Jaka jest najlepsza metoda metaanalizy sieci?

12

Obecnie istnieje kilka różnych podejść do przeprowadzenia metaanalizy sieci lub porównania leczenia mieszanego.

Najczęściej używane i dostępne są prawdopodobnie następujące:

  • w ramach bayesowskich :

    • podejście interakcji projektu przez leczenie w WinBUGS (np. Jackson i in. );
    • hierarchiczne modelowanie bayesowskie oparte na ramieniu w WinBUGS (np. Zhao i in. );
    • hierarchiczne modelowanie bayesowskie oparte na kontraście (tj. dzielenie węzłów), albo za pomocą WinBUGS, albo poprzez gemtci rjagsw R (np. Dias i in. lub van Valkenhoef i in. );
    • zintegrowane zagnieżdżone aproksymacje Laplace'a (INLA) w WinBUGS (np. Sauter i in. );
  • w ramach częstych :

    • analiza czynnikowa wariancji w SAS (np. Piepho );
    • wielopoziomowa metaanaliza sieci w SAS (np. Greco i in. );
    • wielowymiarowa meta-regresja ze mvmetaStata lub R (np. White i wsp. );
    • Sieć meta-analiza z lmei netmetaR (np Lumley , który jest jednak ograniczony do badań dwuramienna lub Rucker i inni ).

Moje pytanie brzmi po prostu: czy są w przybliżeniu równoważne, czy jest takie, które w większości przypadków są preferowane do analizy pierwotnej (w ten sposób rezerwując inne na analizy pomocnicze)?

AKTUALIZACJA

Z biegiem czasu przeprowadzono kilka analiz porównawczych metod metaanalizy sieci:

  1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. Studium przypadku Porównywanie bayesowskiego i częstego podejścia do porównań wielokrotnego leczenia. Agencja Badań i Jakości Opieki Zdrowotnej (USA). 2013.
Joe_74
źródło

Odpowiedzi:

1

Myślę, że podejścia do modelowania i techniki szacowania należy rozpatrywać osobno. Z punktu widzenia modelowania model Lumley działa tylko dla prób dwuramiennych. Więc nie jest to preferowane. Według mnie podejście dzielenia węzłów, które wymieniłeś jako Dias i in., Jest bardzo intuicyjne. Myślę też, że powinieneś dodać podejście interakcji projekt po leczeniu ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Z szacunkowego punktu widzenia nie wiem wiele na temat technik częstych, ale można użyć MCMC do prawie wszystkich modeli NMA. Wreszcie istnieje inna technika (niestety nie jest powszechnie znana) o nazwie INLA. Możesz używać INLA z poziomu R i pasować do modeli NMA, jest to szybsze i nie trzeba sprawdzać diagnostyki konwergencji. Oto artykuł http://www.ncbi.nlm.nih.gov/pubmed/26360927. Tak więc na koniec wolałbym dzielenie węzłów i podejście oparte na interakcji za pomocą INLA.

Burak
źródło
1
Pytasz, który z nich jest lepszy: bayesowski czy częsty. Ale są to dwa różne paradygmaty. Poza tym jest to poza metaanalizą sieciową, jest to ogólne pytanie wnioskowania statystycznego (a może nawet filozoficzne). Nie sądzę więc, by porównywanie podejść bayesowskich i częstych w kontekście NMA było rozsądne.
Burak
1
Dziękuję za twoją perspektywę. Istnieją oczywiście kluczowe podstawy i podstawowe różnice, ale moje pytanie jest bardzo praktyczne. Jeśli muszę polecić młodemu badaczowi, która metoda jest najlepsza dla NMA, co powinienem wybrać? Może to oznaczać wybór między podejściem bayesowskim a częstym, ale odpowiedź może być nawet bardziej szczegółowa ...
Joe_74,