面向一般似然的多水平网络Meta回归：个体与聚合数据的综合及其在生存分析中的应用

网络Meta分析综合来自多个随机对照试验的聚合数据（AgD），并假设任何效应修饰因子在各人群间是平衡的。个体参与者数据（IPD）Meta回归是放宽这一假设的“金标准”方法，然而IPD通常仅在部分研究中可用。多水平网络Meta回归（ML-NMR）扩展了IPD Meta回归以纳入AgD研究，同时避免了聚合偏倚，但目前要求聚合水平的似然具有已知的闭合形式。值得注意的是，这阻碍了其在时间-事件结局中的应用。我们通过将个体水平似然函数在AgD协变量分布上进行积分以获得相应的边际似然贡献，从而将ML-NMR扩展到任意形式的个体水平似然。我们通过两个时间-事件结局的例子进行说明，在一个模拟比较中展示了ML-NMR的性能，其相比完全IPD分析仅有很小的精度损失，并利用新诊断多发性骨髓瘤的合成数据，展示了使用三次M样条对基线风险进行灵活建模。ML-NMR是一种在所有规模的网络中综合个体和聚合水平数据的通用方法。将其扩展到一般似然，包括生存结局，极大地增加了该方法的适用性。文中提供了R和Stan代码，并且这些方法已在multinma R包中实现。