元分析中一致性概率估计的时间依赖性处理
统计方法学
2022-12-06 v1
摘要
近年来许多用于疾病预后与预测的新型评分工具被开发出来。要被临床接受应用，这些工具需在外部数据上验证。实践中，验证常受后勤问题阻碍，导致多个小样本验证研究。因此有必要使用元分析技术综合这些研究结果。本文考虑对时间事件数据的一致性概率（“C-index”）进行元分析的策略，该指标已成为评估具有右删失结局的预测模型判别力的流行工具。我们表明，标准C-index元分析可能导致偏倚结果，因为一致性概率的大小取决于用于评估的时间区间长度（例如由随访时间定义，不同研究间可能差异显著）。为解决此问题，我们提出一组随机效应元回归方法，将时间直接作为协变量纳入模型方程。除通过分数多项式、样条与指数衰减模型分析非线性时间趋势外，我们还就元回归前C-index的适宜变换给出建议。结果表明，C-index最好使用对数奇变换C-index值的分数多项式元回归进行元分析。当随访时间较短时，经典随机效应元分析（不考虑时间协变量）被证明是合适的替代方案。我们的发现对未来研究中C-index值的报告具有启示意义，应包含计算所基于的时间区间长度信息。
引用
@article{arxiv.2212.01613,
title = {Accounting for Time Dependency in Meta-Analyses of Concordance Probability Estimates},
author = {Matthias Schmid and Tim Friede and Nadja Klein and Leonie Weinhold},
journal= {arXiv preprint arXiv:2212.01613},
year = {2022}
}