基于社区的干预措施在减少阿片类药物过量死亡和非过量死亡方面的成本效益：HEALing Communities研究的模拟建模

《The Lancet Regional Health - Americas》：Cost-effectiveness of community-based interventions for reducing opioid overdose and non-overdose deaths: simulation modeling of HEALing Communities Study

　　贾格普里特·查特瓦尔（Jagpreet Chhatwal）| 梅尔特·萨欣科克（Mert Sahinkoc）| 陈秋实（Qiushi Chen）| 威廉·道德（William Dowd）| 肖杰德（Jade Xiao）| 加里·A·扎金（Gary A. Zarkin）| 阿尼·奥尔德里奇（Arnie Aldridge）| 乔舒亚·A·巴罗卡斯（Joshua A. Barocas）| 马格达莱娜·塞尔达（Magdalena Cerdá）| 纳利夫·法里德（Naleef Fareed）| 丽莎·A·弗雷泽（Lisa A. Frazier）| 艾亚兹·海德尔（Ayaz Hyder）| 凯瑟琳·M·凯斯（Katherine M. Keyes）| 查尔斯·E·诺特（Charles E. Knott）| 马克·拉罗谢尔（Marc LaRochelle）| 本杰明·P·利纳斯（Benjamin P. Linas）| 埃马纽埃尔·奥加（Emmanuel Oga）| 萨拉·M·罗伯茨（Sara M. Roberts）| 杰弗里·H·萨梅特（Jeffrey H. Samet）| 布鲁斯·R·沙克曼（Bruce R. Schackman）| 卡罗莱纳·巴博萨（Carolina Barbosa）

**马萨诸塞州总医院，哈佛医学院，波士顿，马萨诸塞州，美国**

**摘要**

**背景**
阿片类药物过量危机在美国仍然是一个公共卫生紧急问题。基于证据的实践措施——包括用于治疗阿片类药物使用障碍（MOUD）的药物和纳洛酮的分发——可以减少危害，但其社区层面的成本效益尚不确定，并可能因地区而异。我们的目标是评估在社区层面加强基于证据的实践措施以应对阿片类药物使用障碍（OUD）的成本效益。

**方法**
我们使用了一个经过验证的阿片类药物使用障碍微模拟模型，并根据HEALing Communities研究的数据对马萨诸塞州、纽约州和俄亥俄州26个受影响严重的社区进行了校准。我们研究了2025-2030年的六种干预方案：维持2024年的基于证据的实践水平（现状）；改进纳洛酮的分发；提高MOUD的保留率；改善MOUD的启动率；结合启动和保留；以及结合启动、保留和纳洛酮的分发。结果指标包括阿片类药物过量死亡（OODs）、非过量阿片类药物相关死亡、质量调整生命年（QALYs）、成本（医疗和社会成本）以及增量成本效益比率（ICERs）。

**发现**
维持2024年的基于证据的实践水平预计会导致每10万人中有39-468例ODDs和238-3018例非过量死亡。提高MOUD的启动率、保留率和纳洛酮的分发率可使ODDs减少15-40%，非过量死亡减少7-24%，从而带来最大的QALY收益（1006-38,292）。从医疗角度来看，改进启动加上保留是具有成本效益的（ICER为11,765-91,058美元/QALY）；从社会角度来看，所有改进方案都节省了成本（净节省额为1.21亿至47.4亿美元）。

**解释**
在社区层面加强MOUD的启动和保留措施，对于某些社区来说还包括加强纳洛酮的分发，可以显著减少与阿片类药物相关的死亡——无论是过量还是非过量死亡。这些策略从医疗角度来看具有成本效益，从社会角度来看可以节省成本，支持对全面、针对社区的干预措施的投资。

**资金来源**
NIH HEAL计划。

**研究背景**
在本研究之前，我们搜索了PubMed/MEDLINE、Embase和medRxiv数据库，查找了2000年后发表的与“阿片类药物使用障碍”、“过量”、“成本效益”、“纳洛酮”和“用于治疗阿片类药物使用障碍的药物（MOUD）”相关的文章。我们还查阅了相关文章和政策报告的参考文献列表。以往对阿片类药物使用障碍（OUD）干预措施的评估主要针对单一干预策略或国家级模型，这限制了它们在地方决策中的实用性。像HEALing Communities Study（HCS）这样的特定社区分析预测了在加强基于证据的实践措施实施下阿片类药物过量死亡的减少，但未量化相关成本和社区层面的成本效益。此外，之前的成本效益研究没有纳入非过量阿片类药物相关死亡和更广泛的社会成本，如生产力损失和刑事法律成本。因此，全面、针对社区的干预措施的整体价值尚未得到充分评估。

**本研究的附加值**
利用HCS的数据，我们应用了一个经过验证的微模拟模型（OPSiM），该模型针对马萨诸塞州、纽约州和俄亥俄州26个受影响严重的社区进行了单独校准，以预测2025年至2030年六种干预方案下的结果：维持2024年的基于证据的实践水平；改进纳洛酮的分发；提高MOUD的保留率；改善MOUD的启动率；结合启动和保留；以及结合启动、保留和纳洛酮的分发。我们包括了过量和非过量阿片类药物相关的死亡率，并从医疗和社会角度分析了结果。我们发现，结合改善MOUD的启动和保留措施以及根据需要加强纳洛酮分发的策略可以将过量死亡减少15-40%，非过量死亡减少7-24%。这些策略从医疗角度来看具有成本效益，从社会角度来看可以节省成本，表明尽管MOUD和纳洛酮的支出增加，但仍能大幅减少生产力损失和刑事法律成本。

**所有可用证据的意义**
这些发现支持全面、针对社区的基于证据的实践措施的实施，这些措施改善了MOUD的启动和保留，并扩大了纳洛酮的分发。此类策略可以减少与阿片类药物相关的死亡率，带来重大的健康收益和经济效益。通过在不同社区量化这些结果，我们的研究为政策制定者提供了一个实用框架，以便他们能够优先分配资源来应对阿片类药物危机。

**引言**
尽管阿片类药物过量死亡（OODs）最近有所下降，但美国的阿片类药物过量危机仍然是一个公共卫生紧急问题，近年来每年的阿片类药物过量死亡人数达到80,000人。基于证据的干预措施，包括用于治疗阿片类药物使用障碍的药物（MOUD）、过量教育和纳洛酮分发以及更安全的阿片类药物处方实践，已被证明在减少致命过量方面有效。然而，诸如治疗机会有限和保留率低、纳洛酮分发不足以及阿片类药物使用模式的显著地区差异等重大障碍继续阻碍了这些措施的最佳实施。这些挑战强调了不仅需要确定有效的策略来减少ODDs，还需要认识到哪些干预措施最能有效地利用有限的医疗资源。成本效益分析可以指导政策制定者确定如何最好地分配有限的资源。以往关于阿片类药物使用障碍（OUD）干预措施的成本效益研究通常集中在单一干预措施或国家层面，这限制了它们在应对具有地方差异的危机时的适用性。为了提供实用的、基于证据的决策依据，结合临床结果和经济资源的社区层面建模至关重要。

**Helping to End Addiction Long-term?（HEALing）Communities Study（HCS）**
在四个州的67个社区进行的研究提供了评估通过增加基于证据的实践措施使用来减少ODDs的有效性的机会。这些基于证据的实践措施分为三个领域：过量教育和纳洛酮分发、有效的MOUD药物交付以及更安全的阿片类药物处方实践。利用HCS的数据，我们之前估计了在马萨诸塞州、纽约州和俄亥俄州26个受影响严重的社区中加强基于证据的实践措施实施后的ODDs变化。虽然加强基于证据的实践措施带来的临床效益越来越明显，但相关成本和成本效益仍不够明确。

**本研究的方法**
我们使用了微模拟模型Opioid Policy Simulation Model（OPSiM）来评估针对OUD的社区层面干预措施的成本效益。OPSiM模拟了3个受阿片类药物危机严重影响的美州州（马萨诸塞州、纽约州和俄亥俄州）26个社区（8个农村社区，18个城市社区）中阿片类药物滥用、OUD、治疗和过量事件的临床轨迹，提供了个体层面转变和更广泛社区层面结果的详细见解。该模型使用了2017年至2024年的HCS行政数据，并结合了同行评审文献和公开可用的数据集进行了参数化。我们预测了2025年至2030年的不同结果，并遵循Consolidated Health Economic Evaluation Reporting Standards（CHEERS）进行模型设计和结果报告。模型用C++编程，统计分析使用R（v4.3.1）进行。

**OPSiM的路径**
OPSiM模拟了12岁及以上个体在五种互斥健康状态之间的月度转变：(I) 仅处方阿片类药物滥用（即无非法阿片类药物使用），(II) 非法阿片类药物使用（无论是否有处方阿片类药物滥用，无OD），(III) OUD，(IV) MOUD（视为康复），(V) 无MOUD的康复（补充方法S1，补充图S1-S2）。模拟个体根据治疗启动、保留、复发和康复等因素在健康状态之间转变。新个体进入处方阿片类药物滥用或非法阿片类药物使用状态。社区特定数据用于初始条件设置，确保与当地的OD和滥用流行率及人口特征一致。模拟人口反映了HCS社区的人口构成，包括12岁及以上的个体（平均年龄39.9岁，标准差13.6岁），其中41.1%为女性（26个社区的范围为33.6%-43.5%），非西班牙裔白人为最大种族/族裔群体，其次是非西班牙裔黑人和西班牙裔人口。关于健康状态定义、转变和人口参数化的更多细节见补充材料（补充方法S1.1、S1.2、S1.3，补充表S1-S11）。

**OPSiM模型的模拟**
OPSiM模拟了阿片类药物过量事件，这些事件可能是非致命的或致命的，致命概率因健康状态而异，并受健康状态、治疗类型和复发时间等因素的影响。除了阿片类药物过量死亡率外，模型还考虑了由于共病医疗问题（如伤害、传染病（例如HIV、丙型肝炎）和其他非传染性疾病）导致的与阿片类药物相关的非过量死亡率，这取决于健康状态和复发状态；以及其他原因导致的死亡率，相当于不使用阿片类药物的一般人群的死亡率，基于美国生命表（补充方法S1.4，补充表S12-S14）。增加社区中纳洛酮的可用性有助于防止过量，从而防止过量死亡。为了捕捉纳洛酮可用性的影响，我们采用了之前研究中使用的饱和模型（补充方法S1.4.2）。我们使用了HCS收集的每个社区通过药店和社区项目分发的纳洛酮套件数量的数据。治疗和康复路径允许处于OD状态的个体开始使用美沙酮、丁丙诺啡或纳曲酮，结果受治疗保留率和复发概率的影响（补充方法S1.3）。MOUD治疗的停止基于MOUD类型和个体的先前治疗次数。

**模型参数的校准**
模型参数根据11个目标进行了校准，包括HCS的结果指标（过量死亡、非致命过量、MOUD使用和保留）和已发布的流行率估计（补充方法S1.5，补充表S15-S17，补充图S3-S4）。校准是针对每个社区分别进行的，通过将模型预测的OD与2017年至2024年的观察趋势进行比较（补充方法S.2）。

**干预方案**
我们使用OPSiM模型预测了六个OUD干预方案在社区中的健康和经济结果。在方案1（现状）中，2024年每个社区观察到的MOUD启动和保留水平以及纳洛酮分发水平在整个分析期间（即直到2030年）保持不变。在所有其他方案中，一个或多个基于证据的实践组成部分在2025年至2030年间有所变化，而2024年观察到的其他组成部分保持不变。这些加强的基于证据的实践措施包括MOUD启动、MOUD保留和纳洛酮分发的改进，具体如下所述。在方案2（改进纳洛酮）中，每年分发的纳洛酮套件数量增加，以确保每个社区中可用套件数量至少等于OD个体的数量。纳洛酮分发根据估计的OD人口进行了调整，以确保在不同环境中实现可比较的社区特定基准。在方案3（改进保留）中，治疗康复支持得到改善，使得MOUD治疗保留率达到临床试验中的水平（丁丙诺啡和纳曲酮为6个月，美沙酮为74%）。在方案4（改进启动）中，扩大了治疗推广和/或扩大MOUD治疗启动的能力，使得一半的OD个体接受MOUD治疗。方案5和6结合了方案2-4中的干预措施。在方案5（改进启动和保留）和方案6（全面改进）中，治疗保留率和治疗启动率分别提高到方案3和4的水平（补充方法S2），在方案6（全面改进）中，纳洛酮的可用性也提高到方案2的水平。

**成本效益框架**
成本效益分析从医疗和社会两个角度进行，涵盖了与OUD干预措施相关的各种成本和收益。成本根据医疗保健特定的消费者价格指数（CPI）调整至2023年美元，其他成本根据城市消费者的标准CPI调整。未来成本和健康状态效用按每年3%的比率折现，符合既定的经济评估标准。从医疗角度来看，成本包括：MOUD成本（按药物类型区分：丁丙诺啡、美沙酮和纳曲酮）；纳洛酮成本（包括分发成本）；致命和非致命过量的紧急医疗服务成本；以及按门诊、住院、急诊科和住院环境分层的医疗利用成本。从社会角度来看，还包括额外的成本，以反映更广泛的经济影响：OD状态个体的刑事法律成本，以及由于阿片类药物滥用、阿片类药物过量和其他与阿片类药物相关的死亡导致的生产力损失。

**经济输入**
经济输入来自HCS社区数据、公共数据集和文献（补充方法S3，补充表S18-S20）。MOUD（预防用药失调）和纳洛酮的成本来源于公共资料。29, 30, 31 医疗保健利用成本来自HCS以及全国药物使用与健康调查（NSDUH）的数据。19 与生产力损失相关的成本包括模型中不同健康状态之间的生产力差异以及与过量事件相关的生产力损失。32 健康状态层面的生产力成本是根据工作小时数与健康状态之间的关系模型估算的，使用了NSDUH的数据。代表每个州相对生产力的参数来自NSDUH，并与文献中的年龄和性别特定生产力估计值进行了匹配。33 适用于ODU（药物失调）状态的年龄特定刑事法律成本也来源于文献。34,35 最后，每个健康状态的效用值是从文献中获取的。36 这些估计没有区分处方阿片类药物滥用和非法阿片类药物使用（不包括ODU）的效用。因此，我们根据全国酒精及相关疾病流行病学调查III的数据调整了已发布的估计值（补充方法S3）。对于每个社区，我们估算了在维持现状（即保持基于证据的实践）和采用改进的基于证据的实践情况下的ODS（药物失调相关死亡）和阿片类药物相关非过量死亡、质量调整生命年（QALYs）。我们还通过使用每QALY 100,000美元的支付意愿阈值来估算改进的基于证据的实践的净收益和增量成本效益比（ICERs），这个阈值相对于当代美国成本效益评估中常用的阈值较为保守。38,39 进行了概率敏感性分析，以共同描述成本和效用输入的不确定性。对于每个社区，模型运行在蒙特卡洛抽样中进行重复，其中成本和健康状态效用参数从预先指定的概率分布中抽取（成本参数为伽马分布；效用参数为贝塔分布）。对于每次抽样，都估算了每种干预方案的总成本、QALYs和净货币收益。使用支付意愿阈值和预期损失（遗憾）指标来总结成本效益的不确定性，以量化选择干预组合的决策不确定性。

伦理批准
本研究方案（Pro00038088）获得了Advarra Inc.和HEALing Communities Study单一机构审查委员会的批准。分析使用了去标识化数据，因此免除了知情同意的要求。

资金来源的作用
根据合作协议政策，资助者在研究的设计和实施以及通过指定科学官员参与的手稿审查和批准过程中发挥了作用。资助者在数据分析、结果解释或决定提交手稿发表方面没有发挥作用。

结果
阿片类药物相关死亡：过量和非过量死亡
在所有26个社区中，维持2024年的基于证据的实践水平（现状）预计从2025年到2030年将导致持续高水平的阿片类药物相关死亡负担，包括过量和非过量死亡。值得注意的是，尽管过量死亡受到了大量关注，但我们发现几乎在每个社区中，非过量阿片类药物相关死亡（范围：每10万人238-3018例）都显著高于ODS（范围：每10万人39-468例）（表1）。
表1. 在现状（情景1）下以及2025年至2030年间情景2-6的变化中，阿片类药物相关的过量和非过量死亡（每10万人）

社区 | 维持2024年EBP水平（情景1） | 改进纳洛酮（情景2） | 改进保留率（情景3） | 改进启动（情景4） | 改进启动和保留（情景5） | 改进全部（情景6）
--- | ------------------ | ------------------ | ------------------ | ------------------ | ------------------ | -------------------
C1 | INT–Nalo: 0% | Rete: 28% | Init: 184% | Init: 116%, Rete: 210% | Init: 116%, Rete: 210%, Nalo: 0% | C1: OOD 2590 [0%]?7 [?3%]?30 [?12%]?42 [?16%]?42 [?16%]
C1 | OND 3018 | 0% | ?66 [?2%]?297 [?10%]?393 [?13%]?393 [?13%]
C2 | INT–Nalo: 23% | Rete: 229% | Init: 202% | Init: 29%, Rete: 511% | Init: 29%, Rete: 511%, Nalo: 23% | C2: OOD 232?10 [?4%]?35 [?15%]?11 [?5%]?72 [?31%]?78 [?34%]
C2 | OND 162 | 90 [0%]?150 [?9%]?201 [?12%]?383 [?24%]?383 [?24%]
C3 | INT–Nalo: 165% | Rete: 139% | Init: 781% | Init: 365%, Rete: 1131% | Init: 365%, Rete: 1131%, Nalo: 165% | C3: OOD 265?52 [?20%]?9 [?3%]?31 [?12%]?65 [?25%]?105 [?40%]
C3 | OND 241 | 24 [0%]?55 [?2%]?328 [?14%]?484 [?20%]?483 [?20%]
C4 | INT–Nalo: 49% | Rete: 38% | Init: 151% | Init: 73%, Rete: 182% | Init: 73%, Rete: 182%, Nalo: 49% | C4: OOD 248?29 [?12%]?9 [?4%]?26 [?10%]?40 [?16%]?65 [?26%]
C4 | OND 193 | 1 [0%]?79 [?4%]?188 [?9%]?300 [?14%]?299 [?14%]
C5 | INT–Nalo: 0% | Rete: 55% | Init: 145% | Init: 41%, Rete: 186% | Init: 41%, Rete: 186%, Nalo: 0% | C5: OOD 4680 [0%]?31 [?7%]?44 [?9%]?87 [?19%]?87 [?19%]
C5 | OND 187 | 50 [0%]?96 [?5%]?172 [?9%]?291 [?16%]?291 [?16%]
C6 | INT–Nalo: 20% | Rete: 47% | Init: 149% | Init: 54%, Rete: 182% | Init: 54%, Rete: 182%, Nalo: 20% | C6: OOD 321?8 [?2%]?18 [?6%]?30 [?9%]?55 [?15%]?11 [?5%]?72 [?31%]
C6 | OND 179 | 9 [0%]?69 [?4%]?158 [?9%]?241 [?13%]?242 [?13%]
C7 | INT–Nalo: 0% | Rete: 44% | Init: 231% | Init: 133%, Rete: 280% | Init: 133%, Rete: 280%, Nalo: 0% | C7: OOD 1430 [0%]?5 [?3%]?17 [?12%]?26 [?18%]?26 [?18%]
C7 | OND 162 | 20 [0%]?43 [?3%]?167 [?10%]?239 [?15%]?239 [?15%]
C8 | INT–Nalo: 84% | Rete: 174% | Init: 298% | Init: 105%, Rete: 600% | Init: 105%, Rete: 600%, Nalo: 84% | C8: OOD 190?22 [?12%]?17 [?9%]?13 [?7%]?53 [?28%]?69 [?36%]
C8 | OND 102 | 22 [0%]?49 [?5%]?126 [?12%]?200 [?20%]?199 [?19%]
C9 | INT–Nalo: 0% | Rete: 56% | Init: 228% | Init: 111%, Rete: 287% | Init: 111%, Rete: 287%, Nalo: 0% | C9: OOD 2080 [0%]?9 [?4%]?21 [?10%]?37 [?18%]?37 [?18%]
C9 | OND 133 | 80 [0%]?35 [?3%]?130 [?10%]?180 [?13%]?179 [?13%]
C10 | INT–Nalo: 84% | Rete: 31% | Init: 191% | Init: 131%, Rete: 233% | Init: 131%, Rete: 233%, Nalo: 84% | C10: OOD 57?9 [?16%]?2 [?4%]?7 [?12%]?10 [?18%]?17 [?30%]
C10 | OND 93 | 20 [0%]?20 [?2%]?106 [?11%]?139 [?15%]?138 [?15%]
C11 | INT–Nalo: 19% | Rete: 65% | Init: 274% | Init: 133%, Rete: 349% | Init: 134%, Rete: 349%, Nalo: 19% | C11: OOD 131?3 [?2%]?6 [?5%]?14 [?11%]?25 [?19%]?27 [?21%]
C11 | OND 108 | 10 [0%]?32 [?3%]?103 [?10%]?158 [?15%]?158 [?15%]
C12 | INT–Nalo: 0% | Rete: 54% | Init: 173% | Init: 72%, Rete: 223% | Init: 72%, Rete: 223%, Nalo: 0% | C12: OOD 2740 [0%]?15 [?5%]?27 [?10%]?50 [?18%]?50 [?18%]
C12 | OND 100 | 60 [0%]?32 [?3%]?82 [?8%]?122 [?12%]?122 [?12%]
C13 | INT–Nalo: 60% | Rete: 143% | Init: 188% | Init: 33%, Rete: 355% | Init: 33%, Rete: 355%, Nalo: 60% | C13: OOD 135?14 [?10%]?15 [?11%]?9 [?7%]?33 [?24%]?43 [?32%]
C13 | OND 59 | 10 [0%]?34 [?6%]?64 [?11%]?101 [?17%]?101 [?17%]
C14 | INT–Nalo: 0% | Rete: 64% | Init: 238% | Init: 125%, Rete: 327% | Init: 125%, Rete: 327%, Nalo: 0% | C14: OOD 1630 [0%]?8 [?5%]?17 [?10%]?34 [?21%]?34 [?21%]
C14 | OND 62 | 80 [0%]?17 [?3%]?68 [?11%]?93 [?15%]?93 [?15%]
C15 | INT–Nalo: 6% | Rete: 61% | Init: 209% | Init: 110%, Rete: 292% | Init: 110%, Rete: 292%, Nalo: 6% | C15: OOD 111?1 [?1%]?6 [?5%]?11 [?10%]?22 [?20%]?23 [?21%]
C15 | OND 56 | 20 [0%]?12 [?2%]?56 [?10%]?73 [?13%]?72 [?13%]
C16 | INT–Nalo: 114% | Rete: 41% | Init: 76% | Init: 26%, Rete: 118% | Init: 26%, Rete: 118%, Nalo: 114% | C16: OOD 82?17 [?21%]?6 [?7%]?5 [?6%]?13 [?16%]?28 [?34%]
C16 | OND 49 | 60 [0%]?12 [?2%]?30 [?6%]?42 [?8%]?41 [?8%]
C17 | INT–Nalo: 0% | Rete: 135% | Init: 141% | Init: 30%, Rete: 315% | Init: 30%, Rete: 315%, Nalo: 0% | C17: OOD 820 [0%]?9 [?11%]?4 [?5%]?18 [?22%]?18 [?22%]
C17 | OND 47 | 10 [0%]?26 [?6%]?46 [?10%]?74 [?16%]?74 [?16%]
C18 | INT–Nalo: 60% | Rete: 69% | Init: 319% | Init: 186%, Rete: 440% | Init: 186%, Rete: 440%, Nalo: 60% | C18: OOD 39?6 [?15%]?2 [?5%]?4 [?10%]?8 [?20%]?12 [?31%]
C18 | OND 53 | 61 [0%]?9 [?2%]?54 [?10%]?71 [?13%]?71 [?13%]
C19 | INT–Nalo: 38% | Rete: 68% | Init: 283% | Init: 143%, Rete: 372% | Init: 142%, Rete: 372%, Nalo: 38% | C19: OOD 95?7 [?7%]?4 [?4%]?10 [?10%]?19 [?20%]?24 [?25%]
C19 | OND 40 | 30 [0%]?8 [?2%]?36 [?9%]?48 [?12%]?47 [?12%]
C20 | INT–Nalo: 162% | Rete: 122% | Init: 194% | Init: 50%, Rete: 344% | Init: 50从医疗保健的角度来看，改善治疗启动和维持情况的方案（方案5）以及改善治疗启动和维持情况并增加纳洛酮分配的方案（方案6）是最具成本效益的选择，在每个社区都带来了最高的净收益（补充表S23）。在实施了纳洛酮改进措施的15个社区中，方案6在12个社区中具有成本效益，每增加一个质量调整生命年（QALY）的增量成本效益比（ICER）在32,670美元到91,058美元之间。方案4在其余3个社区中具有成本效益。在另外11个未增强纳洛酮分配的社区中，方案5是最具成本效益的，该方案的ICER在每增加一个QALY的11,765美元到52,791美元之间（表3）。相比之下，仅关注单一干预措施的方案（例如，改善治疗启动、改善维持或改善纳洛酮分配）虽然能带来一定的健康收益，但相对成本较高。社区层面的成本效益分析结果见补充图S5。

表3. 26个社区中不同水平循证实践（EBPs）的ICER。缩写：C = 社区；EBP = 循证实践；ICER = 增量成本效益比。

由于一些社区已经实施了纳洛酮分配的改进措施，因此排除了纳洛酮改进的方案。因此，方案1和方案2与方案5和方案6是等效的。绿色：具有成本效益的方案；橙色：不具成本效益的方案。

图1展示了26个社区在现状下以及所有三个循证实践领域都得到改进的情况下（方案6），与阿片类药物滥用相关的每人年均医疗支出。在现状下，人均年支出从低流行率社区的约700美元到高阿片类药物使用障碍（ODU）负担社区的超过4000美元不等。在改善了阿片类药物使用的启动和维持措施以及纳洛酮分配后，这些支出进一步增加，在受影响最严重的社区中超过了6000美元/人。

图2和补充表S24–S25总结了每个社区6年内与阿片类药物滥用相关的医疗支出。在维持2024年循证实践水平的现状下，与阿片类药物滥用相关的医疗支出主要由急性和医院服务驱动。例如，社区6的总支出中有超过65%（1.07亿美元）用于住院和急诊服务，反映了系统主要通过住院治疗和急诊就诊来应对阿片类药物使用障碍危机。在改善了启动、维持和纳洛酮分配后，医疗支出的构成发生了变化。尽管大多数社区的总支出有所增加，但这一增长很大程度上归因于对阿片类药物使用治疗和纳洛酮的更多投资。这些投资伴随着急诊科和住院利用的减少。

从社会角度来看，所有加强的循证实践方案预计都能在每个社区节省成本。当考虑到刑事法律成本和生产率损失的减少时，六年的净节省额在1.21亿美元到47.4亿美元之间（补充表S26）。尽管直接医疗支出增加，但这些社会收益仍然存在。例如，在社区6中，医疗支出增加了4.16亿美元（从10.7亿美元增加到14.9亿美元），但总社会成本减少了23.9亿美元（从100.2亿美元减少到76.3亿美元），显示出显著的整体经济效益。

补充图S6显示了在每个社区中，从医疗保健角度来看，每种干预措施在每增加一个QALY的支付意愿阈值为10万美元时的成本效益概率，按社区分层显示。在所有26个社区中，方案6始终显示出最高的成本效益概率，超过50%的社区符合这一条件。补充图S7展示了每种干预措施预期的损失。预期损失可以解释为未选择成本效益策略的财务惩罚或“遗憾”。

在这项社区层面的决策分析研究中，我们发现加强阿片类药物使用障碍（ODU）的循证实践的实施——增加阿片类药物使用的启动和维持，并在某些社区增加纳洛酮分配——是一种高度成本效益的策略，可以有效应对阿片类药物过量危机。从社会角度来看，这些干预措施预计能够节省成本。重要的是，虽然预期过量死亡会减少，但我们的研究结果还强调，非过量相关的阿片类药物相关死亡也大幅下降，而这在公共卫生策略中往往被忽视。

以往关于ODU干预的成本效益分析主要集中在国家层面比较不同的方法。与最近的建模工作一致，我们的结果强调了在社区层面制定量身定制的多方面策略的重要性，这些策略需要考虑当地的流行病学动态和当前的干预水平。我们扩展了这项工作，评估了多种策略在社区层面的成本效益，发现扩大循证实践不仅从医疗保健角度来看具有成本效益，而且从社会角度来看也能节省成本——这一发现为投资应对阿片类药物过量危机提供了依据。

我们分析的一个重要发现是非过量相关的阿片类药物相关死亡负担的巨大且常常被忽视的问题。在几乎所有社区中，非过量相关的阿片类药物相关死亡（每10万人中有238至3018例）远远超过过量死亡（每10万人中有39至468例），这突显了扩大结果指标的重要性，而不仅仅是过量死亡。这也强调了需要采取多方面的干预措施来应对阿片类药物相关的所有危害。

从医疗保健的角度来看，无论是单独还是结合纳洛酮分配来改善阿片类药物使用的启动和维持的干预措施，在几乎所有社区都是一致的具有成本效益的策略。相比之下，仅关注纳洛酮分配的单一策略往往在相对较高的成本下带来的质量调整生命年收益有限，这表明零散的方法不如综合干预措施有效。我们还在15个社区中的3个发现，同时增加纳洛酮分配和阿片类药物使用的启动和维持的成本效益低于仅增加启动和维持的成本效益。社区在判断是否需要进一步改进时，需要了解自己社区循证实践的实施水平。

尽管我们估计实施循证实践通常会增加总体医疗支出——特别是通过增加阿片类药物使用的支出——但这种投资部分会被高成本的医院护理减少所抵消。随着时间的推移，将资源从反应性的、间歇性的服务转向主动的、基于循证的证据干预措施，在临床和经济上都是有益的。我们发现，阿片类药物使用障碍最严重的社区前期成本最高，但也在减少死亡率方面获益最多。

此外，从社会角度来看，所有加强的实施方案都能节省成本，这反映了生产力损失和刑事法律成本的减少超过了医疗支出的增加。这些发现强调了在社区层面投资于综合阿片类药物使用障碍治疗策略的价值，不仅有助于改善人口健康，还能带来更广泛的社会经济效益。

虽然HCS报告称在2021年7月至2022年6月的比较期间，阿片类药物过量死亡人数减少了9%，但我们的研究表明，循证实践干预措施具有很高的性价比。HCS缺乏检测小于40%减少的能力，实施时间较短，还受到了COVID-19中断的影响，并且非法药物市场的变化导致芬太尼相关过量死亡人数在全国范围内激增。尽管在1年的比较期间主要研究结果没有达到显著性，但HCS收集的详细多年社区数据为建模循证实践与阿片类药物相关结果之间的关系以及在不同循证实践实施情景下的未来质量调整生命年和成本提供了无与伦比的机会。

补充图S6显示了在每增加一个QALY的支付意愿阈值为10万美元的情况下，每种干预措施从医疗保健角度来看的成本效益概率，按社区分层显示。在所有26个社区中，方案6始终显示出最高的成本效益概率，超过50%的社区符合这一条件。

在这项社区层面的决策分析研究中，我们发现加强阿片类药物使用障碍的循证实践的实施——增加阿片类药物使用的启动和维持，并在某些社区增加纳洛酮分配——是一种高度成本效益的策略，可以有效应对阿片类药物过量危机。从社会角度来看，这些干预措施预计能够节省成本。重要的是，虽然预期过量死亡会减少，但我们的研究结果还强调，非过量相关的阿片类药物相关死亡也大幅减少，而这在公共卫生策略中往往被忽视。

之前的阿片类药物使用障碍干预的成本效益分析主要集中在国家层面比较不同的方法。与最近的建模工作一致，我们的结果强调了在社区层面制定量身定制的多方面策略的重要性，这些策略需要考虑当地的流行病学动态和当前的干预水平。我们还将这项工作扩展到评估多种策略在社区层面的成本效益，发现扩大循证实践不仅从医疗保健角度来看具有成本效益，而且从社会角度来看也能节省成本——这是一个重要的发现，证明了投资应对阿片类药物过量危机的价值。

我们分析的一个重要发现是非过量相关的阿片类药物相关死亡负担的巨大且常常被忽视的问题。在几乎所有社区中，非过量相关的阿片类药物相关死亡（每10万人中有238至3018例）远远超过过量死亡（每10万人中有39至468例），这强调了扩大结果指标的重要性，而不仅仅是过量死亡。这也强调了需要采取多方面的干预措施来应对阿片类药物相关的所有危害。

从医疗保健的角度来看，无论是单独还是结合纳洛酮分配来改善阿片类药物使用的启动和维持的干预措施，在几乎所有社区都是一致的具有成本效益的策略。相比之下，仅关注纳洛酮分配的单一策略往往在相对较高的成本下带来的质量调整生命年收益有限，这表明零散的方法不如综合干预措施有效。我们还在15个社区中的3个发现，同时增加纳洛酮分配和阿片类药物使用的启动和维持的成本效益低于仅增加启动和维持的成本效益。社区在判断是否需要进一步改进时，需要了解自己社区循证实践的实施水平。

尽管我们估计实施循证实践通常会增加总体医疗支出——特别是通过增加阿片类药物使用的支出——但这种投资部分会被高成本的医院护理减少所抵消。随着时间的推移，将资源从反应性的、间歇性的服务转向主动的、基于循证的证据干预措施在临床和经济上都是有益的。我们发现，阿片类药物使用障碍最严重的社区前期成本最高，但在减少死亡率方面也可能获益最多。

此外，从社会角度来看，所有加强的实施方案都能节省成本，这反映了生产力损失和刑事法律成本的减少超过了医疗支出的增加。这些发现强化了在社区层面投资于综合阿片类药物使用障碍治疗策略的价值，不仅有助于改善人口健康，还能带来更广泛的社会经济效益。

虽然HCS报告称在2021年7月至2022年6月的比较期间，阿片类药物过量死亡人数减少了9%，但我们的研究表明，循证实践干预措施具有很高的性价比。HCS缺乏检测小于40%减少的能力，实施时间较短，还受到了COVID-19中断的影响，并且受到不断变化的非法药物市场的影响，导致全国范围内芬太尼相关过量死亡人数激增。尽管在1年的比较期间主要研究结果没有达到显著性，但HCS收集的详细多年社区数据为建模循证实践与阿片类药物相关结果之间的关系以及在不同循证实践实施情景下的未来质量调整生命年和成本提供了无与伦比的机会。

这里模拟的阿片类药物使用启动和维持的增加幅度需要谨慎解读。在高度针对性或时间有限的干预措施之外，很少观察到持续的人口层面增加超过50%的情况。虽然诸如急诊科启动的丁丙诺啡项目、监狱和看守所启动项目以及低门槛治疗模型在短期内显示出治疗接受度的显著增加，但在长期维持参与度方面——特别是在芬太尼主导的药物市场中——被证明更具挑战性。障碍包括治疗能力有限、劳动力短缺、护理过渡不连贯、住房不稳定、共病精神疾病以及持续的污名化。即使在放宽监管障碍的司法管辖区，实现和维持大规模的改善也需要医疗保健服务、社会服务和社区支持系统的协调投资。

我们的启动和维持目标是有雄心的，需要协调结构和项目上的变化来实施。最近的改革和服务模式使得在更大范围内取得进展成为可能。这些包括：永久扩大美沙酮收容所、远程医疗启动、根据2024年SAMHSA最终规则现代化的门诊治疗（OTP）准入标准；低门槛丁丙诺啡服务，包括移动和注射服务，覆盖高风险群体；随机试验中的应急管理以改善依从性；快速诱导的缓释丁丙诺啡以改善早期维持；急诊科启动以在危机接触点捕获患者；以及护士主导的综合性初级护理模式，扩大处方者的能力并降低下游成本。相比之下，仅取消X豁免并未显著增加丁丙诺啡的分配，这强调了需要多方面的实施——包括融资、劳动力、应急管理和低门槛设计——才能将政策转化为实际收益。

这项研究存在一些局限性。首先，我们的分析没有考虑阿片类药物使用治疗和纳洛酮分配的障碍，包括财务、监管和社会污名化障碍，也没有考虑潜在的容量限制。其次，对阿片类药物使用治疗益处的估计主要基于观察性研究，可能会受到非随机治疗进入和退出的影响，残余混杂因素可能会夸大观察到的效果。第三，几个模型输入基于NSDUH的数据，该数据旨在代表非机构化的平民人口，因此低估了阿片类药物相关过量和非过量死亡风险最高的人群，包括那些被监禁、无家可归或处于其他社会边缘化的人群。该领域将从持续投资于补充性流行病学监测系统中受益，这些系统将有助于未来的建模和政策分析。第四，我们没有明确纳入与药物剂量、效力或给药途径（例如，注射与非注射使用）相关的过量风险的异质性，这些因素可能会影响致命过量风险和干预效果。第五，我们没有明确纳入通过沟通活动或康复相关行为干预等其他循证实践的成本。第六，我们没有纳入父母因过量死亡而给家庭和儿童福利系统带来的成本。第七，模型校准的数据截至2024年。有可能过量死亡的减少部分是由于循证实践的增加或药物供应的变化所驱动的，这些是进一步研究的主题。

总之，加强社区层面的循证实践实施——特别是改善阿片类药物使用的启动和维持，并结合适当的纳洛酮分配——预计可以减少社区中的阿片类药物相关过量和非过量死亡，同时保持成本效益或节省成本。这些结果提供了强有力的证据，表明投资于全面且针对社区需求的阿片类药物使用（OUD）策略是应对阿片类药物危机的高效方法。

贡献者：
JC：概念化、数据整理、正式分析、资金筹集、研究调查、方法论、项目管理、监督、初稿撰写、审稿与编辑，并负责决定提交手稿；
MS：概念化、数据整理、正式分析、方法论、软件使用、可视化、初稿撰写、审稿与编辑；
QC：概念化、数据整理、正式分析、研究调查、方法论、初稿撰写、审稿与编辑；
WD：概念化、数据整理、正式分析、方法论、初稿撰写、审稿与编辑；
JX：概念化、数据整理、正式分析、方法论、软件使用、审稿与编辑；
GAZ：概念化、数据整理、正式分析、资金筹集、研究调查、方法论、项目管理、监督、初稿撰写、审稿与编辑；
AA：数据整理、正式分析、方法论、审稿与编辑；
JAB：正式分析、方法论、审稿与编辑；
MC：正式分析、方法论、审稿与编辑；
NF：正式分析、审稿与编辑；
LAF：审稿与编辑；
AH：正式分析、方法论、审稿与编辑；
KMK：正式分析、方法论、审稿与编辑；
CEK：审稿与编辑；
ML：正式分析、审稿与编辑；
BPL：正式分析、审稿与编辑；
EO：资金筹集、审稿与编辑；
SMR：审稿与编辑；
JHS：资金筹集、审稿与编辑；
BRS：正式分析、方法论、审稿与编辑；
EES：方法论、审稿与编辑；
LES：审稿与编辑；
JV：数据整理、正式分析、审稿与编辑；
ABK：概念化、数据整理、正式分析、研究调查、方法论、初稿撰写、审稿与编辑；
CB：概念化、数据整理、正式分析、资金筹集、研究调查、方法论、项目管理、监督、初稿撰写、审稿与编辑。

数据共享声明：
本研究的支持数据可从Medicaid和各州政府获取。这些数据的使用受到相关限制，但已获得许可用于本研究。