使用网络元回归综合跨设计证据与跨格式数据
统计方法学
2023-05-26 v1 应用统计
摘要
在网络元分析（NMA）中，我们综合关于竞争治疗健康结局的所有相关证据。证据可能来自随机对照试验（RCT）或非随机研究（NRS），以个体参与者数据（IPD）或汇总数据（AD）形式呈现。我们提出一套贝叶斯 NMA 和网络元回归（NMR）模型，允许跨设计与跨格式综合。这些模型将用于综合 IPD 和 AD 的三层层次模型整合为四种方法。四种方法均考虑了 RCT 与 NRS 证据在设计差异和偏倚风险方面的不同。这四种方法分别以不同方式忽略偏倚风险差异、使用 NRS 构建惩罚治疗效应先验、以及采用偏倚校正模型控制高偏倚风险研究的信息贡献。我们在一个包含三种药物干预及安慰剂用于复发缓解型多发性硬化患者的网络中演示了这些方法。当我们考虑设计与偏倚风险差异时，估计的相对治疗效应变化不大。进行网络元回归显示干预疗效随参与者年龄增加而下降。我们重新分析了一个包含 431 项 RCT 比较 21 种抗抑郁药的网络，在调整高偏倚风险研究后未观察到干预疗效的实质变化。总之，所述 NMA/NMR 模型套件能够纳入所有相关证据，同时整合观测与实验数据中的研究内偏倚信息，并通过纳入参与者特征实现个体化治疗效应估计。
引用
@article{arxiv.2203.06350,
title = {Synthesizing cross-design evidence and cross-format data using network meta-regression},
author = {Tasnim Hamza and Konstantina Chalkou and Fabio Pellegrini and Jens Kuhle and Pascal Benkert and Johannes Lorscheider and Chiara Zecca and Cynthia P Iglesias-Urrutia and Andrea Manca and Toshi A. Furukawa and Andrea Cipriani and Georgia Salanti},
journal= {arXiv preprint arXiv:2203.06350},
year = {2023}
}