这个品类的数据长什么样
药物经济学数据主要来源于各类成本效益分析报告、卫生技术评估（HTA）文件、真实世界证据（RWE）研究以及临床试验结果。这些数据通常以结构化表格（如成本构成、疗效指标、QALYs值）和非结构化文本（如研究方法描述、敏感性分析讨论）混合形式存在。数据更新频率相对较低，主要随新药上市、指南更新或大型研究发布而变化，通常为每季度或每年。文档结构复杂，包含大量专业术语、统计学符号以及特定计量单位（如美元、欧元、QALY、DALY、ICER）。字段名可能存在多种缩写形式或同义词，例如“增量成本效益比”可能缩写为ICER。
这些特征在「模型接入与配置」这一环带来什么约束
药物经济学数据混合的结构化与非结构化特性，要求模型在数据预处理阶段能有效识别和提取关键数值与文本信息。其较低的更新频率意味着模型训练和索引构建不需要过于频繁，但每次更新都需确保数据完整性与一致性。文档中特有的计量单位和复杂术语，对文本向量化模型的语义理解能力提出了更高要求，需要模型具备较强的领域知识。字段名缩写和同义词的存在，则要求模型在检索和匹配时能进行有效的语义扩展，避免因术语不匹配而遗漏相关信息。同时，数据来源的多样性也增加了数据清洗和标准化的复杂性，影响模型输入数据的质量。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
分段长度 | 800–1200 字符 | 确保单个文本段落包含足够上下文以理解药物经济学概念，避免关键信息被截断。 |
召回条数 | 15–20 条 | 药物经济学分析通常涉及多维度数据和论证，增加召回条数有助于覆盖更全面的背景信息。 |
相似度阈值 | 按实测标定 | 需根据具体数据集和模型性能，平衡查全率和查准率，避免遗漏或引入过多噪声。 |
重排返回条数 | 5–8 条 | 在保证相关性的前提下，减少最终呈现给用户的冗余信息，聚焦核心发现。 |
索引模型 | 领域特化或微调模型 | 更好地理解药物经济学特有术语、概念和数据结构，提升向量化质量。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型HTA报告或多页PDF文档时，预留充足的文件解析时间，避免超时失败。 |
容易做错的三处
- 上传大型HTA报告或多页PDF文档时，出现
文件解析超时错误，原因是没有为PARSE_FILE_TIMEOUT_SECONDS设置足够长的处理时间。 - 检索结果中出现大量不相关的报告或段落，原因可能是
相似度阈值设置过低，导致召回了语义上距离较远的内容。 - 针对某个特定药物的成本效益分析提问时，模型无法给出详细数值，原因可能是所使用的向量模型缺乏对药物经济学专用术语和计量单位的有效理解，导致关键数据未被正确提取和索引。
怎么确认配好了
- 随机抽取 5 份典型的药物经济学报告，上传并检查索引状态，确认所有文件均成功解析并建立索引。
- 针对报告中的特定药物、治疗方案和经济学指标（如
ICER值），构造 10 个查询，检查返回结果是否包含相关数值和结论，并评估其准确性。 - 比较模型在处理含有缩写（如
QALY）和完整术语（如“质量调整生命年”）的查询时，召回结果的一致性，确认模型具备一定的语义扩展能力。 - 检查日志输出，确保在数据更新或索引重建过程中，没有出现大量
数据导入失败或向量化错误的提示。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。