學會會訊 2018 - 01
狂賀 蒲若芳老師 當選ISPOR Board of Director
學生職涯發展講座 心得分享
有幸參加台灣藥物經濟暨效果研究學會於5月4日下午舉辦的學生職涯講座。講座首先由學會曾瓊慧常務理事針對TaSPOR組織業務和講者經歷進行簡介，接著由各講者分享學思歷程與介紹職涯領域，講者包含臺大醫學院臨床藥學研究所林芳如老師、藥害救濟基金會黃薇伊組長、醫藥品查驗中心醫藥科技評估組經濟評估楊忠霖小組長、臺灣安進藥品公司政策暨價值蔡欣宜總監、法商賽諾菲藥廠公共事務及政策處鄢擇生處長和Kantar Health實證研究與市場進入策略方琪惠總監，他們各自分享求學求職生涯、工作內容、宣傳徵才以及如何成為有競爭力的人才。講座內容令醫管系出身且還算是半個社會新鮮人的我眼界大開，原來在藥學這門專業的學問中也存在和公衛生統相關的職位。
其中我對楊忠霖組長的分享特別印象深刻。楊忠霖組長任職於醫藥品查驗中心醫藥科技評估組的經濟評估小組，主要協助健保署審核新藥，從現有健保資料庫、醫學文獻等資料中，推估新藥使用族群，考量安全性、副作用和療效，預估新藥進入健保給付後可能造成的財務衝擊，最後提供健保署醫療科技評估(HTA)報告。此外，楊組長也曾在顧問公司工作，接觸過超過一百件各式統計研究案，常需要快速因應對策，實際應用過去所學之生統知識，而不是只停留在理論上。當初機緣巧合踏入藥物經濟學領域，從國衛院研究助理、亞洲寰宇統計專員、北醫健保資料處理與分析課程講師，到現在醫藥品查驗中心的組長，這些轉變都是當時還在大學念公衛系的楊組長所想像不到的。
十年後的我會身在何處？夢想真的能夠實現嗎？也許和很多人一樣曾經徬徨，也曾迷惘，但十年前還在如火如荼拚基測的我，又何曾想得到自己現在會在台大臨藥所擔任研究助理？就像講者蔡欣宜總監說的：「Follow your passion!」，不用太侷限自己，只要願意相信所做的選擇、充滿熱情並堅持不懈，沒有什麼是不可能的事。
其中我對楊忠霖組長的分享特別印象深刻。楊忠霖組長任職於醫藥品查驗中心醫藥科技評估組的經濟評估小組，主要協助健保署審核新藥，從現有健保資料庫、醫學文獻等資料中，推估新藥使用族群，考量安全性、副作用和療效，預估新藥進入健保給付後可能造成的財務衝擊，最後提供健保署醫療科技評估(HTA)報告。此外，楊組長也曾在顧問公司工作，接觸過超過一百件各式統計研究案，常需要快速因應對策，實際應用過去所學之生統知識，而不是只停留在理論上。當初機緣巧合踏入藥物經濟學領域，從國衛院研究助理、亞洲寰宇統計專員、北醫健保資料處理與分析課程講師，到現在醫藥品查驗中心的組長，這些轉變都是當時還在大學念公衛系的楊組長所想像不到的。
十年後的我會身在何處？夢想真的能夠實現嗎？也許和很多人一樣曾經徬徨，也曾迷惘，但十年前還在如火如荼拚基測的我，又何曾想得到自己現在會在台大臨藥所擔任研究助理？就像講者蔡欣宜總監說的：「Follow your passion!」，不用太侷限自己，只要願意相信所做的選擇、充滿熱情並堅持不懈，沒有什麼是不可能的事。
醫療科技評估人才培育工作坊-預算衝擊分析 心得分享
本次醫療科技評估人才培育工作坊-預算衝擊分析課程，首先由臺大臨床藥學研究所林芳如助理教授為大家進行方法學簡介，並鼓勵在執行預算衝擊分析時，進行敏感度分析，針對具有不確定性的參數或架構進行調整估算，以驗證預算衝擊分析模型的參數應用與架構設計合理性。除此之外，亦建議我們在進行預算衝擊分析架構建立時，除疾病相關成本支出項目外，盡可能詳細列出治療相關的成本項目，如藥品注射費、新科技合併使用之藥物費用等，以使預算衝擊分析的結果能更貼近實際情況。接著於寰宇藥品資料管理公司周楷沛顧問經理帶來幾個實際案例分享，讓我們對於預算衝擊分析的取材、參數如何選擇等需考慮到的面向有更多的思考。最後，在藥品查驗中心賴美祁研究員的案例分享中，更指出預算衝擊分析常見缺失，希望在分享之後，未來我們進行預算衝擊分析時更能避免因預算衝擊架構、參數等採用不當而造成分析偏誤。
感謝CDE舉辦「醫療科技評估人才培育工作坊-預算衝擊分析」課程，三位講者分享的內容對於我們從財務分析架構設定、參數選取與應用之實務操作都非常有幫助，相信日後在準備健保給付建議案件的預算衝擊分析時能利用本次課程所學，提升財務衝擊分析架構設計、參數應用的正確性與合理性，並使估算結果更能反應未來新醫療科技經健保給付後對於健保體系的財務影響。
感謝CDE舉辦「醫療科技評估人才培育工作坊-預算衝擊分析」課程，三位講者分享的內容對於我們從財務分析架構設定、參數選取與應用之實務操作都非常有幫助，相信日後在準備健保給付建議案件的預算衝擊分析時能利用本次課程所學，提升財務衝擊分析架構設計、參數應用的正確性與合理性，並使估算結果更能反應未來新醫療科技經健保給付後對於健保體系的財務影響。
小芳老師碎碎念-TaSPOR篇
前一陣子迷韓劇「我的大叔」。劇中的「大叔」是一位建築結構技師，常常看到他在辦公室指著電腦螢幕上的大樓模型，與下屬們討論案主的房子是否足夠堅固，多一條鋼筋或是少一個柱子會不會怎麼樣；或者他們一群人出發到工地去實地檢測水泥及鋼筋的各種強度數值，回辦公室之後「大叔」交代「把剛剛的數值輸入模型裡計算，晚上給我報告」。有一天我忽然理解，為什麼自己會覺得跟這位「大叔」有共鳴，應該就是「模型」起的緣分吧（好啦你懂的）。
學建構成本效果模式的時候，不僅當時在台灣是很新的概念，在歐美先進國家都還沒有廣泛被政策使用，以為只能是學術興趣，要談應用有點「曲高和寡」。勉力鑽研了幾年，於程式、疾病自然史與臨床處置流程之間的細節精益求精，不敢對政策應用有過多的期待。但是曾幾何時，隨著這門學問的成長，現在的應用已經是當時的研究生所無法想像的狀況了。
正名為「決策分析模型」(decision analytic models)
這些年來學界曾用過很多名詞，像是「simulation models」、「cost-effectiveness models」、「state-transition models」等等，這些當然都正確，譬如是用來「模擬」出可能結果的、是用來計算「成本效果」的、採用的是「狀態間轉換」的模型等；不過近年來越來越多人直接把用於醫療科技評估時的模型，稱之為「決策分析模型」，反映出學界（及HTA界）認為這個名詞能包容多樣性的模型建構法，但其目的聚焦於決策輔助之用。
我認為這個聚焦對HTA與相關學界兩者的發展，都有很大的助益。早期提及電腦模擬或是各種建構模型的名詞，對應用者來說不易理解，沒有理解就不能應用在決策場域。反之，隨著HTA制度在新科技決策上的蓬勃發展，決策者（包括評價委員會及政策制定者）越來越清楚證據的重要性，在各種方案的效果與成本推估上就會希望有科學依據，「決策分析模型可以幫忙推估新科技的長期效果」這樣的訊息很清楚。而同時，由於其目標清楚（輔助某項決策），因而模型就不必過分（在與決策無涉的地方）精細。這樣做有幾項好處：一來建構模型需要參數人力物力與時間、二來過多參數只會引來更多的不確定性、三來過份複雜也不易讓決策者或外界理解。
決策分析模型整合目前知識
在我個人部落格文章「建構模型其實不容易」，曾經提及國內具modeling素養（能力）有幾種層次– 有些人只會欣賞或批評但沒有自己做過(critique)、有些人改過模型參數(local adaptation)、有人可以改模型結構(model modification)、少數人可以自己從無到有建構一個決策分析模型，或易或難。所以說雖然大家常常以為有些人「會」或「做過」模型研究，但其實素養還是不足，所以在溝通上還是常常會碰到讓人哭笑不得的狀況。
其中一項是，模型不僅是在計算total cost及total health outcome（如QALYs），以進一步計算ICER（incremental cost-effectiveness ratio）。模型的建構過程與討論，更是對決策的程序正義有其不可替代的角色。
建構決策分析模型時，我們需要對這新藥或新科技如何怎樣影響健康效果，譬如說由其短期的臨床試驗結果，怎樣推及長期對QALYs的效果，有全面性的了解。我的博士論文建構了干擾素治療慢性B型肝炎的模型，當時的臨床試驗指標是e seroconversion（e抗原由陽性轉為陰性），因為由許多臨床研究證據我們知道，e抗原陽性的病人其發展到肝硬化的機率較高，反之較低；所以對這個治療而言，一旦e抗原陰轉，邏輯上可以推演至「會減低肝硬化肝癌發生的機率」，進而獲得QALYs的延長。所以我建構的模型就是以e抗原陽性陰性出發。現在的科學已經進展到HBV 病毒量（DNA level）。世代研究的結果告訴我們，不同病毒量的病人其發展至肝硬化及肝癌的風險不同，新藥也以病毒量為指標，所以近來的決策分析模型就是以病毒量為模型建構出發點。而短期指標（如病毒量）與長期後續疾病發生的連結，其邏輯推演是否有足夠的科學證據可以佐證，是在這樣的模型建構過程中，自然而然會問的問題。在美國AHRQ曾討論，HBV 病毒量高的病人肝硬化肝癌發生率高，病毒量低的人發生率低，這點已經有證據證明；但是病毒量經由服藥變成低或是測不到的病人，其後續肝硬化及肝癌風險是否也會變低，則沒有直接證據證明（”Evidence was insufficient to assess treatment effect on clinical outcomes, predict individualized patient response, or determine if intermediate measures are reliable surrogates”. Hepatitis B. Content last reviewed October 2014. Agency for Healthcare Research and Quality, Rockville, MD. http://archive.ahrq.gov/research/findings/evidence-based-reports/er174-abstract.html）- 這點我知道有些專家可能會認為過苛了，但真有這樣的討論。也就是說，有些人認為，口服抗病毒治療的長期效果會有不確定性存在。類似這樣的連結，有些真可見到有很強的生物醫學或邏輯基礎，但也不少產品的後續效益比較像是開發者過於樂觀的推演，沒有足夠的證據。在模型建構的過程中，能讓這些連結清楚地呈現，讓原本不太理解細節的專家也可以容易進入討論情境。有了這樣充分的討論，也才能稱得上是曾努力做到決策時的理性課責（accountability for reasonableness）。
「All models are wrong, but some are useful」(George E. P. Box)
這句話是在教modeling的人必定聽過也會引用的一句話。就像「大叔」的電腦模型，是把高樓結構中跟強度有關的參數考慮進去，對其他用處來說一定是「不對」的。我們在考慮裝潢或買家具時，為了更清楚可能的效果，所自己製作的紙模型或電腦模型，也沒辦法真正住進去。但是有了模型就有了比較具體而微的概念，加上可以操作的點（放個櫃子進去、假設有個六級地震等等），可以協助做決策的人理解證據到哪裡、可能的弱點在哪裡、要補強的地方、之後對甚麼地方要加強管理。對很多決策者來說，沒有對決策方案後續效果的掌握，會做出相對保守的決定、或是錯誤的決定。而這樣的決定其機會成本有多大，是需要好好考慮的。也因此，好的政策輔助工具很重要，相關素養也應該盡早培養。
學建構成本效果模式的時候，不僅當時在台灣是很新的概念，在歐美先進國家都還沒有廣泛被政策使用，以為只能是學術興趣，要談應用有點「曲高和寡」。勉力鑽研了幾年，於程式、疾病自然史與臨床處置流程之間的細節精益求精，不敢對政策應用有過多的期待。但是曾幾何時，隨著這門學問的成長，現在的應用已經是當時的研究生所無法想像的狀況了。
正名為「決策分析模型」(decision analytic models)
這些年來學界曾用過很多名詞，像是「simulation models」、「cost-effectiveness models」、「state-transition models」等等，這些當然都正確，譬如是用來「模擬」出可能結果的、是用來計算「成本效果」的、採用的是「狀態間轉換」的模型等；不過近年來越來越多人直接把用於醫療科技評估時的模型，稱之為「決策分析模型」，反映出學界（及HTA界）認為這個名詞能包容多樣性的模型建構法，但其目的聚焦於決策輔助之用。
我認為這個聚焦對HTA與相關學界兩者的發展，都有很大的助益。早期提及電腦模擬或是各種建構模型的名詞，對應用者來說不易理解，沒有理解就不能應用在決策場域。反之，隨著HTA制度在新科技決策上的蓬勃發展，決策者（包括評價委員會及政策制定者）越來越清楚證據的重要性，在各種方案的效果與成本推估上就會希望有科學依據，「決策分析模型可以幫忙推估新科技的長期效果」這樣的訊息很清楚。而同時，由於其目標清楚（輔助某項決策），因而模型就不必過分（在與決策無涉的地方）精細。這樣做有幾項好處：一來建構模型需要參數人力物力與時間、二來過多參數只會引來更多的不確定性、三來過份複雜也不易讓決策者或外界理解。
決策分析模型整合目前知識
在我個人部落格文章「建構模型其實不容易」，曾經提及國內具modeling素養（能力）有幾種層次– 有些人只會欣賞或批評但沒有自己做過(critique)、有些人改過模型參數(local adaptation)、有人可以改模型結構(model modification)、少數人可以自己從無到有建構一個決策分析模型，或易或難。所以說雖然大家常常以為有些人「會」或「做過」模型研究，但其實素養還是不足，所以在溝通上還是常常會碰到讓人哭笑不得的狀況。
其中一項是，模型不僅是在計算total cost及total health outcome（如QALYs），以進一步計算ICER（incremental cost-effectiveness ratio）。模型的建構過程與討論，更是對決策的程序正義有其不可替代的角色。
建構決策分析模型時，我們需要對這新藥或新科技如何怎樣影響健康效果，譬如說由其短期的臨床試驗結果，怎樣推及長期對QALYs的效果，有全面性的了解。我的博士論文建構了干擾素治療慢性B型肝炎的模型，當時的臨床試驗指標是e seroconversion（e抗原由陽性轉為陰性），因為由許多臨床研究證據我們知道，e抗原陽性的病人其發展到肝硬化的機率較高，反之較低；所以對這個治療而言，一旦e抗原陰轉，邏輯上可以推演至「會減低肝硬化肝癌發生的機率」，進而獲得QALYs的延長。所以我建構的模型就是以e抗原陽性陰性出發。現在的科學已經進展到HBV 病毒量（DNA level）。世代研究的結果告訴我們，不同病毒量的病人其發展至肝硬化及肝癌的風險不同，新藥也以病毒量為指標，所以近來的決策分析模型就是以病毒量為模型建構出發點。而短期指標（如病毒量）與長期後續疾病發生的連結，其邏輯推演是否有足夠的科學證據可以佐證，是在這樣的模型建構過程中，自然而然會問的問題。在美國AHRQ曾討論，HBV 病毒量高的病人肝硬化肝癌發生率高，病毒量低的人發生率低，這點已經有證據證明；但是病毒量經由服藥變成低或是測不到的病人，其後續肝硬化及肝癌風險是否也會變低，則沒有直接證據證明（”Evidence was insufficient to assess treatment effect on clinical outcomes, predict individualized patient response, or determine if intermediate measures are reliable surrogates”. Hepatitis B. Content last reviewed October 2014. Agency for Healthcare Research and Quality, Rockville, MD. http://archive.ahrq.gov/research/findings/evidence-based-reports/er174-abstract.html）- 這點我知道有些專家可能會認為過苛了，但真有這樣的討論。也就是說，有些人認為，口服抗病毒治療的長期效果會有不確定性存在。類似這樣的連結，有些真可見到有很強的生物醫學或邏輯基礎，但也不少產品的後續效益比較像是開發者過於樂觀的推演，沒有足夠的證據。在模型建構的過程中，能讓這些連結清楚地呈現，讓原本不太理解細節的專家也可以容易進入討論情境。有了這樣充分的討論，也才能稱得上是曾努力做到決策時的理性課責（accountability for reasonableness）。
「All models are wrong, but some are useful」(George E. P. Box)
這句話是在教modeling的人必定聽過也會引用的一句話。就像「大叔」的電腦模型，是把高樓結構中跟強度有關的參數考慮進去，對其他用處來說一定是「不對」的。我們在考慮裝潢或買家具時，為了更清楚可能的效果，所自己製作的紙模型或電腦模型，也沒辦法真正住進去。但是有了模型就有了比較具體而微的概念，加上可以操作的點（放個櫃子進去、假設有個六級地震等等），可以協助做決策的人理解證據到哪裡、可能的弱點在哪裡、要補強的地方、之後對甚麼地方要加強管理。對很多決策者來說，沒有對決策方案後續效果的掌握，會做出相對保守的決定、或是錯誤的決定。而這樣的決定其機會成本有多大，是需要好好考慮的。也因此，好的政策輔助工具很重要，相關素養也應該盡早培養。
