网络Meta分析中处理排序的非参数贝叶斯方法及其在抗抑郁药比较中的应用
统计方法学
2022-07-15 v1
摘要
网络Meta分析是综合独立研究证据并同时比较多种治疗的强有力工具。进行网络Meta分析的一项关键任务是为特定疾病结局提供所有可用治疗方案的排序。通常，估计出的治疗排序伴随大量不确定性，存在多重性问题，且很少允许并列。这些问题使得排序的解释变得困难，因为它们常被视为绝对度量。为应对这些不足，我们构建了一种排序策略，通过产生更保守的结果来适应高排序不确定性的情形。这提高了可解释性，同时考虑了多重比较。为允许治疗效应之间存在并列，我们还发展了用于网络Meta分析的贝叶斯非参数方法。该方法利用贝叶斯非参数方法所诱导的聚类机制，使两个治疗效应相等具有正概率。我们通过数值实验以及一项旨在研究抗抑郁药治疗的网络Meta分析展示了该方法的效用。
引用
@article{arxiv.2207.06561,
title = {Nonparametric Bayesian Approach to Treatment Ranking in Network Meta-Analysis with Application to Comparisons of Antidepressants},
author = {Andrés F. Barrientos and Garritt L. Page and Lifeng Lin},
journal= {arXiv preprint arXiv:2207.06561},
year = {2022}
}