- name
- disease-cea-auto
- description
- >
<!-- ============================================================ SKILL: disease-cea-auto · v1.0 · 2026-04-27 Disease-Specific Pharmacoeconomic Auto-Evaluation 中文 / English Bilingual Skill ============================================================ -->
Disease-Specific Pharmacoeconomic Auto-Evaluation Skill
疾病药物经济学自动评价 Skill
概述 / Overview
本 Skill 帮助你对任意指定疾病完成一次端到端的药物经济学评价： 自动确定模型框架 → 遴选主流药物 → 联网搜索参数 → 运行成本效果分析 → 以我国最新人均 GDP（1倍）为支付阈值计算货币化净收益（NMB）→ 排序输出报告与 Python 代码。
This Skill performs an end-to-end pharmacoeconomic evaluation for any specified disease: auto-design model → select key drugs → web-search parameters → run CEA → compute NMB using China's latest GDP per capita (1×) as WTP threshold → rank and report.
执行流程 / Execution Workflow
阶段一：模型框架设计 / Phase 1 — Model Design
中文指令：
- 根据用户输入的疾病名称，判断疾病是慢性进展性（chronic/progressive） 还是
急性/治愈性（acute/curative）： - 慢性进展性疾病 → 使用 Markov 模型（状态：通常含疾病缓解期、进展期、重度/终末期、死亡） - 急性/治愈性疾病 → 使用 决策树模型（分支：治疗成功、治疗失败、不良反应） - 如同时存在急性发作和长期管理（如哮喘、心血管病） → 混合模型
- 明确说明模型的**健康状态定义、循环周期（cycle length）、时间范围（time horizon）、
贴现率（discount rate）**，并解释设定依据。
- 以中英文表格列出模型参数清单（见阶段二）。
English Instructions:
- Based on the disease provided, classify as chronic/progressive or acute/curative:
- Chronic/progressive → Markov model (states: typically remission, mild, moderate, severe, death) - Acute/curative → Decision tree (branches: success, failure, AE) - Mixed (acute exacerbations + long-term, e.g., asthma, CVD) → Hybrid model
- State the model's health states, cycle length, time horizon, discount rate, with justification.
- List all required parameters in a bilingual table (see Phase 2).
阶段二：药物遴选 / Phase 2 — Drug Selection
中文指令：
- 使用
web_search联网搜索该疾病当前国内外最常用/一线/二线治疗药物，
参考来源：中国临床指南、国家医保目录、UpToDate、PubMed、药智网等。
- 遴选标准：优先纳入①中国医保目录内药物；②国内外指南推荐的一线/二线药物；
③近5年上市或获批的代表性新药（如有）。
- 遴选数量：不超过20种代表性药物/方案，确保覆盖不同作用机制和费用区间。
- 以表格输出：药物名称（中英文）、适应症、作用机制、是否医保、上市年份。
English Instructions:
- Use
web_searchto find current first-line/second-line drugs for the disease,
referencing Chinese clinical guidelines, NRDL, UpToDate, PubMed, etc.
- Selection criteria: ① NRDL-listed drugs; ② guideline-recommended drugs;
③ representative new drugs approved in the last 5 years (if any).
- Target no more than 20 representative drugs/regimens covering different mechanisms and cost ranges.
- Output as a bilingual table: drug name (CN/EN), indication, mechanism, NRDL status, approval year.
阶段三：参数搜索 / Phase 3 — Parameter Search
中文指令： 对每种遴选药物，使用 web_search 搜索以下参数（每个参数均需注明文献来源）：
| 参数类型 | 说明 | 优先来源 |
|---|---|---|
| 临床疗效 | 有效率、ORR、PFS、OS（适用时） | RCT、Meta分析 |
| 效用值（utility） | 各健康状态下的 QoL 权重（0-1） | EQ-5D 研究 |
| 药物费用 | 年均药品费用（元） | 国家医保谈判价、药智网、公立医院价格 |
| 疾病管理费用 | 门诊/住院/辅助检查费用（元/年） | 国内成本测算研究 |
| 不良反应率及处理费用 | 3/4级 AE 发生率及对应费用 | RCT、安全性数据 |
| 转换概率（Markov） | 各状态间年转换概率 | RCT、自然史研究 |
若某参数无直接文献支撑，优先参考同类药物或同类疾病研究，并标注"外推"。
English Instructions: For each selected drug, use web_search to retrieve (cite every source):
| Parameter | Description | Priority Source |
|---|---|---|
| Clinical efficacy | Response rate, ORR, PFS, OS | RCT, meta-analysis |
| Utility values | QoL weights per health state (0–1) | EQ-5D studies |
| Drug cost | Annual drug cost (CNY) | NRDL negotiated price |
| Disease management cost | Outpatient/inpatient/diagnostic (CNY/yr) | Chinese cost studies |
| AE rate & cost | Grade 3/4 AE rate and management cost | RCT safety data |
| Transition probabilities | Annual transition probs between states | RCT, natural history |
If a parameter lacks direct evidence, extrapolate from analogous drugs/diseases and label as "extrapolated."
阶段四：人均 GDP 获取 / Phase 4 — WTP Threshold (GDP per Capita)
中文指令：
- 使用
web_search搜索"中国最新人均 GDP"（优先查国家统计局最新年度数据，通常在每年1月公布）。 - 搜索词示例：
中国 2024 人均GDP 国家统计局 - 以 1倍人均 GDP 作为 QALY 的货币化支付阈值（WTP）。
- 在报告中明确注明：数据来源、统计年份、具体数值（元/人/年）。
English Instructions:
- Use
web_searchto find "China latest GDP per capita" (prefer NBS official annual data). - Sample query:
China 2024 GDP per capita National Bureau of Statistics - Use 1× GDP per capita as the WTP threshold for QALY valuation.
- Report: data source, year, exact value (CNY/person/year).
阶段五：成本效果分析与 NMB 计算 / Phase 5 — CEA & NMB Calculation
中文指令：
- 以标准治疗或安慰剂作为参照方案（比较组）。
- 对每种药物计算：
- 增量成本（ΔC） = 干预组总成本 - 对照组总成本 - 增量效益（ΔE） = 干预组总 QALY - 对照组总 QALY - ICER = ΔC / ΔE（元/QALY） - 货币化净收益（NMB） = ΔE × WTP - ΔC（元）
- 按 NMB 从大到小排列所有药物（NMB>0 表示具有成本效果，<0 则不具有）。
- 同时进行单因素敏感性分析（至少对效用值、药物费用、转换概率各做±20%变动）。
English Instructions:
- Use standard of care or placebo as the comparator.
- For each drug, compute:
- Incremental cost (ΔC) = Total cost (intervention) − Total cost (comparator) - Incremental effectiveness (ΔE) = Total QALY (intervention) − Total QALY (comparator) - ICER = ΔC / ΔE (CNY/QALY) - Net Monetary Benefit (NMB) = ΔE × WTP − ΔC (CNY)
- Rank all drugs by NMB descending (NMB > 0 = cost-effective; < 0 = not cost-effective).
- Perform one-way sensitivity analysis (±20% on utility values, drug costs, transition probabilities).
阶段六：Python 代码输出 / Phase 6 — Python Code Output
中文指令： 根据前述参数，生成完整可运行的 Python 代码，要求：
- 使用
pandas、numpy、matplotlib标准库 - 代码结构：① 参数定义模块；② Markov/决策树计算模块；③ ICER/NMB 计算模块；④ 排序与可视化模块
- 生成两张图：① 成本效果平面散点图（CE plane）；② NMB 条形图（按大到小排序）
- 代码中所有变量名和注释使用中英文双语（变量名英文，注释中英文并行）
- 代码末尾调用
print输出汇总结果表格
English Instructions: Generate complete, runnable Python code based on the parameters collected, with:
- Libraries:
pandas,numpy,matplotlib - Structure: ① Parameter definition; ② Markov/decision-tree computation; ③ ICER/NMB calculation; ④ Ranking & visualization
- Two figures: ① CE plane scatter plot; ② NMB bar chart (descending order)
- All variable names in English; comments bilingual (CN+EN parallel)
- Final
printoutput of summary table
阶段七：报告输出 / Phase 7 — Scientific Report Output
中文指令： 按以下科学论文格式输出简明结果报告（每段内容均中英文并行）：
# [疾病名称] 多药成本效果分析报告
# Cost-Effectiveness Analysis Report for [Disease Name] — Multiple Drugs
## 1. 研究背景 / Background
## 2. 研究方法 / Methods
2.1 模型结构 / Model Structure
2.2 研究视角与时间范围 / Perspective & Time Horizon
2.3 数据来源 / Data Sources
2.4 支付阈值 / WTP Threshold
## 3. 参数汇总表 / Parameter Summary Table（中英文表头）
## 4. 结果 / Results
4.1 基础分析 / Base-Case Results（NMB排序表 + ICER表）
4.2 敏感性分析 / Sensitivity Analysis
## 5. 结论与政策建议 / Conclusions & Policy Implications
## 6. 参考文献 / ReferencesEnglish Instructions: Output a concise scientific report in the above structure, with every section bilingual (CN+EN parallel paragraphs).
参数默认值 / Default Settings
| 参数 / Parameter | 默认值 / Default | 说明 / Note |
|---|---|---|
| 贴现率 Discount rate | 5% per year | 中国药物经济学指南推荐 / Chinese guideline |
| 循环周期 Cycle length | 1 year (chronic) / per episode (acute) | 依疾病类型调整 |
| 时间范围 Time horizon | 10–20 years (chronic) / 1–5 years (acute) | 依疾病类型调整 |
| 研究视角 Perspective | 卫生体系视角 / Healthcare system | 含直接医疗费用 |
| WTP 阈值 WTP threshold | 1× China GDP per capita (最新值，联网获取) | 依 Phase 4 实时获取 |
| 敏感性分析范围 SA range | ±20% on key parameters | 单因素 one-way |
质量控制要求 / Quality Control
中文：
- 每个参数来源必须注明（作者、年份、期刊/数据库）
- 若参数为外推或假设，必须标注并在敏感性分析中重点测试
- NMB 排序表必须包含置信区间或不确定性说明
- Python 代码必须可直接运行，不依赖外部私有数据文件
English:
- Every parameter must be cited (author, year, journal/database)
- Extrapolated/assumed parameters must be labeled and prioritized in SA
- NMB ranking table must include confidence intervals or uncertainty notes
- Python code must run standalone without private external data files
示例触发 / Example Triggers
- "帮我做2型糖尿病的药物经济学评价"
- "对比IPF常用药物的成本效果"
- "肺癌靶向药的ICER和NMB计算"
- "哪种NSCLC一线治疗方案净收益最高"
- "Do a multi-drug CEA for COPD"
- "Rank asthma biologics by NMB"
- "Compare cost-effectiveness of HER2+ breast cancer therapies"
*Skill version: 1.0 | 创建日期 / Created: 2026-04-27 | 作者 / Author: TLB*