单向混合模型中聚合数据与个体患者数据的高效整合

Neha Agarwala; Junyong Park; Anindya Roy

单向混合模型中聚合数据与个体患者数据的高效整合

统计方法学 2021-11-15 v2

作者: Neha Agarwala , Junyong Park , Anindya Roy

摘要

对于特定治疗，通常既有聚合数据（AD）研究，也有个体患者数据（IPD）研究可用。整合这两种数据源可改善治疗效应的整体荟萃分析估计。此外，对于某些 AD 研究，相关的 IPD 可能可获得，尽管分析者需付出额外努力或成本。我们提出了一种在响应来自指数族分布因而可采用广义线性模型结构时，跨试验整合治疗效应的方法。我们考虑治疗效应在各研究中固定且相同的情况。利用所提出的整合方法，我们通过研究分析全部 IPD 研究与整合不同比例的 AD 和 IPD 研究的相对效率，评估在 IPD 可用时选择 AD 的合理性。对于许多不同模型，已知 AD 估计量即为 IPD 估计量因而完全有效时所满足的设计约束。对此类模型，我们主张一种选择程序，以迫使对设计约束偏离最小的方式选择 AD 研究而非 IPD 研究，从而确保完全有效的 AD 与 IPD 整合估计量。

关键词

聚合数据个体患者数据荟萃分析广义线性模型单向混合模型相对效率治疗效应

引用

@article{arxiv.2105.01157,
  title  = {Efficient Integration of Aggregate Data and Individual Patient Data in One-Way Mixed Models},
  author = {Neha Agarwala and Junyong Park and Anindya Roy},
  journal= {arXiv preprint arXiv:2105.01157},
  year   = {2021}
}

备注

22 pages, 4 figures

单向混合模型中聚合数据与个体患者数据的高效整合

摘要

关键词

引用

备注

相关论文