Какой метод мета-анализа сети является лучшим?


12

В настоящее время существует несколько различных подходов для выполнения сетевого мета-анализа или сравнения смешанного лечения.

Наиболее часто используемые и доступные из них, вероятно, следующие:

  • в байесовских рамках :

    • подход взаимодействия дизайн-за-лечением в WinBUGS (например, Jackson et al );
    • иерархическое байесовское моделирование в WinBUGS (например, Zhao et al );
    • иерархическое байесовское моделирование, основанное на контрасте (т.е. расщепление узлов), либо с помощью WinBUGS, либо через R, но gemtcи наоборот rjags(например, Dias et al или van Valkenhoef et al );
    • интегрированные вложенные аппроксимации Лапласа (INLA) в WinBUGS (например, Sauter et al );
  • в рамках часто используемых :

    • дисперсия факторного анализа в SAS (например, Piepho );
    • многоуровневый сетевой метаанализ в SAS (например, Greco et al );
    • многомерная мета-регрессия с помощью mvmetaStata или R (например, White et al );
    • сетевой метаанализ с lmeи netmetaв R (например, Lumley , который, однако, ограничен испытаниями с двумя руками, или Rucker et al ).

Мой вопрос просто: они примерно эквивалентны или есть один, который предпочтителен в большинстве случаев для первичного анализа (таким образом, оставляя другие для вспомогательных)?

ОБНОВИТЬ

Со временем был проведен сравнительный анализ методов метаанализа сети:

  1. Карлин Б.П., Хонг Х., Шамлиян Т.А., Саинфорт Ф., Кейн Р.Л. Тематическое исследование, сравнивающее байесовский и частый подходы для множественных сравнений лечения. Агентство медицинских исследований и качества (США). 2013.

Ответы:


1

Я думаю, подходы моделирования и методы оценки должны рассматриваться отдельно. С точки зрения моделирования, модель Ламли работает только для испытаний с двумя руками. Так что это не предпочтительно. Насколько я понимаю, подход разделения узлов, который вы перечислили как Dias et al, очень интуитивен. Кроме того, я думаю, что вы должны добавить подход взаимодействия «дизайн за лечением» ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). С точки зрения оценки, я не знаю много о методах частых, но можно использовать MCMC почти для всех моделей для NMA. Наконец, существует другая методика (которая, к сожалению, широко не известна), называемая INLA. Вы можете использовать INLA изнутри R и устанавливать модели NMA, это быстрее и не нужно проверять диагностику сходимости. Вот статья http://www.ncbi.nlm.nih.gov/pubmed/26360927, Итак, в конце я бы предпочел разделение узлов и подход взаимодействия между проектами с использованием INLA.


1
Вы спрашиваете, какой из них предпочтительнее: байесовский или частый. Но это две разные парадигмы. А также это выходит за рамки сетевого мета-анализа, это общий вопрос статистического вывода (или, может быть, даже философский). Поэтому я не считаю разумным сравнивать байесовский и частичный подходы в контексте NMA.
Бурак

1
Спасибо за вашу точку зрения. Конечно, есть ключевые предпосылки и основные различия, но мой вопрос очень практичен. Если я должен порекомендовать младшему исследователю, какой метод лучше всего подходит для NMA, что я должен выбрать? Это может означать выбор между байесовским и частым подходами, но ответ может быть даже более конкретным ...
Joe_74
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.