贝叶斯多参数证据综合以辅助决策：激素难治性转移性前列腺癌案例研究
应用统计
2019-01-23 v1
摘要
在卫生技术评估中，决策基于复杂的成本-效果模型，这些模型实施时需要众多输入参数。当部分相关估计不可得时，模型可能不得不被简化。多参数证据综合允许组合来自不同证据源的数据，从而获得临床决策所需的、否则可能无法得到的估计。我们展示了如何使用双变量荟萃分析（BVMA）预测未报告的治疗效应估计，从而能够实施多状态马尔可夫模型，否则该模型需被简化。为说明此点，我们采用了多西他赛联合泼尼松治疗转移性激素难治性前列腺癌（mHRPC）的成本-效果分析实例。BVMA用于联合建模关于总生存（OS）和无进展生存（PFS）治疗效应的可用数据，以预测评估多西他赛研究中未报告的PFS效应。预测的PFS治疗效应使得能够实施包含稳定疾病、进展性疾病和死亡状态的三状态马尔可夫模型，而缺乏该估计则将模型限制为两状态模型（稳定疾病和死亡状态）。通过计算增量成本-效果比比较了两状态和三状态模型，三状态模型的比值低得多：每获得一个QALY为{\pounds}21966，而两状态模型为{\pounds}30026。与两状态模型相比，三状态模型的优势在于区分进展患者与未进展患者。使用先进的荟萃分析技术有助于获得相关参数估计以填充更准确描述自然史的模型，同时也帮助防止有价值的临床数据被丢弃。
引用
@article{arxiv.1705.11082,
title = {Bayesian multi-parameter evidence synthesis to inform decision-making: a case study in hormone-refractory metastatic prostate cancer},
author = {Sze Huey Tan and Keith R Abrams and Sylwia Bujkiewicz},
journal= {arXiv preprint arXiv:1705.11082},
year = {2019}
}