[論文レビュー] A regression-based method for detecting publication bias in multivariate meta-analysis

Chuan Hong, Jing Zhang+4 more|arXiv (Cornell University)|Feb 12, 2020

Meta-analysis and systematic reviews参考文献 20被引用数 6

ひとこと要約

本稿は、複数の相関する結果を同時にモデル化することで、多変量メタアナリシスにおける出版バイアスを検出するための新しい多変量スコア検定（MPBT）を提案する。これは、Eggerの回帰検定を多変量設定に拡張したものであり、結果間の情報を共有することで統計的パワーを向上させ、完全に発表されていない研究や一部の結果のみを報告する研究に対しても対応可能である。シミュレーション研究では、単変量手法を上回る性能を示した。

ABSTRACT

Publication bias occurs when the publication of research results depends not only on the quality of the research but also on its nature and direction. The consequence is that published studies may not be truly representative of all valid studies undertaken, and this bias may threaten the validity of systematic reviews and meta-analyses - on which evidence-based medicine increasingly relies. Multivariate meta-analysis has recently received increasing attention for its ability reducing potential bias and improving statistical efficiency by borrowing information across outcomes. However, detecting and accounting for publication bias are more challenging in multivariate meta-analysis setting because some studies may be completely unpublished whereas some studies may selectively report part of multiple outcomes. In this paper, we propose a score test for jointly testing publication bias for multiple outcomes, which is novel to the multivariate setting. The proposed test is a natural multivariate extension of the univariate Egger's test, and can handle the above mentioned scenarios simultaneously, It accounts for correlations among multivariate outcomes, while allowing different types of outcomes, and can borrow information across outcomes. The proposed test is shown to be more powerful than the Egger's test, Begg's test and Trim and Fill method through simulation studies. Two data analyses are given to illustrate the performance of the proposed test in practice.

研究の動機と目的

• 相関する複数の結果が存在し、選択的に報告される可能性がある多変量メタアナリシスにおける出版バイアスの検出という課題に対処すること。
• 単一の結果に特化した手法の限界を克服し、複数の結果を同時に検定する方法を開発すること。
• 特に研究数が少ない状況においても、結果間の情報を共有することで統計的パワーを向上させること。
• 完全に発表されていない研究と、一部の結果のみを報告する研究の両方に対応すること。
• 異なる種類やスケールの結果を考慮し、Eggerの回帰検定の頑健な多変量拡張を提供すること。

提案手法

• Eggerの単変量回帰ベースの検定を多変量結果に拡張するためのスコア検定（MPBT）を提案し、多変量ランダム効果モデルを用いる。
• 複数の結果において、効果量推定値とその精度（標準誤差）の関係を同時にモデル化する。
• 研究内での結果間の相関を組み込むことで、効率性とパワーを向上させ、これらの相関が既知または推定可能であると仮定する。
• すべての結果に対して出版バイアスがないという帰無仮説を、同時的に検定するための統合尤度枠組みを用いる。
• 切片を結果ごとに変化させることを許容する多変量回帰モデルを適用し、傾きは出版バイアスを示す非対称性を表す。
• 多変量相関構造を活用することで、連続変数や二値変数などの異なる種類の結果やスケールに対応できる。

実験結果

リサーチクエスチョン

• RQ1 Eggerの検定の多変量拡張は、相関する複数の結果を含むメタアナリシスにおいて、単変量手法よりも出版バイアスをより効果的に検出できるか？
• RQ2 研究が完全に発表されていない場合や、一部の結果のみが報告される場合、提案手法は出版バイアスをどの程度正しく検出できるか？
• RQ3 結果間の情報を共有することで、特に研究数が少ない状況において、出版バイアス検出の統計的パワーが向上するか？
• RQ4 Eggerの検定、Beggの検定、Trim and Fill法と比較して、MPBTは第1種過誤の制御とパワーの両面で優れているか？
• RQ5 臨床試験における有効性と安全性の異なるスケールや種類の結果に対しても、本手法は適用可能か？

主な発見

• シミュレーション研究において、提案されたMPBTはEggerの検定、Beggの検定、Trim and Fill法よりも優れた統計的パワーを示したが、特に研究数が少ない状況で顕著であった。
• MPBTは、さまざまなシナリオ（相関構造や結果の種類の違い）において、第1種過誤率を適切に制御した。
• ドラッグデリバリーストントのメタアナリシスでは、MPBTは有効性と安全性の両方の結果に対して、同時に著しい出版バイアスを検出できたが、単変量検定では感度のバイアスを検出できなかった。
• 本手法は、特異性の funnel plot における非対称性を正しく特定し、視覚的検査と整合的であった。また、Trim and Fill法を上回るバイアス検出性能を示した。
• シミュレーション結果から、研究内相関が正確に分かっている場合よりも推定されている場合でも、MPBTは頑健性を保つことが分かったが、正確な相関値が与えられると性能がさらに向上した。
• 本手法は、有効性と安全性の混合結果を含む臨床メタアナリシスにおいて特に優位であり、単一の指標に統合することが臨床的に意味を持たない状況で有効である。