Welches ist die beste Methode für die Netzwerk-Metaanalyse?


12

Es gibt jetzt verschiedene Ansätze, um eine Netzwerk-Metaanalyse oder einen gemischten Behandlungsvergleich durchzuführen.

Die am häufigsten verwendeten und zugänglichsten sind wahrscheinlich die folgenden:

  • in einem Bayes'schen Rahmen :

    • Design-by-Treatment-Interaktionsansatz in WinBUGS (z. B. Jackson et al. );
    • hierarchische armbasierte Bayes'sche Modellierung in WinBUGS (z. B. Zhao et al. );
    • hierarchische kontrastbasierte (dh knotenspaltende) Bayes'sche Modellierung, entweder mit WinBUGS oder durch gemtcund rjagsin R (z. B. Dias et al. oder van Valkenhoef et al. );
    • integrierte verschachtelte Laplace-Approximationen (INLA) in WinBUGS (z. B. Sauter et al. );
  • in einem frequentistischen Rahmen :

    • faktorielle Varianzanalyse in SAS (zB Piepho );
    • Multilevel-Netzwerk-Metaanalyse in SAS (z. B. Greco et al. );
    • multivariate Meta-Regression mit mvmetain Stata oder R (z. B. White et al. );
    • Netzwerk-Meta-Analyse mit lmeund netmetain R (z. B. Lumley , das jedoch auf zweiarmige Studien beschränkt ist, oder Rucker et al. ).

Meine Frage ist einfach: Sind sie ungefähr gleichwertig oder gibt es eine, die in den meisten Fällen für die Primäranalyse vorzuziehen ist (und die anderen für Nebenanalysen reserviert)?

AKTUALISIEREN

Im Laufe der Zeit wurden einige vergleichende Analysen zu Methoden für die Netzwerk-Metaanalyse durchgeführt:

  1. Carlin BP, Hong H., Shamliyan TA, Sainfort F., Kane RL. Fallstudie zum Vergleich von Bayes'schen und häufig vorkommenden Ansätzen für Mehrfachbehandlungsvergleiche. Agentur für Gesundheitsforschung und Qualität (USA). 2013.

Antworten:


1

Ich denke, die Modellierungsansätze und Schätztechniken sollten getrennt betrachtet werden. Aus modelltechnischer Sicht funktioniert das Lumley-Modell nur für zweiarmige Versuche. Es ist also nicht vorzuziehen. Nach meinem Verständnis ist der Ansatz der Knotenaufteilung, den Sie als Dias et al. Aufgeführt haben, sehr intuitiv. Ich denke auch, dass Sie den Interaktionsansatz Design-by-Treatment hinzufügen sollten ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Aus Sicht der Schätzung weiß ich nicht viel über frequentistische Techniken, aber man kann MCMC für fast alle Modelle für NMA verwenden. Schließlich gibt es eine andere Technik (die leider nicht allgemein bekannt ist) namens INLA. Sie können INLA aus R heraus verwenden und NMA-Modelle anpassen. Es ist schneller und es ist nicht erforderlich, die Konvergenzdiagnose zu überprüfen. Hier ist das Papier http://www.ncbi.nlm.nih.gov/pubmed/26360927. Am Ende würde ich also die Knotenaufteilung und den Ansatz der Design-by-Treatment-Interaktion mit INLA bevorzugen.


1
Sie fragen, welches vorzuziehen ist: Bayesian oder Frequentist. Aber es sind zwei verschiedene Paradigmen. Und auch dies geht über die Netzwerk-Metaanalyse hinaus, es ist eine allgemeine statistische Inferenzfrage (oder vielleicht sogar eine philosophische). Daher halte ich einen Vergleich von Bayes'schen und frequentistischen Ansätzen im Kontext der NMA nicht für vernünftig.
Burak

1
Vielen Dank für Ihre Perspektive. Es gibt natürlich wichtige Hintergründe und zugrunde liegende Unterschiede, aber meine Frage ist sehr praktisch. Welche Methode sollte ich wählen, wenn ich einem Nachwuchsforscher empfehlen muss, welche Methode für NMA am besten geeignet ist? Dies könnte bedeuten, zwischen Bayes'schen und frequentistischen Ansätzen zu wählen, aber die Antwort könnte noch spezifischer sein ...
Joe_74
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.