Model Markov dalam Ekonomi Kesehatan: Probabilitas Transisi

Diterbitkan 20 Juni 2026 | Terakhir diperbarui 31 Oktober 2026

Bagaimana Model Markov dalam Ekonomi Kesehatan Bekerja

Model Markov mengasumsikan bahwa pasien selalu berada dalam salah satu dari sejumlah keadaan kesehatan diskrit yang terbatas dan memperlakukan setiap kejadian sebagai transisi dari satu keadaan ke keadaan lain. Sonnenberg dan Beck menggambarkan model ini sebagai model yang berguna ketika risiko bersifat kontinu dari waktu ke waktu, ketika waktu kejadian penting, dan ketika kejadian penting dapat terjadi lebih dari sekali. Model ini dapat dievaluasi dengan aljabar matriks, sebagai simulasi kohort, atau sebagai simulasi Monte Carlo.^¹ Laporan gugus tugas ISPOR-SMDM tentang pemodelan transisi keadaan mencakup simulasi kohort Markov dan mikrosimulasi berbasis individu.^² Halaman ini membahas versi kohort. Model kohort membutuhkan bagian-bagian di bawah ini.

1. 1Serikat. Seperangkat kondisi kesehatan diskrit yang terbatas, dengan setiap pasien berada dalam satu kondisi pada satu waktu.¹ Model kasus ini memiliki empat tahap: Kanker, Remisi, Kekambuhan, dan Kematian.
2. 2Panjang siklus dan cakrawala. Langkah waktu dan jumlah langkah. Model kasus ini berjalan selama 10 siklus tahunan.
3. 3Distribusi awal. Di mana kohort dimulai. Dalam model kasus, seluruh kohort dimulai dari kanker.
4. 4Matriks transisi. Probabilitas berpindah dari satu keadaan ke keadaan lainnya dalam satu siklus.
5. 5Hadiah Biaya dan manfaat yang terkait dengan setiap kondisi per siklus.
6. 6Koreksi dan diskon. Bobot dalam setiap siklus dan faktor diskon yang diterapkan sebelum siklus dijumlahkan.

Matriks Probabilitas Transisi

Matriks tersebut memiliki satu baris untuk setiap negara bagian yang ditinggalkan kohort dan satu kolom untuk setiap negara bagian yang dapat dimasukinya. Makalah kasus tersebut menyatakan dua aturan: setiap entri berada di antara 0 dan 1 dan setiap baris probabilitas harus berjumlah 1. ^{Kematian memiliki angka 1} pada diagonal karena tidak ada yang meninggalkannya. Di bawah ini adalah matriks standar perawatan seperti yang tercetak dalam Tabel 1 makalah tersebut, dengan baris terakhirnya yang berisi probabilitas remisi-ke-kematian spesifik tahun.

Geser ke samping untuk melihat semua kolom.

Geser ke samping untuk melihat semua kolom.

Baris remisi menunjukkan mengapa matriks dibangun dari entri lainnya. Tetap dalam remisi ditetapkan pada 0.50, remisi hingga kematian berubah setiap tahun, dan remisi hingga kambuh adalah apa pun yang tersisa, 1 − 0.50 − p(R→D). Pada tahun ke-1 nilainya adalah 0.45 dan pada tahun ke-7, ketika risiko kematian mencapai puncaknya pada 0.14, nilainya adalah 0.36 (dihitung oleh Editverse). Karena probabilitas kematian berubah per siklus, model membutuhkan matriks yang berbeda di setiap siklus. Para penulis menyebut ini ketergantungan waktu simulasi, dan tutorial pendamping menjelaskan cara mengimplementasikannya. ^{5 , 6} Makalah ini menyajikan dua versi model. Pada versi pertama, vektor spesifik tahun diindeks berdasarkan siklus model. Pada versi kedua, remisi dibagi menjadi keadaan terowongan, sehingga probabilitas bergantung pada tahun-tahun yang telah dihabiskan dalam remisi; kami memberi label keadaan ini R1 hingga R10. Biaya dan ICER di bawah ini berasal dari versi kondisi terowongan, karena itulah versi yang digunakan untuk mencetak Tabel 3. ⁵

Mengonversi Tingkat ke Probabilitas Transisi

Hasil uji coba dan registrasi sering dilaporkan sebagai angka kejadian, seperti kejadian per orang-tahun, tetapi matriks tersebut membutuhkan probabilitas untuk satu siklus. Makalah kasus memberikan konversi sebagai p = 1 − exp(−rt), di mana p adalah probabilitas transisi, r adalah angka kejadian, dan t adalah periode waktu. ⁵ Tutorial pengantar dari Alarid-Escudero dan kolega menerapkan transformasi yang sama dalam kode untuk angka kejadian tahunan konstan, yang diskalakan oleh panjang siklus. ⁷

Geser ke samping untuk melihat semua kolom.

Jalan pintas ini mendekati benar ketika rt kecil dan salah ketika tidak. Pada rt = 1, ini memberikan probabilitas 1, suatu kejadian pasti, sedangkan eksponensial memberikan 0.632. Kesalahan umum lainnya adalah mengubah panjang siklus: probabilitas tahunan 0.1393 yang dinyatakan kembali sebagai probabilitas bulanan dengan 1 − (1 − p) ^1/12 memberikan 0.01242, sama dengan mengkonversi tingkat suku bunga yang mendasarinya secara langsung. Kesetaraan itu hanya berlaku ketika tingkat suku bunga konstan dalam setahun.

Menjalankan Penelusuran Kohort

Jejak kohort adalah bagian dari kohort di setiap keadaan pada akhir setiap siklus. Ini dimulai sebagai vektor baris dengan semua orang dalam keadaan Kanker dan dikalikan dengan matriks siklus tersebut untuk menghasilkan baris berikutnya. Kami membangun kembali jejak makalah kasus untuk kedua strategi dari input cetaknya, menggunakan versi keadaan terowongan dengan sepuluh keadaan remisi yang dijumlahkan. ⁵

Dihitung oleh Editverse di R

• Jumlah jejaknya adalah 1 di setiap siklus untuk kedua strategi (sudah diperiksa), jadi tidak ada bagian dari kohort yang hilang atau dibuat.
• Remisi (gabungan R1 hingga R10) mencapai puncaknya pada 40.0% di tahun pertama dengan perawatan standar dan 50.0% dengan terapi inovatif.
• Angka kekambuhan mencapai puncaknya pada 32.7% di tahun ke-4 dengan perawatan standar dan 38.5% di tahun ke-4 dengan terapi inovatif.
• Pada tahun ke-10, 90.9% dari kelompok pasien yang menerima perawatan standar dan 90.4% dari kelompok pasien yang menerima terapi inovatif telah meninggal.

Biaya, QALY, Koreksi Dalam Siklus, dan Diskonto

Biaya yang diharapkan dan QALY diperoleh dengan mengalikan setiap baris jejak dengan vektor imbalan keadaan, memberi bobot dengan bobot dalam siklus dan faktor diskon, lalu menjumlahkannya: total = jumlah atas siklus w _t × d _t × (baris jejak × vektor imbalan). Faktor diskonnya adalah d _t = 1/(1 + r) ^t . CHEERS 2022 meminta penulis untuk melaporkan tingkat diskon dan mengapa tingkat tersebut dipilih (butir 10). ³

Geser ke samping untuk melihat semua kolom.

Bobot dalam siklus w _t mengoreksi penghitungan seluruh siklus pada satu titik waktu. Elbasha dan Chhatwal menunjukkan bahwa metode setengah siklus standar memberikan hasil kumulatif yang sama dengan aturan trapesium dan metode tabel kehidupan, bahwa aturan sepertiga Simpson lebih akurat, dan bahwa kesalahan tidak perlu saling meniadakan dalam hasil inkremental. Mereka merekomendasikan aturan sepertiga Simpson dalam kasus dasar dengan metode lain dalam analisis sensitivitas. ^{4 , 8} Tutorial pengantar menjelaskan bobot 1/3 pada titik waktu pertama dan terakhir dengan 2/3 dan 4/3 di antaranya, dan kodenya memberikan 2/3 untuk tahun 1, 4/3 untuk tahun 2 dan seterusnya: 1/3, 2/3, 4/3, 2/3, …, 2/3, 1/3, yang jumlahnya 9.33. ^7. Urutan Simpson dalam buku teks dimulai dengan 1/3, 4/3, 2/3 dan bobot selama 11 titik waktu berjumlah 10. Kedua urutan tersebut merupakan pilihan yang berbeda, dan tabel menunjukkan apa yang dilakukan masing-masing terhadap model keadaan terowongan dalam makalah studi kasus.

Geser ke samping untuk melihat semua kolom.

Untuk input ini, ICER berubah dari €23,637 tanpa koreksi menjadi €18,080 dengan metode setengah siklus, €16,360 dengan bobot Simpson sesuai urutan buku teks, dan €16,065 dengan urutan kode tutorial. Perhitungan ini dilakukan oleh Editverse pada model keadaan terowongan yang dibangun kembali dari input yang dicetak, jadi anggaplah ini sebagai ilustrasi sensitivitas terhadap metode koreksi.

Studi Kasus Nyata: Menjalankan Ulang Model Markov yang Telah Dipublikasikan di R

Untuk melihat apakah model Markov yang dipublikasikan dapat dibangun kembali dari apa yang dicetaknya, kami menjalankan kembali model pengajaran Kouame dan kolega, yang diterbitkan di PLOS One pada Juni 2026 di bawah lisensi CC BY 4.0 . Model ini membandingkan perawatan standar dengan terapi inovatif untuk kanker payudara di empat negara bagian selama 10 siklus tahunan, dan pernyataan datanya menyatakan bahwa tidak ada data yang digunakan. ⁵ Ini adalah contoh yang dikerjakan, bukan studi klinis. Input yang kami gunakan dicetak dalam Tabel 1 dan 2.

Geser ke samping untuk melihat semua kolom.

Makalah tersebut menyatakan bahwa matriks terapi inovatif dimulai sebagai salinan dari matriks perawatan standar, jadi kami menggunakan vektor remisi-ke-kematian yang sama di kedua lengan. Kami menganggap kematian tidak memerlukan biaya dan tidak membawa utilitas, karena keduanya tidak tercetak, menerapkan diskon 2.5% yang dinyatakan dalam makalah (makalah tersebut juga menyatakan bahwa aturan sepertiga Simpson diterapkan), dan menghitung imbalan untuk keadaan yang ditempati pada akhir setiap siklus dari tahun 0 hingga tahun 10. Kami memodelkan remisi dengan keadaan terowongan dan menerapkan bobot dalam siklus sesuai urutan yang diberikan dalam kode tutorial. Kode R makalah tersebut dihosting di GitHub, yang tidak dapat dibuka oleh alat kami, sehingga urutan bobot disimpulkan dari tutorial dan didukung oleh kecocokan numerik di bawah ini, bukan dibaca dari kode penulis. ⁵

Geser ke samping untuk melihat semua kolom.

Dua catatan tambahan. Paragraf hasil makalah tersebut memasangkan 1.88 QALY dengan €16,354.72 untuk terapi inovatif, sementara Tabel 3-nya menetapkan 1.88 untuk perawatan standar dan 2.05 untuk terapi inovatif; kami menggunakan tabel tersebut. ⁵ Kecocokan tersebut bergantung pada versi model dan urutan bobot: dengan input yang sama, urutan Simpson buku teks memberikan ICER sebesar €16,360, metode setengah siklus €18,080, dan versi pertama (diindeks siklus) dari model dengan bobot tutorial €16,079, mendekati tetapi tidak sama dengan nilai yang tercetak.

Apa yang ditunjukkan kasus ini: biaya tercetak, biaya inkremental, dan ICER dapat direproduksi hingga sen dari matriks empat keadaan, keadaan terowongan untuk remisi, diskon 2.5%, dan urutan bobot tutorial, dan pilihan bobot dalam siklus saja menggeser ICER antara €16,065 dan €23,637. Urutan tutorial adalah pilihan tutorial dan bukan urutan Simpson buku teks, yang bobotnya berjumlah 10 dan bukan 9.33. Apa yang tidak ditunjukkan: kode mana yang dijalankan penulis, karena kami tidak dapat membukanya; bahwa urutan tutorial adalah metode yang lebih baik, karena Elbasha dan Chhatwal merekomendasikan aturan sepertiga Simpson; atau ^apa pun tentang pasien nyata, karena inputnya bersifat ilustratif. Pelajaran praktisnya adalah mempublikasikan kode dan setiap input, termasuk bobotnya, seperti yang diminta dalam butir 16 dan 22 CHEERS 2022. ³

Pelaporan Model Markov: CHEERS 2022 dan Gugus Tugas ISPOR-SMDM

CHEERS 2022 menggantikan pernyataan tahun 2013 dengan daftar periksa 28 item untuk evaluasi ekonomi kesehatan. ³ Ini adalah item-item yang paling relevan dengan model Markov, dengan rumusan daftar periksa dan saran kami tentang apa yang perlu ditunjukkan.

Geser ke samping untuk melihat semua kolom.

Laporan gugus tugas ISPOR-SMDM tentang pemodelan transisi keadaan memberikan panduan konsensus yang disusun berdasarkan pilihan jenis model (kohort atau tingkat individu), struktur model, parameter model, analisis, pelaporan, dan komunikasi.² Laporan pendampingnya tentang estimasi parameter dan ketidakpastian memisahkan ketidakpastian stokastik ( ^orde pertama), ketidakpastian parameter (orde kedua), heterogenitas, dan ketidakpastian struktural, serta merekomendasikan pelaporan analisis sensitivitas deterministik dan probabilistik.⁹ Kami membaca kedua laporan tersebut hanya sebagai abstrak PubMed, karena halaman penerbit tidak dapat diakses dari perangkat kami pada tanggal ³¹ Oktober 2026, jadi periksa teks lengkapnya untuk mengetahui kata-kata pada tingkat item.

Editverse melakukan pengecekan sebelum Anda mempercayai model Markov apa pun.

1. 1Baris dan entri. Setiap baris berjumlah 1, tidak ada entri yang negatif atau lebih besar dari 1, dan angka kematian tetap 1.
2. 2Jejak. Jejak tersebut berjumlah 1 di setiap siklus.
3. 3Unit. Setiap tingkat diubah menjadi probabilitas untuk panjang siklus Anda, bukan disalin begitu saja.
4. 4Koreksi. Metode dalam siklus tersebut diberi nama dan pengaruhnya terhadap ICER ditunjukkan.
5. 5Pemberian diskon. Tarif untuk biaya dan QALY (Quality-Adjusted Life Years) dinyatakan, beserta alasannya.
6. 6Reproduksibilitas. Kode dan setiap input, termasuk distribusi, dapat ditemukan oleh pembaca.

Perlu Analisis Dijalankan atau Diperiksa? Konsultasikan dengan Editverse

Para ahli di Editverse bekerja sesuai dengan panduan COPE, ICMJE, dan GPP 2022, dengan mengikuti etika institusional dan spesifik negara.

Sunting terbalik

Analisis Statistik

Apakah Anda membutuhkan analisis di balik input model Anda yang dijalankan di R?

Anda mengirimkan: data Anda, pertanyaan penelitian Anda, dan perangkat lunak pilihan Anda.

Anda akan mendapatkan: file analisis dengan kode atau sintaks yang diberi anotasi, file output lengkap, panduan interpretasi, dan tabel siap publikasi.

Kapan: Anda memerlukan estimasi tingkat transisi, biaya, atau utilitas dari kumpulan data Anda sendiri.

Analisis Statistik SPSS/R/STATA · $400

Analisis data saya →

Sunting terbalik

Penulisan Naskah

Model sudah dibuat, namun evaluasi ekonominya masih belum ditulis?

Anda mengirimkan: data Anda, kerangka tulisan, referensi, dan jurnal target.

Anda akan mendapatkan: manuskrip yang ditulis oleh para ahli bergelar PhD, dengan dukungan penyuntingan, tinjauan statistik, pemilihan jurnal, dan pengajuan.

Kapan: Model Anda sudah selesai tetapi kertasnya belum.

Jasa Penulisan Manuskrip · $1,500

Tulis makalah saya →

Sunting terbalik

Seleksi Jurnal

Tidak yakin jurnal mana yang menerima evaluasi ekonomi kesehatan?

Anda mengirimkan: manuskrip Anda, bidang penelitian, dan tujuan publikasi.

Anda akan mendapatkan: daftar berperingkat berisi 5-10 jurnal dengan kesesuaian ruang lingkup, faktor dampak dan perkiraan tingkat penerimaan, informasi akses terbuka dan APC, serta alasan untuk setiap jurnal.

Kapan: Anda memerlukan jurnal target sebelum memformat makalah.

Layanan Pemilihan Jurnal Ilmiah · $115

Dapatkan daftar jurnal pilihan saya →

Pertanyaan yang Sering Diajukan

Apa itu model Markov dalam ekonomi kesehatan?

Ini adalah model di mana kohort hipotetis selalu berada dalam salah satu dari sejumlah kecil status kesehatan dan berpindah antar status tersebut dalam langkah waktu tetap yang disebut siklus. Setiap peristiwa merupakan transisi dari satu status ke status lainnya. Sonnenberg dan Beck menjelaskan tiga cara untuk mengevaluasi model tersebut: aljabar matriks, simulasi kohort, atau simulasi Monte Carlo. Biaya dan tahun hidup yang disesuaikan dengan kualitas dijumlahkan dari waktu yang dihabiskan kohort di setiap status.

Apa itu matriks probabilitas transisi?

Ini adalah tabel persegi di mana setiap baris adalah keadaan yang ditinggalkan oleh kelompok tersebut dan setiap kolom adalah keadaan yang dimasukinya pada siklus berikutnya. Setiap entri berada di antara 0 dan 1 dan setiap baris berjumlah 1. Kematian adalah keadaan yang menyerap, sehingga barisnya memiliki angka 1 pada diagonal. Dalam model pengajaran Kouame, misalnya, baris Kekambuhan adalah 0.70 untuk tetap dalam keadaan kambuh dan 0.30 untuk beralih ke kematian.

Bagaimana cara saya mengubah tingkat menjadi probabilitas transisi?

Gunakan p = 1 minus exp(minus r kali t), di mana r adalah tingkat dan t adalah panjang siklus dalam satuan waktu yang sama dengan tingkat tersebut. Dihitung oleh Editverse di R, tingkat tahunan 0.15 memberikan probabilitas tahunan 0.1393 dan probabilitas bulanan 0.01242, sedangkan membagi tingkat tersebut dengan 12 memberikan 0.01250. Cara singkat p = r melebih-lebihkan probabilitas dan tidak berlaku ketika r kali t bertambah besar.

Apa itu koreksi setengah siklus dan metode mana yang harus saya gunakan?

Ini adalah koreksi dalam siklus yang mengurangi kesalahan dari penghitungan seluruh siklus biaya dan QALY pada satu titik waktu. Metode setengah siklus standar memberikan hasil kumulatif yang sama dengan aturan trapesium. Elbasha dan Chhatwal merekomendasikan aturan sepertiga Simpson dalam kasus dasar, dengan metode lain yang ditunjukkan dalam analisis sensitivitas. Pada model keadaan terowongan yang dibangun dari input Kouame, Editverse menghitung ICER sebesar 23,637 tanpa koreksi, 18,080 dengan metode setengah siklus, 16,360 dengan bobot Simpson dalam urutan buku teks, dan 16,065 dengan urutan bobot yang digunakan dalam kode tutorial.

Tingkat diskon apa yang sebaiknya digunakan oleh model Markov?

CHEERS 2022 tidak menetapkan tingkat diskon. Butir 10 meminta Anda untuk melaporkan tingkat diskon atau tingkat diskon dan alasan Anda memilihnya, jadi ikuti pedoman yurisdiksi atau jurnal tempat Anda menulis dan nyatakan hal tersebut. Model pengajaran Kouame mendiskon biaya dan QALY sebesar 2.5 persen per tahun selama 10 siklus tahunan.

Berapa lama siklusnya dan berapa banyak siklus yang saya butuhkan?

Jumlah siklus dikalikan dengan panjang siklus adalah rentang waktu, dan butir 9 CHEERS 2022 meminta Anda untuk menyatakannya dan mengapa hal itu tepat. Elbasha dan Chhatwal melaporkan bahwa kinerja setiap metode koreksi meningkat ketika siklus yang lebih pendek digunakan.

Apa yang diminta CHEERS 2022 dalam sebuah makalah model Markov?

Daftar periksa yang terdiri dari 28 item meminta Anda untuk mendeskripsikan model dan menyatakan apakah model tersebut tersedia untuk umum (item 16), untuk mendeskripsikan metode analitik dan validasi model (item 17), untuk melaporkan semua input analitik beserta ketidakpastian atau distribusinya (item 22), dan untuk menunjukkan bagaimana ketidakpastian, tingkat diskonto, dan cakupan waktu memengaruhi temuan (item 24).

Bisakah saya mempercayai model Markov yang telah dipublikasikan tanpa menjalankannya ulang?

Menjalankannya kembali adalah pengecekan. Editverse menjalankan kembali model pengajaran akses terbuka di R dari input yang dicetak. Biaya yang dicetak, biaya inkremental, dan ICER direproduksi hingga sen, dan QALY hingga angka yang dicetak, ketika remisi dimodelkan dengan keadaan terowongan dan bobot dalam siklus mengikuti urutan yang digunakan dalam kode tutorial. Dengan bobot Simpson buku teks, ICER adalah 16,360 per QALY dibandingkan dengan 16,065 yang dicetak. Mintalah kode dan inputnya, yang dirancang untuk tersedia pada butir 16 dan butir 22 CHEERS 2022.

Referensi

1. Sonnenberg FA, Beck JR. Model Markov dalam pengambilan keputusan medis: panduan praktis. Pengambilan Keputusan Medis. 1993;13(4):322-338. doi:10.1177/0272989X9301300409. Abstrak dibaca; teks lengkap tidak diakses. pubmed.ncbi.nlm.nih.gov/8246705/
2. Siebert U, Alagoz O, Bayoumi AM, dkk. Pemodelan transisi keadaan: laporan dari Gugus Tugas Praktik Penelitian yang Baik Pemodelan ISPOR-SMDM-3. Nilai Kesehatan. 2012;15(6):812-820. doi:10.1016/j.jval.2012.06.014. Abstrak dibaca; halaman penerbit tidak dapat diakses dari perangkat kami pada 31 Oktober 2026. pubmed.ncbi.nlm.nih.gov/22999130/
3. Husereau D, Drummond M, Augustovski F, dkk. Pernyataan Standar Pelaporan Evaluasi Ekonomi Kesehatan Terkonsolidasi 2022 (CHEERS 2022): panduan pelaporan terbaru untuk evaluasi ekonomi kesehatan. BMJ. 2022;376:e067975. doi:10.1136/bmj-2021-067975. Akses terbuka, CC BY 4.0. pubmed.ncbi.nlm.nih.gov/35017145/
4. Elbasha EH, Chhatwal J. Landasan teoritis dan aplikasi praktis metode koreksi dalam siklus. Pengambilan Keputusan Medis. 2016;36(1):115-131. doi:10.1177/0272989X15585121. Abstrak dibaca; teks lengkap tidak diakses. pubmed.ncbi.nlm.nih.gov/26092831/
5. Kouame JM, Kouakou C, Gnanou S, Yacouba B, Siani C. Pemodelan Markov di R: metode lanjutan menggunakan analisis efektivitas biaya. PLoS One. 2026;21(6):e0350698. doi:10.1371/journal.pone.0350698. Akses terbuka, CC BY 4.0; input dan hasil cetak digunakan kembali dengan atribusi, dijalankan ulang dan angka turunan dihitung oleh Editverse di R. pubmed.ncbi.nlm.nih.gov/42302041/
6. Alarid-Escudero F, Krijkamp E, Enns EA, dkk. Tutorial tentang model transisi keadaan kohort bergantung waktu di R menggunakan contoh analisis efektivitas biaya. Pengambilan Keputusan Medis. 2023;43(1):21-41. doi:10.1177/0272989X221121747. Abstrak dibaca; dikutip hanya untuk metode. pubmed.ncbi.nlm.nih.gov/36112849/
7. Alarid-Escudero F, Krijkamp E, Enns EA, dkk. Tutorial pengantar tentang model transisi keadaan kohort di R menggunakan contoh analisis efektivitas biaya. Pengambilan Keputusan Medis. 2023;43(1):3-20. doi:10.1177/0272989X221103163. Teks lengkap dibaca (manuskrip penulis PubMed Central); dikutip hanya untuk metode. pubmed.ncbi.nlm.nih.gov/35770931/
8. Elbasha EH, Chhatwal J. Mitos dan kesalahpahaman tentang koreksi dalam siklus: panduan untuk para pemodel dan pengambil keputusan. Farmakoekonomi. 2016;34(1):13-22. doi:10.1007/s40273-015-0337-0. Abstrak dibaca; teks lengkap tidak diakses. pubmed.ncbi.nlm.nih.gov/26643402/
9. Briggs AH, Weinstein MC, Fenwick EAL, dkk. Estimasi parameter model dan ketidakpastian: laporan dari Gugus Tugas Praktik Penelitian yang Baik Pemodelan ISPOR-SMDM-6. Nilai Kesehatan. 2012;15(6):835-842. doi:10.1016/j.jval.2012.04.014. Abstrak dibaca; halaman penerbit tidak dapat diakses dari perangkat kami pada 31 Oktober 2026. pubmed.ncbi.nlm.nih.gov/22999133/

Tim Riset Editverse | Diperbarui Oktober 2026