Ağ meta analizi için en iyi yöntem hangisidir?


12

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 :

  • 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.

Yanıtlar:


1

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.


1
Hangisinin tercih edileceğini soruyorsunuz: Bayesci veya sık. Ama bunlar iki farklı paradigma. Ve bu da ağ meta-analizinin ötesinde, genel bir istatistiksel çıkarım sorusudur (hatta belki de felsefi). Bu yüzden Bayesian ve frekansçı yaklaşımları NMA bağlamında karşılaştırmayı makul bulmuyorum.
Burak

1
Bakış açınız için teşekkürler. Tabii ki temel arka plan ve altta yatan farklılıklar var, ama sorum çok pratik. Bir araştırmacıya NMA için hangi yöntemin en iyi olduğunu önermem gerekirse ne seçmeliyim? Bu Bayesci ve
frekansçı
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.