式呈现敏感性程度，成为撰写论文、做项目答辩不可或缺的辅助资料。在实际应用中，配合概率模拟、阈值分析和分组策略使用，将进一步拓展Tree Age Pro在复杂医疗决策环境中的应用广度。