在网络总体分析中发现所有高度可信二元治疗层次问题
统计方法学
2025-10-13 v1 统计计算
摘要
近年来，越来越多的研究关注于解决网络总体分析(NMA)中治疗层次问题。在包含众多治疗方案的NMA中，可能的层次问题数量变得难以管理。为此，以往工作建议预先选择特定感兴趣的层次问题(例如："在选项A、B、C、D、E中，治疗A和B是否在提高结果X方面表现最佳？"），并计算给定数据下这些问题答案为真的经验概率。在 contrast，我们提出一种高效且可扩展的算法方法，无需预先指定，通过系统性地生成包含所有高度可信治疗层次问题的目录(例如：经验概率超过特定阈值(如95%)的若干问题)，从而使决策者能够从数据中提取所有有意义的见解。另一个算法可修剪输出中的冗余见解，以便于解释。我们定义并解决了六类二元层次问题(即具有真/假答案的问题)，涵盖使用现有排序指标回答的标准层次问题——成对比较和(累积)排序概率——以及许多其他复杂层次问题。我们将方法实现为R语言包，并使用糖尿病和抑郁干预的真实NMA数据集进行演示。除了NMA之外，我们的方法也适用于涉及三个或以上治疗选项的任何决策问题。
引用
@article{arxiv.2510.08853,
title = {Uncovering All Highly Credible Binary Treatment Hierarchy Questions in Network Meta-Analysis},
author = {Caitlin H. Daly and Chloe Tan and Audrey Béliveau},
journal= {arXiv preprint arXiv:2510.08853},
year = {2025}
}
备注
14 pages, 4 figures, 1 table