Ağ meta analizi için en iyi yöntem hangisidir?

Şimdi bir ağ meta-analizi veya karışık tedavi karşılaştırması yapmak için birkaç farklı yaklaşım vardır.

En sık kullanılan ve erişilebilir olanlar muhtemelen aşağıdakilerdir:

• Bayes çerçevesinde :

  • WinBUGS'de tasarım-tedavi etkileşimi yaklaşımı (ör. Jackson ve ark. );
  • WinBUGS'ta (ör. Zhao ve ark. ) hiyerarşik kol tabanlı Bayesci modelleme ;
  • hiyerarşik kontrast temelli (yani düğüm bölme) WinBUGS ile veya R ile gemtcve rjagsR ile bayes modelleme (örn., Dias ve arkadaşları veya van Valkenhoef ve arkadaşları );
  • WinBUGS'de entegre iç içe Laplace yaklaşımları (INLA) (örn. Sauter ve ark. );

• sıkça yapılan bir çerçevede :

  • SAS'taki faktöriyel varyans analizi (örn. Piepho );
  • SAS'ta çok düzeyli ağ meta-analizi (örn. Greco ve ark. );
  • mvmetaStata veya R ile çok değişkenli meta-regresyon (örneğin White ve ark. );
  • R ile lmeve netmetaR'de ağ meta analizi (örn. , bununla birlikte iki kollu deneylerle sınırlandırılmış Lumley veya Rucker ve ark. ).

Sorum şu: basitçe: kabaca eşdeğer midirler veya birincil analiz için çoğu durumda tercih edilebilecek bir tane var mıdır (böylece diğerlerini yardımcı olanlar için ayırır)?

GÜNCELLEME

Zaman içinde, ağ meta-analiz yöntemleri üzerinde bazı karşılaştırmalı analizler yapılmıştır:

1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. Çoklu Tedavi Karşılaştırmalarında Bayes ve Sık Yaklaşımların Karşılaştırılması Vaka Çalışması. Sağlık Araştırma ve Kalite Ajansı (ABD). 2013.

Bence modelleme yaklaşımları ve tahmin teknikleri ayrı ayrı incelenmelidir. Modelleme açısından, Lumley modeli sadece iki kollu denemelerde çalışır. Bu yüzden tercih edilmez. Anladığım kadarıyla, Dias ve arkadaşları olarak listelediğiniz düğüm bölme yaklaşımı çok sezgiseldir. Ayrıca, tasarım tabanlı etkileşim yaklaşımını da eklemeniz gerektiğini düşünüyorum ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Tahmin açısından, sık teknikler hakkında çok şey bilmiyorum, ancak NMA için neredeyse tüm modeller için MCMC kullanılabilir. Son olarak, INLA adı verilen farklı bir teknik (maalesef yaygın olarak bilinmeyen) vardır. INLA'yı R içinden ve NMA modellerinden kullanabilirsiniz, daha hızlıdır ve yakınsama teşhisini kontrol etmeye gerek yoktur. Kağıt http://www.ncbi.nlm.nih.gov/pubmed/26360927. Sonunda, düğüm ayırmayı ve INLA kullanarak tasarım-tasarım etkileşimi yaklaşımını tercih ederim.