用于二分类及事件时间结局贝叶斯荟萃分析的经验先验分布

贝叶斯模型平均荟萃分析允许对治疗有效性 $\mu$ 和研究间异质性 $\tau$ 的证据进行量化。我们使用 Cochrane 系统评价数据库，为二分类及事件时间临床试验结局的荟萃分析开发了学科层面的 $\mu$ 和 $\tau$ 的经验先验分布。首先，我们使用 50% 的数据库来估计不同所需参数族的参数。其次，我们使用剩余 50% 的数据库来选择性能最佳的参数族，并探讨关于真实数据中治疗有效性和研究间异质性存在与否的基本假设。我们发现，大多数二分类结局的荟萃分析更符合不存在荟萃分析效应或异质性的情况，而事件时间结局的荟萃分析更符合存在荟萃分析效应或异质性的情况。最后，我们使用包含近五十万试验结局的完整数据库，提出了具体的经验先验分布，既适用于整个领域，也适用于特定的医学子学科。一个来自急性呼吸道感染的例子演示了如何使用开源软件 R 和 JASP 中提出的先验分布来进行贝叶斯模型平均荟萃分析。