네트워크 메타 분석에 가장 적합한 방법은 무엇입니까?

네트워크 메타 분석 또는 혼합 처리 비교를 수행하기위한 여러 가지 접근 방식이 있습니다.

가장 일반적으로 사용되고 액세스 가능한 항목은 다음과 같습니다.

• 베이지안 프레임 워크에서 :

  • WinBUGS에서의 처리 별 설계 상호 작용 접근법 (예 : Jackson et al );
  • WinBUGS에서의 계층 적 팔 기반 베이지안 모델링 (예 : Zhao et al );
  • 계층 콘트라스트 기반 (즉 노드 분할)의 Winbugs 또는 통해서 베이지안 모델링 gemtc및 rjagsR에 (예 디아스 등 또는 반 Valkenhoef 등 );
  • WinBUGS에서의 통합 된 중첩 라플라스 근사 (INLA) (예 : Sauter 등 );

• 빈번한 틀에서 :

  • SAS의 계승 분산 분석 (예 : Piepho );
  • SAS에서의 다단계 네트워크 메타 분석 (예 : Greco et al );
  • mvmetaStata 또는 R에서의 다변량 메타 회귀 (예 : White et al );
  • R 과 함께 lme및 netmetaR에서 네트워크 메타 분석 (예를 들어, Lumley , 그러나 2- 팔 시험 또는 Rucker 등으로 제한됨 ).

내 질문은 간단합니다. 대략적으로 동등한가 또는 대부분의 경우 기본 분석에 선호되는 것이 있습니까 (따라서 보조 분석을 위해 다른 것을 예약)?

최신 정보

시간이 지남에 따라 네트워크 메타 분석 방법에 대한 몇 가지 비교 분석이있었습니다.

1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. 여러 치료 비교에 대한 베이지안 및 빈번한 접근 방법을 비교 한 사례 연구. 의료 연구 및 품질 기관 (미국). 2013.

모델링 접근법과 추정 기법은 따로 따로 봐야한다고 생각합니다. 모델링 관점에서 Lumley 모델은 2 암식 시험에만 적용됩니다. 따라서 바람직하지 않습니다. 내가 이해하기에 Dias 등으로 나열된 노드 분할 방식은 매우 직관적입니다. 또한 치료 별 설계 상호 작용 방식 ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 )을 추가해야한다고 생각합니다 . 추정 관점에서, 잦은 기술에 대해서는 많이 알지 못하지만 NMA의 거의 모든 모델에 MCMC를 사용할 수 있습니다. 마지막으로 INLA라는 다른 기술이 있습니다 (불행하게도 널리 알려지지 않음). R 내에서 INLA를 사용하고 NMA 모델에 맞출 수 있으므로 수렴 진단을 더 빠르게 수행 할 필요가 없습니다. 여기에 논문 http://www.ncbi.nlm.nih.gov/pubmed/26360927이 있습니다.. 결국에는 INLA를 사용한 노드 분할 및 처리 별 설계 상호 작용 방식을 선호합니다.