วิธีใดดีที่สุดในการวิเคราะห์อภิมานเครือข่าย


12

ขณะนี้มีวิธีการต่าง ๆ ในการทำการวิเคราะห์อภิมานเครือข่ายหรือเปรียบเทียบการรักษาแบบผสม

รายการที่ใช้บ่อยที่สุดและเข้าถึงได้อาจเป็นสิ่งต่อไปนี้:

  • ในกรอบ Bayesian :

    • วิธีการปฏิสัมพันธ์ออกแบบโดยการรักษาใน WinBUGS (เช่นJackson et al );
    • การสร้างแบบจำลอง Bayesian แบบแขนตามลำดับชั้นใน WinBUGS (เช่นZhao et al );
    • การแยกแบบลำดับขั้น (เช่นการแยกโหนด) การสร้างแบบจำลองแบบเบย์โดยใช้ WinBUGS หรือผ่านgemtcและrjagsใน R (เช่นDias et alหรือvan Valkenhoef et al );
    • การประมาณ Laplace ซ้อนกัน (INLA) ใน WinBUGS (เช่นSauter et al );
  • ในกรอบบ่อย :

    • การวิเคราะห์ความแปรปรวนแบบแฟคทอเรียลใน SAS (เช่นPiepho );
    • การวิเคราะห์เมตาเครือข่ายหลายระดับใน SAS (เช่นGreco และคณะ )
    • การถดถอยแบบหลายตัวแปรด้วยmvmetaใน Stata หรือ R (เช่นWhite et al );
    • meta-analysis ของเครือข่ายด้วยlmeและnetmetaใน R (เช่นLumleyซึ่ง จำกัด อยู่ที่การทดลองสองแขนหรือRucker et al )

คำถามของฉันคือง่าย ๆ : พวกเขามีความเท่าเทียมกันหรือมีคำถามที่ดีกว่าในกรณีส่วนใหญ่สำหรับการวิเคราะห์เบื้องต้น

UPDATE

เมื่อเวลาผ่านไปมีการวิเคราะห์เปรียบเทียบวิธีการวิเคราะห์เมตาดาต้าเครือข่าย:

  1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL กรณีศึกษาการเปรียบเทียบวิธีการแบบเบย์และการใช้บ่อยสำหรับการเปรียบเทียบการรักษาหลายครั้ง หน่วยงานเพื่อการวิจัยและคุณภาพการดูแลสุขภาพ (US) 2013

คำตอบ:


1

ฉันคิดว่าวิธีการสร้างแบบจำลองและเทคนิคการประมาณค่าควรดูแยกกัน จากมุมมองของแบบจำลองโมเดล Lumley ใช้ได้กับการทดลองสองแขนเท่านั้นเท่านั้น ดังนั้นจึงไม่เป็นที่นิยม เพื่อความเข้าใจของฉันวิธีการแยกโหนดซึ่งคุณระบุว่าเป็น Dias et al นั้นใช้งานง่ายมาก นอกจากนี้ฉันคิดว่าคุณควรเพิ่มวิธีการโต้ตอบการออกแบบโดยการรักษา ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ) จากมุมมองการประมาณค่าฉันไม่รู้มากเกี่ยวกับเทคนิคการใช้บ่อย แต่สามารถใช้ MCMC สำหรับเกือบทุกรุ่นสำหรับ NMA สุดท้ายมีเทคนิคที่แตกต่างกัน (ซึ่งไม่เป็นที่รู้จักกันอย่างแพร่หลายอย่างน่าเสียดาย) เรียกว่า INLA คุณสามารถใช้ INLA จากภายใน R และพอดีกับรุ่น NMA ได้เร็วขึ้นและไม่จำเป็นต้องตรวจสอบการวินิจฉัยการลู่เข้า นี่คือกระดาษhttp://www.ncbi.nlm.nih.gov/pubmed/26360927. ดังนั้นในตอนท้ายฉันก็ชอบวิธีการแยกโหนดและวิธีการตอบสนองการออกแบบโดยการรักษาโดยใช้ INLA


1
คุณกำลังถามว่าอันไหนดีกว่า: Bayesian หรือบ่อยครั้ง แต่พวกเขาเป็นกระบวนทัศน์ที่แตกต่างกันสองแบบ และนี่ก็เกินกว่าการวิเคราะห์อภิมานเครือข่ายมันเป็นคำถามเชิงอนุมานเชิงสถิติทั่วไป ดังนั้นฉันไม่คิดว่าการเปรียบเทียบแบบเบย์กับวิธีการที่ใช้บ่อยในบริบทของ NMA สมเหตุสมผล
Burak

1
ขอบคุณสำหรับมุมมองของคุณ มีพื้นหลังที่สำคัญของหลักสูตรและความแตกต่างพื้นฐาน แต่คำถามของฉันเป็นจริงมาก ถ้าฉันต้องแนะนำนักวิจัยรุ่นน้องว่าวิธีไหนดีที่สุดสำหรับ NMA ฉันควรเลือกอะไร นี่อาจหมายถึงการเลือกระหว่าง Bayesian กับวิธีแบบบ่อยครั้ง แต่คำตอบอาจมีความเฉพาะเจาะจงมากขึ้น ...
Joe_74
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.