网络荟萃分析中的异常值检测与影响诊断
统计方法学
2021-07-14 v1 应用统计
摘要
网络荟萃分析作为一种证据综合方法日益凸显，其能够全面综合并同时比较多种治疗。在许多网络荟萃分析中，部分组成研究可能与其他研究具有显著差异特征，并可能具有足以改变整体结果的影响力。纳入这些“离群”研究可能导致偏倚，产生误导性结果。在本文中，我们提出在频率学框架中检测离群及有影响力研究的有效方法。特别地，我们提出适用于涉及缺失结局的网络荟萃分析模型的合适影响度量，并适当调整自由度。我们通过留一试验交叉验证方案提出三种影响度量：(1)比较特定的学生化残差，(2)比较效应参数协方差矩阵的相对变化度量，(3)异质性协方差矩阵的相对变化度量。我们还提出(4)一种基于均值偏移异常值检测模型的似然比统计量的模型方法。我们通过应用于抗高血压药物的网络荟萃分析来说明所提方法的有效性。使用这四种提出的方法，我们检测到三个潜在的有影响试验，涉及一个因数据造假被撤稿的明显异常值。我们还证明，通过比较疗效估计的整体结果和药物排序在省略这三个有影响研究后发生了改变。
引用
@article{arxiv.1910.13080,
title = {Outlier detection and influence diagnostics in network meta-analysis},
author = {Hisashi Noma and Masahiko Gosho and Ryota Ishii and Koji Oba and Toshi A. Furukawa},
journal= {arXiv preprint arXiv:1910.13080},
year = {2021}
}