建立藥品抽檢品種篩選數學模型的設計與探討

歐淑芬　黃卉　譚敏

摘要：藥品抽驗是藥品監管的重要工具，對日常抽驗而言，目前國內尚未有統一的品種篩選指標體系。文章提出了一種適用于數量基數極大的終端藥品市場抽驗優先順序的品種篩選數學模型。研究基于對某市2017-2021年藥品使用及抽檢歷史數據的實證分析，運用比例分析法及主、客觀賦權法排出抽驗品種的優先順序。該方法經過驗證，能科學篩選出群眾關注度高的品種，確保藥品抽驗的代表性。

關鍵詞：藥品抽驗;模型

【中圖分類號】R97???????????? 【文獻標識碼】A???????????? 【文章編號】2107-2306（2021）12--03

正文

藥品抽驗是藥品監管的重要工具，是監督和評價上市藥品質量的重要手段和方法。目前，我國執行的是國家、省兩級抽驗制度，部分地市也會撥出專項經費開展本地藥品的監督抽驗。從組織形式上看，國家藥品抽驗品種目錄由國家制定。省（含部分地市）藥品抽驗目錄由各省市根據市場情況自行制定，作為國家抽驗的補充。

在實際執行層面，各省（含部分地市）分散制定的抽驗品種目錄，在設計上多采用和國家級抽驗類似的理念，較多關注的是市場不良反應問題多，穩定性程度較低的品種。以此為依據的抽驗結果，雖然能在一定程度上反映當地藥品的使用安全情況，把控藥品風險，但是由于設計上考慮的因素較為單一，對廣大群眾關心的市場占有量大的品種，或者市場占有量不大但經濟份額較大的治療重大疾病罕見病藥品考慮不足，容易出現重復檢驗或者抽驗盲區，不能全面的反映當地藥品使用的質量狀況。因此，在有限的政府監管資源情況下，需要建立一個標準化模型，通過科學的方法進行篩選，來確保藥品抽驗的代表性，使其更有效的發揮監督抽驗的效果和影響力。

鑒于此，本文主要通過參照有關文獻和其它產品抽驗標準設計原理，結合藥品特點，從質量、市場及資源等多維度出發，設定指標參數和權重，同時基于對某市2017-2021年藥品使用及抽檢歷史數據的實證分析，結合專業統計學方法，提出構建藥品抽驗品種篩選數學模型的新方法。

1 研究背景及總體思路

當前，隨著我國醫改進入深水區，醫藥行業的格局正發生著深刻的轉變。其中，受國家一致性評價、國家、省級帶量集中采購、醫保目錄動態調整等政策影響，藥品市場重點品種出現結構性變化。這對監管部門緊跟市場變化、開展針對性監督抽驗工作提出了新的要求。更進一步，隨著科學監管體系的發展和大數據、數據挖掘技術的不斷成熟，在藥品各監管領域，對藥品不良反應、藥品注冊審評、藥品歷史抽驗、藥品銷售等大量數據的互聯分析提出了更高要求。如何充分利用這些數據，從中挖掘潛在的具有寶貴價值的信息和影響因素;這些信息或影響因素如何進行定性或定量分析以提高抽驗品種篩選的科學性等等，這些問題是構建藥品抽驗品種篩選模型的重要問題。通過查詢文獻、專家咨詢、以及實證分析，確定設計思路如下：

根據《藥品質量抽查檢驗管理辦法》第十一條規定，藥品抽檢分成兩大類，一類為靶向抽檢，一類為日常抽檢。靶向抽驗以確保藥品安全重點品種得到有效監管為目的;日常抽驗則是針對“臨床用量較大、使用范圍較廣”品種。兩種抽驗對品種要求不同，靶向抽驗品種應盡可能100%覆蓋到位，日常抽驗則需要進行品種篩選。因此，本研究認為靶向抽驗品種可直接從各類藥品監管數據中調取。日常抽驗由于數據龐雜，適宜通過引入經濟性評價指標，綜合產品風險等級設置權重建立綜合評價模型，按品類對品種進行分層抽驗，盡可能覆蓋市場主要品種，保障藥品安全大局。

2? 靶向抽驗品種篩選

9類靶向抽驗品種均有明確的指向性，整理相關數據來源如下：具體見表1。

3 日常抽驗品種篩選模型的建立

日常抽驗品種篩選模型是本次研究的重點。對日常抽驗而言，目前國內尚未有統一的篩選指標體系，無法保障在終端大量用藥基礎上，篩選出代表性品種，使其能充分的反映廣大人群的關注，確保使用量大、高風險品種的質量始終在監管視線范圍內。為了實現科學、系統的排序篩選，模型所建立的指標體系必須具備全面實際性、客觀公平性以及科學典型性等特征。基于以上原則，本研究采用的方法為比例分配法以及主、客觀賦權法。按藥品銷售渠道及藥品類別進行分層，依據各層級銷售比例規模占比確定抽驗比例;針對藥品使用終端較大的變量，設立評價指標;隨后用主觀賦權法算出主觀權重、客觀賦權法的熵值法算出客觀權重，然后再用矩陣法得出組合權重;最后用極值法和賦值法加上權重對藥品使用終端品種的相關評價指標進行計算，按綜合得分排出抽驗優先順序，得到各層主要品種排名，實現科學篩選。

3.1確定分層規則及各層抽驗比例

3.1.1按銷售渠道分層

受醫院和零售藥店消費群體購藥的差異，將藥品市場按不同銷售渠道進行分層（見表2），具體制定抽檢計劃時，可根據銷售渠道的不同，選取對應的抽驗環節。

3.1.2按藥品類別分層

西藥（含化學藥品、生物制品）、中成藥、中藥飲片在不同銷售渠道銷售使用特性不一，且不同大類之間數量存在不可比因素，故在將產品按照西藥（含化學藥品、生物制品）、中成藥、中藥飲片三大類，也保持和醫保統計口徑一致。結合醫院和零售藥店銷售渠道，共分為五層，分別為醫院渠道西藥、醫院渠道中成藥、零售渠道西藥、零售渠道中成藥、零售渠道中藥飲片。

3.1.3確定各層抽驗比例

比例分配法是抽驗實際工作中最常用的確定每層抽取樣本容量的方法。考慮到中藥飲片與西藥、中成藥的數量計算單位不同，醫院渠道與零售藥店渠道藥品規格的不同，難以用數量指標計算各層比例。故使用各層銷售額規模大小的比例作為確定各層抽取樣本比例參考，利用某市藥品使用終端銷售數據進行測算，得表3：

3.2確定抽驗品種篩選模型指標

綜合“臨床用量較大、使用范圍較廣”以及產品風險等級要求，分析藥品使用終端變量以及數據可獲取性，初步確定以臨床使用的產品數量，產品金額、是否國家集中采購品種，是否是醫保品種為評價指標。利用某市藥品使用終端的銷售數據分別對4個評價指標進行測算，經驗證，是否醫保品種與其他指標出現高度重復情況，因此，最終確定以臨床使用的產品數量，產品金額、是否國家集中采購品種為評價指標。

3.3確定抽驗品種篩選模型指標權重

綜合評價是指對多指標體系結構描述的對象系統做出全局性、整體性的評價。在綜合評價中，需要確定每個指標的權重，即該指標在整體評價中的相對重要程度，權重越大則該指標的重要性越高，對整體的影響就越高。確定指標重要性的賦權方法有很多，但從大范圍上來看，可以分成兩大類：主觀賦權和客觀賦權。

主觀賦權法是根據專業知識、時間經驗通過主觀分析研究后確定各個評價指標的重要權數的方法，如序關系分析法，該方法不受樣本采集的限制，且原理簡單、操作靈活。但其缺點是容易根據自身的主觀意愿和偏好來確定指標的重要性，指標權重易受個人學識、經驗、習慣等因素影響。

客觀賦值法來源于客觀實際，是根據指標所提供的信息量大小和相互關聯程度來確定指標權重的方法。熵值法，是最具代表性的一種客觀賦權法。其原理是通過熵值大小測度已知指標數據的有效信息量并進一步計算出權重，即通過評價對象給的指標差異程度來確定各項指標的權重。熵值法的優點是完全依靠指標的樣本觀測值自身的信息來判斷指標的有效性和重要性，不受人為因素的干擾，可以依據客觀實際對系統作出客觀、公正的評價。該方法的缺點是容易受樣本觀測值差異性大小的影響，造成客觀賦權時產生誤差，出現某個重要性指標權重很小，非重要性指標權重很大的現象。

為減弱主觀因素對序關系分析法賦權的干擾，亦可以弱化因樣本數據不足導致的熵值法賦權產生偏差的問題，得到更為客觀和合理的指標權重，本研究建立了基于序關系分析法和熵值法的動態組合賦權模型，以下為其計算步驟：

3.3.1 序關系分析法計算主觀權重w

3.3.1.1 確定序關系及各指標權重比值r

假定有n個評價指標，已知X重要性最小，重要性程度r=1，以其為基準進行兩兩比較，設評價指標X（n=1，2，j，…，n）相對于某評價目標的重要性程度大于（或不小于）X，則評價指標X，X，X，…，X之間確立了序關系。并按照排序結果，對各指標賦予分值，基于專家關于評價指標X與X的重要性程度之比X/X的理性判斷，即各指標與重要性最小的指標的權重比值為r=X/X（3-1）

3.3.1.2 權重系數wn的計算

當r的理性賦值滿足關系式（3-1）時，則

w=r/（r+r+r+…+r）

本研究組織10位專家對3個指標進行賦值打分根據產品數量、產品金額、是否國家醫保目錄品種3個指標對篩選日常抽檢中“臨床用量較大、使用范圍較廣”品種的重要程度，通過兩兩比較的方法確定3個指標的排序，并將10位專家對3個指標的賦值進行算數平均值計算得出各指標的主觀權重系數w。

3.3.2 熵值法計算客觀權重V

根據熵的特性，采用熵值來判斷某個指標的離散程度，指標的離散程序越大，該指標對綜合評價的權重越大。同時，根據信息熵定義，計算各指標的信息熵和信息效用，并最終計算出每個指標的熵權重。

3.3.2.1 建立評價矩陣

假設評價指標體系中含有m個評價樣本，n項評價指標，用n個指標作綜合評價的問題，可根據樣本觀測數據建立原始的評價矩陣，其中X為第m個評價樣本在第n項指標上的狀態值（m=1，2，i，…，m;n=1，2，j，…，n）。

3.3.2.2數據標準處

由于不同的評價指標衡量的事物性質不同，導致指標之間存在度量即數量級差異，降低了數據的可比性，為了盡可能的反映實際情況，消除各項指標的度量及數量級間的懸殊差異帶來的影響，避免不合理現象的發生，本研究基于極值處理法將各指標歸一化到[0，1]區間，并以此計算指標信息熵、信息效用及權重系數，得：

第j項指標的信息熵為（式中，常數k與統計樣本數m有關，k>0，通常可以取，0≤Ej≤1），信息效用P=1-E，權重系數

3.3.3 組合權重的確定

設A為第j個評價指標的組合權重，將A表示為G法得到的權重系數w和熵值法得到的權重系數V的線性組合，即：，其中0<λ<1。式中，λ為偏好系數，用于調節主客觀因素影響整體權重體系的程度。利用某市臨床數據，本項目中λ=0.7，見表4。

3.4計算各產品的綜合得分

3.4.1指標描述：

（1）數量占比：A產品在其抽驗分層中數量占比=A產品采購數/廣州市樣本醫院該分層采購總數;

（2）金額占比：A產品在其抽驗分層中金額占比=A產品采購額/廣州市樣本醫院該分層采購總額;

（3）是否國家集采：以國家藥品集中采購“4+7”、聯盟采購（“4+7”擴面）、第二批、第三批、第四批、第五批的品種目錄為標準，區分是否國家集采品種;

3.4.2指標得分計算方式：

（1）通過極值法對產品數量占比和金額占比數據進行標準化處理，歸至0-1之間。

（2）按相關要求，國家集采品種要求100%抽檢，非國家集采品種沒有強制要求，即可能抽檢又可能不抽檢，故設定國家集采品種分值為1，非國家集采品種為0.5。

（3）計算三項指標分值的加權總分。為了便于數值觀察，將最終得分放大100倍。

4 日常抽驗品種篩選模型運行測試及結果分析

依據本研究確定的抽驗品種篩選模型，分別對某市醫院渠道銷售西藥、中成藥以及零售藥店渠道銷售的西藥、中成藥、中藥飲片各層產品計算綜合得分，按綜合得分排出抽驗優先順序。以各層中銷售規模占比最大的醫院渠道西藥產品為例，在抽取排名前100的品種時，所抽產品的統計情況如下（見表5）：

結論：

（1）篩選模型顯示：在抽取了醫院渠道西藥中全部品種的3.4%的情況下，該模型覆蓋了抽驗分層31.85%的品種數量和25.60%的品種金額;篩選出的100個品種中，醫保品種率為95%，國家集采品種率為91%。表明該模型可以較好地篩選出“臨床用量較大、使用范圍較廣的”重點品種，并兼顧醫保與國家集采品種。

（2）通過指標篩選與測算，該模型篩選出來的品種中，其加權總分排名在“醫院渠道銷售西藥”下前30的品種中有7個是該市近五年抽檢未覆蓋到的品種，如抗腫瘤和免疫調節劑類的注射用培美曲塞二鈉、甲磺酸奧希替尼片、替莫唑胺膠囊、多西他賽注射液、聚乙二醇化重組人粒細胞刺激因子注射液，血液和造血系統藥物利伐沙班片、消化系統及代謝藥鹽酸帕洛諾司瓊注射液。這7個品種均為重癥疾病治療藥物，顯示該模型加入經濟性指標進行權重測算后，較以往的品種選取方式更具科學性和代表性，以此為基礎的藥品監督抽驗工作可以更準確的反映地區藥品安全水平，有助于實現有效監管。

參考文獻：

[1]張禮智，一種面向藥品靶向抽檢的預測模型[J].中國醫藥導刊，2020，22（12）：883-888.

[2]羅曦，國家食品抽檢數據分析挖掘系統研建[D].北京林業大學，2018.

[3]張士俠，大數據在藥品監管領域的應用研究[J].中國醫藥導刊，2017，19（12）：1412-1416.

[4]汪海萍，藥品大數據的數據挖掘研究[J].信息與電腦，2019（24）：110-112.