真实世界证据纳入网络 Meta 分析的方法

背景：网络 Meta 分析（NMA）是向全球报销机构提交材料的关键组成部分，尤其是在来自随机对照试验（RCTs）的多种技术直接头对头证据有限时。许多 NMA 仅包含来自 RCT 的数据。然而，真实世界证据（RWE）也日益被广泛认可为有价值的临床数据来源。我们研究将 RWE 纳入 NMA 的方法及其对有效性估计不确定性的影响。方法：通过将其应用于复发缓解型多发性硬化症的一个实例，研究了一系列将 RWE 纳入证据综合的方法，包括贝叶斯分层模型和幂先验模型。通过使用幂先验对这部分证据的降权程度进行变化，研究了纳入 RWE 的影响。结果：虽然在本例中纳入 RWE 导致有效性估计周围的不确定性水平增加，但这取决于所采用的 RWE 纳入方法。幂先验 NMA 模型对芬戈莫德给出了稳定的有效性估计，但随着赋予 RWE 数据的权重增加，可信区间的宽度增大。分层 NMA 模型有效地容许了研究设计间的异质性；然而，这也增加了不确定性水平。结论：在 NMA 中纳入 RWE 的幂先验方法表明，RWE 被考虑的程度会对总体不确定性水平产生显著影响。分层建模方法进一步容许了研究类型间差异的调和。因此，有必要进一步开展工作，研究单个 RWE 研究相关偏倚的经验证据，以及从专家处获取关于此类偏倚程度的研判方法。