新冠肺炎大流行证明了建模为卫生政策提供信息的价值。模型用于提供态势感知并为缓解政策提供信息。然而，围绕疫苗寿命和感染诱导免疫的不确定性、严重急性呼吸系统综合征冠状病毒2型变异株的出现和特征，以及对政策干预的行为反应，使建模人员无法提供超过几周的基于模型的预测。在这种情况下，政策制定者可以选择控制疫情，但深刻的不确定性否定了对其长期影响的预测。稳健决策（RDM）是一套旨在为深度不确定性条件下的决策提供信息的方法和工具。本文提出了三篇论文，探讨RDM在支持卫生政策决策方面的效用。第一篇论文以流行病应对政策为激励性例子，讨论了公共卫生决策者如何从RDM中受益。第二篇论文对加州新冠肺炎重新开放战略进行了压力测试，表明适应性重新开放计划优于非适应性重新开放。第三部分评估了癌症筛查策略对疾病自然史不确定性的稳健性。最后，本文反思了RDM在卫生政策决策分析问题中更广泛的适用性，并对未来的研究方向进行了反思。