跨患者子群共享信息以从稀疏治疗网络中得出结论
统计方法学
2023-01-24 v1 应用统计
其他统计学
摘要
网络元分析（NMA）通常提供精度尽可能高的相对效应估计。然而，可能出现仅有少量可用研究且直接证据有限的稀疏网络，威胁 NMA 估计的稳健性与可靠性。在这些情况下，有限的可获信息会妨碍对 NMA 潜在的传递性与一致性假设的正式评估。此外，稀疏网络下的 NMA 估计预期不精确且可能有偏，因其依赖于在缺乏充足数据时无效的大样本近似。我们提出了一个贝叶斯框架，允许在不同人群子群所属的两个网络之间共享信息。具体而言，我们利用具有大量直接证据（稠密网络）的子群结果，为目标子群（稀疏网络）中的相对效应构建信息先验。这是一种两阶段方法：第一阶段我们将稠密网络的结果外推至稀疏网络预期的结果，通过使用一个修正的层次化 NMA 模型实现，其中我们添加一个位置参数以平移相对效应的分布，使其适用于目标人群；第二阶段，这些外推结果被用作稀疏网络的先验信息。我们通过一个精神科患者的实例说明了我们的方法。我们的方法得到了更精确且稳健的相对效应估计，并能在稀疏网络存在时充分指导临床实践。
引用
@article{arxiv.2301.09442,
title = {Sharing information across patient subgroups to draw conclusions from sparse treatment networks},
author = {Theodoros Evrenoglou and Silvia Metelli and Johannes-Schneider Thomas and Spyridon Siafis and Rebecca M. Turner and Stefan Leucht and Anna Chaimani},
journal= {arXiv preprint arXiv:2301.09442},
year = {2023}
}