TreeAge Pro蒙特卡洛模拟应当如何运行，以及模拟结果出现过大的波动时应当如何进行判断，不能仅仅查看模拟按钮是否已经成功执行。蒙特卡洛分析会在运行过程中反复抽取输入参数，并在不同的参数组合下重新计算模型，因此每次运行出现一定程度的差异是正常的现象。需要关注的是，这种差异有没有随着样本数量的增加而逐步收敛，以及不同轮次的运行结果，是否会改变策略的选择、成本效果的判断，或者其他核心的结论。

　　一、TreeAge Pro蒙特卡洛模拟怎么运行

　　在正式运行模拟之前，需要先确认模型已经能够完成基础的计算。假如决策树的结构、马尔科夫状态转移的设置、变量中编写的表达式，或者成本效果部分填写的内容，本身就存在错误，那么蒙特卡洛模拟也只不过是在反复地计算这些错误，想通过增加模拟次数来解决这一类问题是很难的。

　　1、先区分准备分析的随机性

　　TreeAge Pro中的蒙特卡洛分析，有可能对应个体层面的模拟，也有可能对应概率敏感性分析。个体模拟主要用于反映不同患者、设备或者事件路径之间存在的随机差异，概率敏感性分析则用来观察输入参数自身的不确定性会给模型结果带来什么样的影响。如果模型当中同时包含了这两类随机性，那么还需要把外层的参数抽样和内层的个体试验区分开来，不能将样本的数量和试验的次数当成同一个参数来处理。

　　2、给不确定参数设置分布

　　在【Variables View】里面，把需要参与抽样的变量挑选出来，并且给它们分别设置上合适的概率分布以及对应的分布参数。

　　概率、成本、效用值还有转移率这些参数，不适合不加区分地套用同一种分布。概率通常需要被限制在零到一之间，成本一般也不应该出现负数，样本数量比较少的参数，还要去考虑它的分布会不会被个别偏离很远的数据拉偏。设置完成之后，可以先随机抽几个样本值出来查看一下，看它们是不是落在了业务上能够解释得通的范围之内。

　　3、启动蒙特卡洛模拟

　　选择【Analysis】→【Monte Carlo Simulation】，再根据这一次分析的具体目的，去决定是使用Sampling、Trials，还是同时使用Sampling加Trials。

　　如果只是进行参数不确定性的分析，只需要设置好样本的数量就可以了；如果分析中还包含了个体级别的模拟，那就需要进一步设置，在每一组参数下面到底要运行多少次试验。模型当中已经引用过的那些分布，在模拟进行的过程中会被重新抽样。等到计算全部结束以后，就可以在结果面板当中查看均值、分布情况、策略被选中的频率，以及相关的各种图表了。

　　二、TreeAge Pro蒙特卡洛结果波动过大怎么判断

　　结果存在波动，并不等于模型就一定出了问题。蒙特卡洛这种方法本身就会包含随机的抽样过程，同一个模型连续运行多次，得到不同的数值，是很有可能发生的。真正需要去排查的地方是，这种波动是不是已经超出了研究可以接受的范围，以及它会不会导致分析的结论频繁地发生改变。

　　1、先分清数值波动和结论波动

　　如果某一项成本或者效果的均值，只是在一个很小的范围里变动，但每一次运行指向的都是同一个策略，那么这通常说明结论还是保持着一定的稳定性的。要是在不同的几次运行当中，被推荐的那个策略总是来回地切换，成本效果分析的结果也在不同的象限之间跳来跳去，或者是那些关键的概率值彼此之间相差得很远，那么到了这个时候，就不能仅仅用“随机误差”来解释，需要接着去检查模拟的规模以及输入的那些分布。

　　2、查看均值和预测区间

　　在【Monte Carlo Dashboard】当中去查看均值、统计上的区间范围，还有结果的分布状态，并对不同情况下的区间宽度进行一下比较。

　　当样本或者试验的数量被加上去之后，均值附近的预测区间，按照常理是应当一步一步收窄的。假如在计算量增加之后，这个区间仍然非常宽，那就有可能是模型本身存在着比较强的不确定性，或者是某些输入分布被设置的范围实在是太宽了。在这种情况下，不能只盯着均值这一个数字，还需要看一看分布是不是发生了偏斜、有没有拖着一条长长的尾巴，以及是不是有少数的几个结果，对整体的均值造成了非常明显的拉动。

　　3、重复运行检查变化趋势

　　可以保持模型和参数都不变，接连运行好几组模拟，然后再去比较这些组的均值、策略被选中的比例，还有区间范围。如果随着试验数量的不断增加，各组出来的结果相互之间变得越来越接近，那就说明之前的那些波动，主要是由于抽样不够充分所造成的。假如每一组的结果相互之间还是存在着很明显的差异，那么就需要去检查模型的结构、分布是如何设置的，或者是个体模拟当中的那些随机事件了。

　　三、TreeAge Pro蒙特卡洛结果怎么调整更可靠

　　在发现结果有波动之后，不建议一上来就把模拟的次数大幅度地往上提高。计算量的增加，只能降低抽样的误差，却修复不了那些设置错误的分布、不合理的参数，还有模型逻辑里面隐藏的问题。应当先把波动的来源找出来，看它到底是由参数的不确定性、个体的随机性，还是模型自身的设置所引起的。

　　1、分别调整样本数和试验数

　　概率敏感性分析当中的样本数，是用来决定抽取多少组参数的；个体模拟里面的试验数，则是用来决定在每一组参数下面模拟出多少个个体。当外层的波动表现得比较大的时候，可以增加样本的数量；如果是在同一组参数下面，结果还不够稳定，那么就应当去检查一下内层的试验数量。要是把这两者同时都往上增加，计算所需要花费的时间也会跟着往上升，而且到了后面，也不容易分清楚到底是哪一层得到了真正的改善。

　　2、检查输入分布是否过宽

　　当出来的结果经常被少数的几个异常值给牵着走的时候，就需要回过头去，检查一下分布参数的设定、所设的上下边界，还有变量与变量之间的相关关系。分布范围的确定，不能只是依据研究数据当中那几个最极端的记录，也不能为了让画出来的图表看上去更加平滑，就随随便便地把范围收窄。而是要结合数据的来源、样本量的大小，以及业务上的具体含义来做出判断，确认抽出来的样本能够代表一个合理的不确定范围。

　　3、用固定随机种子复核问题

　　进入【Tree Preferences】→【Analysis Settings】→【Monte Carlo Options】，就可以对随机数种子进行设置。

　　在把种子固定下来以后，同一个模型，通常就能够重复地得到一模一样的抽样序列，这种情况很适合用来复查模型在修改之前和修改之后，结果出现了哪些不同，也方便去定位出究竟是哪一组的结果显得不太正常。但是，固定了种子并不能用来证明计算的结果已经收敛了，它仅仅是让这一次的模拟能够被重新复现出来而已。在正式去判断结果的稳定性的时候，还是需要使用不同的抽样批次来进行比较。

　　总结

　　TreeAge Pro蒙特卡洛模拟怎么运行，以及TreeAge Pro蒙特卡洛结果波动过大怎么判断，其中最核心的一点，是先把参数抽样和个体试验这两者区分清楚，然后再根据模型的类型去设置样本的数量、试验的次数，还有输入变量的分布。在判断波动的时候，不能只是简单地去比较两次运行所得到的均值，还需要去观察预测区间的宽窄、策略被选中的比例，以及多次重复运行之后的变化趋势。当发现结果不够稳定之后，应当分别去检查模拟的规模大小、分布参数的设置、模型的结构，还有随机数种子的设定。只有这样，才能判断出当前的波动，到底是属于正常的抽样差异，还是说模型里面确实存在着需要去修正的问题。