这个品类的数据长什么样
药物经济学数据主要来源于临床试验报告、真实世界研究（RWE）数据、医疗成本数据库、药物注册文件以及各国卫生技术评估（HTA）机构发布的评估报告。这些数据更新频率不一，临床指南和药物批准信息可能季度或年度更新，而真实世界成本数据则可能更频繁。文档结构通常包含详细的文本叙述、表格数据（如成本效益分析、敏感性分析结果）、图表（如成本效益平面图、决策树模型）以及参考文献。字段与单位方面，常见有药物成本（美元、欧元等）、治疗效果（QALY、DALY、OS、PFS）、折扣率（%）、ICER值（成本/效果单位）、人群基线特征、参数分布（均值、标准差）。
这些特征在「向量模型与索引」这一环带来什么约束
药物经济学数据的多样性对向量模型提出了更高要求。文本叙述部分需要模型能捕捉细致的语义关联，例如不同研究间方法学的差异、假设条件的异同。表格和图表中的结构化数据，尤其是各种成本和效果数值，要求索引能有效区分数值类型、单位和上下文。频繁的更新，尤其是新药上市或指南修订，意味着索引需要支持高效的增量更新机制，避免全量重建。同时，数据中包含的多种专业术语、缩写以及不同国家/地区特有的医疗成本构成，要求向量模型具有强大的领域知识理解能力，以确保检索相关性。数值型字段的精确性要求，促使在索引构建时需考虑如何将数值范围或分布信息编码进向量，支持特定数值区间的检索。
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 | 兼顾上下文完整性与向量模型处理能力，避免关键信息被截断或稀释 |
召回条数 | 15–25 条 | 确保覆盖足够多的潜在相关研究和数据点，以支持复杂的经济学分析 |
相似度阈值 | 0.75–0.85 | 平衡召回率与精确性，过滤掉不相关的通用信息，聚焦药物经济学特定内容 |
重排返回条数 | 5–8 条 | 经过重排后，提供最相关且信息密度高的结果，方便工程师快速定位 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 药物经济学报告常包含大量图表和复杂排版，需要较长的解析时间 |
embeddingModel | text-embedding-ada-002 或领域特化模型 | 优先选用能理解复杂医学、经济学术语的模型，提升向量表示的准确性 |
容易做错的三处
- 查询结果中缺少关键的成本或效果数值：原因在于解析环节未能准确提取表格或图表中的结构化数据，或向量模型未充分编码数值上下文。
- 索引更新后，新发布的研究报告无法被检索到：原因在于索引策略未配置增量更新，导致新数据未及时纳入索引。
- 检索特定药物的经济学评估时，返回大量不相关的临床试验结果：原因在于
相似度阈值设置过低，或向量模型对药物经济学特有查询意图的理解不足。
怎么确认配好了
- 针对典型药物和疾病，测试检索其成本效益分析报告，核对返回结果是否包含核心ICER值和敏感性分析结论。
- 上传一份包含最新药物经济学评估的文档，等待索引完成后，立即检索该评估中的关键术语和数据点，确认能被准确召回。
- 使用包含特定成本或效果数值范围的查询，例如「帕金森病治疗年费用低于 20000 美元」，检查返回结果是否聚焦于符合数值条件的研究。
- 定期检查索引更新日志，确认增量更新任务按预期频率执行，且没有出现
文件解析失败错误。
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。