这个品类的数据长什么样
药物经济学研究的数据源多样，包括临床试验报告、真实世界证据（RWE）数据库、医疗索赔数据、药品说明书、指南共识以及各国卫生技术评估（HTA）机构发布的评估报告等。这些数据更新频率不一，临床试验数据通常在研究结束后发布，而RWE数据库可能按季度或年度更新。文档结构上，报告类文档常包含摘要、方法、结果、讨论等标准章节，但内部表格和图表众多，涉及生命质量调整生命年（QALY）、成本效益比（ICER）、疾病负担等核心经济学指标。字段方面，常见的有药品名称、适应症、治疗方案、治疗周期、成本（直接/间接）、疗效指标（OS、PFS等）、效用值、贴现率、敏感性分析参数等，单位则涵盖货币单位（美元、欧元等）、时间单位（年、月）、百分比、比率等，且常伴随置信区间或P值。
这些特征在「引用来源与溯源」这一环带来什么约束
药物经济学文档的复杂性和多样性对引用来源与溯源提出了特定要求。首先，多源异构数据意味着需要灵活的文档解析策略，确保不同格式（PDF、Word、Excel、HTML）都能被有效处理，并准确提取关键信息。其次，高密度的表格和图表数据，以及其中包含的经济学指标，要求结构化解析能够识别并关联这些数据与上下文文本，例如，某个ICER值可能来源于特定临床试验结果，并受限于特定参数设置。这决定了分块时需要兼顾文本连贯性和数据完整性。最后，报告中常出现的专业术语、缩写和特定计算方法，要求检索和溯源时能够精准匹配，并能追溯到原始文档中的具体段落或数据点，以支持结果的可靠性验证和敏感性分析。这对于召回策略和引用展示的粒度有直接影响。
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 | 平衡上下文完整性与检索效率，确保关键经济学指标及其解释不被截断。 |
重叠长度 | 150–250 字符 | 保证相邻分段间的语义连续性，避免关键信息在分段边界丢失。 |
召回条数 | 前 5–8 条 | 药物经济学分析通常需要较多上下文来支撑复杂逻辑，适当增加召回数量。 |
相似度阈值 | 按实测标定 | 针对专业术语和数值密集型内容，需通过测试确保准确召回。 |
引用展示粒度 | 段落级别 | 药物经济学数据和结论常嵌入在特定段落中，段落级溯源可提供足够细节。 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 处理大型临床试验报告或复杂HTA报告时，解析耗时可能较长。 |
容易做错的三处
- 引用来源为空或指向不准确的文档位置：原因在于文档解析时未能正确识别表格或图表中的数据，导致其与相关文本脱节，或分段过细切断了关键信息。
- 检索结果中出现大量无关或低相关性引用：原因在于向量模型在处理高度专业化的经济学术语和数值时，可能泛化不足，导致相似度计算偏差。
- 大型报告处理超时，无法完成知识库构建：原因在于
PARSE_FILE_TIMEOUT_SECONDS设置过短，无法应对药物经济学报告中常见的大文件体积和复杂结构。
怎么确认配好了
- 随机抽取不同类型的药物经济学文档，上传并进行问答测试，检查引用来源是否准确指向原始文档中的具体段落或表格。
- 对于包含关键经济学指标（如ICER、QALY）的提问，核对召回的引用内容是否包含这些指标及其上下文解释。
- 尝试查询包含专业术语和缩写（如QALY、ICER、PFS）的问题，验证召回的引用是否能够精准匹配并提供相关信息。
- 检查知识库构建日志，确保没有因超时或解析错误导致文档处理失败的记录，特别是针对大型和复杂文档。
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。