TreeAge Pro里面，决策树模型要怎么去搭建，还有决策树分支上面的概率要怎么去填写，这里头要紧的事情，是先把要拿主意的那道问题给拆解明白，然后再把每一条路径上头带着的概率，和最后的结果给填进去。TreeAge Pro这个东西，它是一个能拿来做那种看得见的决策分析的建模工具，官方的帮助里面也有提到过，可以通过树图的编辑器去增加、改动和挪动节点，也能拿决策树、Markov模型这么一些形式，去分析那种复杂的问题。

　　一、TreeAge Pro决策树模型怎么搭建

　　动手去搭一个决策树模型，不是一上来就去画出来很多的分支，而是要先敲定，到底要去比较哪几个方案，还有后面可能会跟着冒出来的结果。要是节点弄得很多，可是里头的逻辑却是一团糊，那到了后面，概率、成本还有效用这些，就会变得不好填了。

　　1、先确定决策问题和备选方案

　　要把【Decision Node】和【Strategy Branches】合在一块儿去用，把那些等着去比较的方案，放到同一个起点的下头来。

　　就打个比方，要是去做治疗方案的比较，就可以把“方案A”和“方案B”给弄成是两个策略的分支；要是做的是项目投资的比较，也可以把“继续往里头投”和“停掉不再投”，给弄成是最开始的那两个分支。官方的教程里面也提到过，决策节点下面的分支，平常就是拿来代表不一样的策略的。

　　2、再补机会节点和结果路径

　　在决策分支的后头，接下去的一般就是机会节点，这个是拿来代表那些还不确定的结果的。就比如说，治完了以后，有可能是“管用”“不管用”“出现了不好的反应”，项目的方案可能是“成了”“往后拖了”“黄了”，这些个结果，它不是靠人拿主意去选的，而是那种讲概率的事件。到了这里，有一件事要留心，每一层分支，顶好是只去表示一种拿不准的情况，不要把疗效、费用，还有并发症这一些，全都给混到同一个节点的里头去。

　　3、路径终点要有结果值

　　树形结构给搭好了以后，每一条路径走到最后，都要能够算出来一个结果。在医疗经济学的模型里头，经常能瞅见的，就是成本、效用、QALY、净收益这么一些东西；放到普通的决策模型里面，有可能就是收益、损失，再或者是综合打出来的分数。TreeAge Pro是可以对决策树去跑expected value分析的，这个分析的意思，就是照着路径的概率和结果值，去把期望值给算出来。

　　二、TreeAge Pro决策树分支概率怎么填写

　　分支上面的概率，是不能就随随便便填一个大估摸的数进去了事的。它代表的是，在某一个机会节点的下头，那些不同结果发生的可能性，同一个机会节点下面的分支概率，一般是要把它们全加到一块儿，凑成整一才行的。概率的来路越是清楚，模型它跑出来的结果，也才会越靠得住。

　　1、先确认概率属于哪个节点

　　要对着【Chance Node】、【Branch Probability】还有【Outcome Path】，去弄明白，每一个概率，它都是只对着当前这个节点下面的分支的。

　　就比如，有那么一个机会节点，它说的是“治疗完了是个什么结果”，下面分着“管用”和“不管用”，这两个概率，是要搁在同一个组里面去加总的。另一个机会节点，要是说的是“有没有不良反应”，那它就应该有自己的一串概率组。不能把不同节点下面的概率给搅和到一块儿去，要不然，模型会变得非常乱。

　　2、概率来源要能说明

　　概率这个数，它可以是打从临床试验、真实世界的数据、文献里头，或者是专家的估计，以及历史项目的数据里面，拿过来的。比较理想的一种情形，就是直接把研究出来的数据拿来用；要是只能靠着专家的判断，那也要把估计它是凭着什么来的，给交代一下。举个例子来说，“管用的概率有百分之七十”这么个写法，是要比“效果比较好”这种说法，要更适合搁在模型里头的，不过，顶好还是得要知道，这个百分之七十，它是从哪一个人群里面，在哪一个时间窗口里面得出来的。

　　3、分支概率要保持逻辑一致

　　要是一个节点的底下，有三个结果，就比方说“往好里转了”“没起什么变化”“往坏里走了”，这三个结果的概率全加到一块儿，就应该是等于整一。要是给填成了零点五、零点四、零点三，这就说明在概率组这个地方，是出了毛病了。还有另一个常见的情况，就是那个条件概率没有被分清楚，比方说“治疗起了效果之后又复发了的概率”，跟“所有患者里面出现复发的概率”，这两个东西是不能直接就混在一起用的。条件不一样，那个数值所代表的意思，也是不一样的。

　　三、决策树模型搭完后怎么检查

　　模型给搭完了以后，不要就火急火燎地跑去看结果。要先查一查，树的那个结构，还有概率，到底讲不讲得通，完了之后，再去看期望值或者敏感性分析。TreeAge Pro它是能支持决策树、敏感性分析、Monte Carlo simulation这么一些分析功能的，拿这个来继续去查那些关键的参数，对结果到底有什么样的影响，是比较对路的。

　　1、先跑一遍基础结果

　　把最基础的那个结果先给跑上一遍，是能够帮着去发现那些摆在明面上的毛病的。比方说，有那么一条收益很高的路径，它的概率其实是很低的，可是跑出来的结果，它却占了一个大头，这个时候，可能就得回过头去，查一查成本、效用或者是概率，是不是在什么地方给填岔了。要是就那么一个策略，它明明是不太对劲的，结果却被选成了最优的，那也一样要先从输入进去的那些数据，去排摸一遍。

　　2、对关键概率做敏感性分析

　　要去对着【Sensitivity Analysis】，查一查那些关键的概率，在发生了变动以后，那个被选出来的最优策略，是不是也跟着变了。

　　要是某一个分支的概率，只是稍微地被拨动了一下，模型给出来的结论，就整个儿给翻了过来，这就说明，手里的这个参数，是特别敏感的那种。碰到这样的情况，在概率的来路上头，就要更加地当心一些，也可以在文章或者报告里面，去把话说清楚，这个参数对结论的左右，是比较大的。

　　3、保留模型假设和数据来源

　　决策树这个东西，不光是去看那张图它画得漂不漂亮。概率、成本、效用、时间被圈在了哪个范围、患者人群或者是项目所处的场景，这些个东西，它全都归在模型的假设里面。到了后面再回头去查看的时候，最容易冒出问题来的地方，倒不是那棵树本身，而是瞧的人，他压根儿就不知道，里头的每一个数值，是从哪里给拿过来的。

　　总结

　　TreeAge Pro决策树模型怎么去搭建，分支的概率又要怎么去填，这件事，最核心的地方，是先把要拿主意的那个决策问题给理清楚，然后再照着决策节点、机会节点，还有终点的结果，这么一步一步地给它搭起来。分支的概率，是要放到对的节点下面的，落到同一组的结果上面，概率要保持住它的一致性，而且，还得尽量去把数据是从哪里来的，给交代清楚。模型搭完了以后，也还要靠基础结果和敏感性分析，去把那些关键的参数再给查上一遍，也好避免那种，只是画出来了一个树形的壳子，可是手里面却没有攒下靠得住的、能做决策的依据的情况。