Shiny-MAGEC：用于删失不良事件荟萃分析的贝叶斯 R Shiny 应用

在临床癌症研究中，准确评估不良事件（AE）发生率对于药物安全性评价和监管批准至关重要。虽然荟萃分析是综合多项研究证据的重要工具，但临床试验中 AE 报告不完整仍然是一个持续的挑战。特别是，低于特定研究报告阈值的 AE 通常被遗漏在出版物之外，导致左删失数据。未能考虑这些删失的 AE 计数可能导致 AE 发生率估计存在偏差。我们提出了一款 R Shiny 应用，它实现了一阶段贝叶斯荟萃分析模型，专门设计用于将删失 AE 数据纳入估计过程。该交互式工具为研究人员提供了用户友好的界面，以进行 AE 荟萃分析，并遵循 Qi 等人（2024）提出的偏差校正方法估计 AE 发生概率。它还可以在纳入或忽略删失的模型之间进行直接比较，突出了传统方法引入的偏差。本教程通过一个关于 PD-1/PD-L1 抑制剂安全性荟萃分析的说明性示例，演示了该 Shiny 应用的功能，并强调了该工具在改善 AE 风险评估中的重要性。最终，这款新的 Shiny 应用促进了更准确、透明的药物安全性评价。Shiny-MAGEC 应用可在以下网址获取：https://zihanzhou98.shinyapps.io/Shiny-MAGEC/。