哪种是网络荟萃分析的最佳方法?


12

现在有几种不同的方法可以进行网络荟萃分析或混合治疗比较。

最常用和可访问的可能是以下几种:

  • 在贝叶斯框架中

    • WinBUGS中的按处理设计交互方法(例如Jackson等);
    • WinBUGS中基于手臂的分层贝叶斯建模(例如Zhao等);
    • 分层对比度为基础(即,节点分裂)贝叶斯建模,无论是与WinBUGS软件或通过gemtcrjags在R(例如Dias等货车Valkenhoef等人);
    • WinBUGS中的集成嵌套拉普拉斯近似(INLA)(例如Sauter等);
  • 在常客框架中

    • SAS的因子分析方差分析(例如Piepho);
    • SAS中的多层次网络荟萃分析(例如Greco等);
    • mvmeta在Stata或R中的多元元回归(例如White等);
    • lmenetmetaR中进行网络荟萃分析(例如Lumley,但仅限于两臂试验,或Rucker等)。

我的问题很简单:它们大致相等还是在大多数情况下更适合进行主要分析(因此将其他保留为辅助分析)?

更新

一段时间以来,对网络元分析的方法进行了一些比较分析:

  1. Carlin BP,Hong H,Shamliyan TA,Sainfort F,Kane RL。案例研究比较贝叶斯方法和常见方法进行多次治疗比较。医疗保健研究与质量局(美国)。2013。

Answers:


1

我认为,建模方法和估计技术应分开查看。从建模的角度来看,Lumley模型仅适用于两臂试验。因此,这不是可取的。据我了解,您将其称为Dias等人的节点拆分方法非常直观。另外,我认为您应该添加按设计进行交互的方法(http://www.ncbi.nlm.nih.gov/pubmed/24777711)。从估计的角度来看,我对频繁使用的技术了解不多,但是可以将MCMC用于几乎所有NMA模型。最后,还有另一种称为INLA的技术(不幸的是,它并不广为人知)。您可以在R内使用INLA并拟合NMA模型,它速度更快,并且无需检查收敛诊断。这是论文http://www.ncbi.nlm.nih.gov/pubmed/26360927。因此,最后,我更喜欢使用INLA进行节点拆分和按设计进行交互的方法。


1
您在问哪个更可取:贝叶斯或常客。但是它们是两种不同的范例。这也超出了网络的元分析范围,它是一个一般的统计推断问题(甚至是哲学上的问题)。因此,我认为在NMA的背景下比较贝叶斯方法和频率论方法是不合理的。
Burak

1
感谢您的见解。当然有关键的背景和根本的区别,但是我的问题很实际。如果我必须推荐一名初级研究人员,那么哪种方法最适合NMA,我应该选择什么?这可能意味着要在贝叶斯方法和常客方法之间进行选择,但答案甚至可能更加具体...
Joe_74 '16
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.