[論文レビュー] Dynamically borrowing strength from another study

Christian Röver, Tim Friede|arXiv (Cornell University)|Jun 4, 2018

Statistical Methods and Bayesian Inference被引用数 3

ひとこと要約

本稿では、稀な疾患における小規模な無作為化試験の推定を改善するために、1つの外部研究（例：臨床レジストリ）から強度を借りるベイジアンランダム効果メタアナリシスフレームワークを提案する。研究間の不均一性を考慮する階層ベイズモデルを用いて推定値を収縮させることで、わずか2つの研究でも精度が著しく向上し、従来の分析手法に対する頑健な代替手法を提供する。

ABSTRACT

Meta-analytic methods may be used to combine evidence from different sources of information. Quite commonly, the normal-normal hierarchical model (NNHM) including a random-effect to account for between-study heterogeneity is utilized for such analyses. The same modeling framework may also be used to not only derive a combined estimate, but also to borrow strength for a particular study from another by deriving a shrinkage estimate. For instance, a small-scale randomized controlled trial could be supported by a non-randomized study, e.g. a clinical registry. This would be particularly attractive in the context of rare diseases. We demonstrate that a meta-analysis still makes sense in this extreme two-study setup, as illustrated using a recent trial and a clinical registry in Creutzfeld-Jakob disease. Derivation of a shrinkage estimate within a Bayesian random-effects meta-analysis may substantially improve a given estimate even based on only a single additional estimate while accounting for potential effect heterogeneity between the studies. Alternatively, inference may equivalently be motivated via a model specification that does not require a common overall mean parameter but considers the treatment effect in one study, and the difference in effects between the studies. The proposed approach is quite generally applicable to combine different types of evidence originating e.g. from meta-analyses or individual studies. An application of this more general setup is provided in immunosuppression following liver transplantation in children.

研究の動機と目的

• 非無作為化研究からの外部証拠を活用することで、稀な疾患における小規模な無作為化試験の統計的パワーの不足に取り組むこと。
• 収縮を用いた2研究メタアナリシスの設定が推定を改善する可能性を示すこと。
• 異なる研究タイプ間で強度を借りる方法論的フレームワークを提供し、治療効果の潜在的な不均一性を考慮すること。
• レジストリや臨床試験などの多様な情報源からの証拠を統合することで、標準的手法の実用的代替手段を提供すること。

提案手法

• 研究間の不均一性をモデル化するため、正規分布-正規分布階層モデル（NNHM）を用いたランダム効果モデルを採用し、個々の研究推定値を共通効果に向かって収縮させる。
• 共通の全体平均と研究固有の乖離を含むランダム効果モデルを定式化し、わずか2つの研究でも強度を借りる能力を確保する。
• 全体平均を含まない代替モデル仕様を導入し、1つの研究における治療効果と2つの研究間の効果差に焦点を当てる。
• ベイジアンフレームワークを用いて完全な不確実性の評価と治療効果に関する後騒推論を可能にする。
• 実世界の例として、小規模な無作為化試験と臨床レジストリを用いたクルツフェルト＝ジャコブ病への応用により、実用的有用性を示している。
• フレームワークはさらに一般化され、小児肝移植における免疫抑制の文脈にも応用され、研究デザインの多様性にわたる汎用性を示している。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンランダム効果メタアナリシスは、1つの外部研究から強度を借りることで、小規模な無作為化試験の推定を効果的に改善できるか？
• RQ2 階層モデルにおける収縮推定は、稀な疾患設定における治療効果推定の精度と信頼性にどのように影響するか？
• RQ3 非無作為化研究（例：レジストリ）を2研究メタアナリシスにおける外部証拠の源として含めることの意味は何か？
• RQ4 共通の全体平均の仮定を放棄し、効果差を直接モデル化する場合、提案手法は妥当な推論を維持できるか？
• RQ5 限られたデータが得られる臨床現場（例：小児肝移植）において、このアプローチは推定をどの程度改善できるか？

主な発見

• 1つの外部研究に基づくベイジアン収縮推定は、最小限のデータでも元の小規模試験単独の結果よりも顕著に精度が向上した。
• 非無作為化レジストリ研究のメタアナリシスへの組み込みにより、クルツフェルト＝ジャコブ病においてより信頼性が高く、ばらつきの少ない治療効果推定が得られた。
• 共通の全体平均を含まない代替モデル仕様は、治療効果とその研究間差に焦点を当てるため、同等の推論を提供するとともに解釈性を向上させた。
• 無作為化試験とレジストリ間の治療効果の潜在的な不均一性を適切にモデル化し、妥当な不確実性推定を維持した。
• フレームワークは頑健で汎用的であることが示され、小児肝移植への応用例から、低パワー環境下での推定を向上させることを実証した。
• 1つの追加研究でさえ、適切にランダム効果と収縮をモデル化すれば、推定を著しく改善できることが結果から明らかになった。