锚定间接治疗比较中的效应修饰：对“匹配调整的间接比较：在时间至事件数据中的应用”的评论
统计方法学
2022-03-29 v4 应用统计
摘要
本评论涉及 Aouni、Gaudel-Dedieu 和 Sebastien 最近进行的一项模拟研究，该研究评估了在具有共同对照的锚定场景下不同版本匹配调整间接比较（MAIC）的性能。该模拟研究使用生存结局并以 Cox 比例风险回归作为结局模型。其结论是使用 LASSO 进行变量选择优于平衡最大协变量集。然而，研究中并不存在不平衡的效应修饰因子。LASSO 更高效是因为它从最大协变量集中选出一个子集，但不存在引起偏倚的效应修饰因子的跨研究不平衡。我们强调以下几点：（1）在锚定设定中，当存在效应修饰因子的跨试验不平衡时，MAIC 是必要的；（2）若无不均衡的效应修饰因子，标准间接比较比 MAIC 具有更高的精度与准确度；（3）虽然该模拟研究的目标估计量为条件治疗效应，但 MAIC 针对的是边际或人群平均治疗效应；（4）在 MAIC 中，变量选择是一个低维问题，像 LASSO 这类诱导稀疏性的方法可能存在问题。最后，在选择效应修饰因子时，数据驱动的方法并不能免除对主题领域知识的需求。附录中提供了 R 代码以复现分析并说明我们的观点。
引用
@article{arxiv.2012.05127,
title = {Effect modification in anchored indirect treatment comparisons: Comments on "Matching-adjusted indirect comparisons: Application to time-to-event data"},
author = {Antonio Remiro-Azócar and Anna Heath and Gianluca Baio},
journal= {arXiv preprint arXiv:2012.05127},
year = {2022}
}
备注
14 pages, minor changes after conditional acceptance by Statistics in Medicine. This is a response to `Matching-adjusted indirect comparisons: Application to time-to-event data' by Aouni, Gaudel-Dedieu and Sebastien (2020)