[論文レビュー] Hidden in Plain Sight: How Non-Collapsibility Biases Treatment Effects in (Network) Meta-Analysis

Harlan Campbell, Jansen, Jeroen P.|arXiv (Cornell University)|Feb 28, 2026

Meta-analysis and systematic reviews被引用数 0

ひとこと要約

本論文は、基準リスクが異なる母集団を含む研究を混合する場合の（ネットワーク）メタ分析におけるオッズ比の非崩壊性バイアスの存在を示し、バイアスを緩和するためのブックエンド手法を提案します。また、実務者が潜在的な非崩壊性バイアスを評価し対処するためのガイダンスを提供します。

ABSTRACT

Network meta-analysis (NMA) is widely used to compare multiple interventions simultaneously by synthesizing direct and indirect evidence. The general fixed or random effects contrast-based NMA model can be applied to different outcomes and data structures by opting for either an arm-based or contrast-based likelihood depending on the data available. Depending on the outcome and link-function, we estimate either collapsible or non-collapsible effect measures. Using an illustrative example involving binary outcomes and the non-collapsible odds ratio, we demonstrate that the standard NMA model produces estimates for non-collapsible effect measures that are biased toward the null when studies in the evidence base enroll heterogeneous populations (mixtures of distinct risk groups) that vary across studies. Importantly, this also holds when there are no differences in effect-modifiers across studies; the standard assumption of a common treatment effect when there are no differences in the distribution of effect-modifiers across studies is not appropriate when studies have different baseline risks. As a potential solution, we propose a ``bookend'' approach that explicitly models mixed-population studies as weighted combinations of two homogeneous subpopulations identified from studies with extreme baseline risks and provide guidance for practitioners to determine if bias due to non-collapsibility may be a concern.

研究の動機と目的

• 非崩壊性が異質な基準リスクを持つメタ解析におけるオッズ比ベースの効果をどのように減衰させるかを説明する。
• 混合母集団における標準的な固定効果モデルNMAでの無効効果（偽陰性）バイアスを示す。
• 混合母集団を考慮するブックエンドモデリング手法を導入する。
• 基準リスクの変動を評価し、ブックエンド感度分析を適用するための実践的ガイダンスを提供する。）
• method=[

提案手法

• 標準のコン Contrast ベースNMAをアームベースの尤度として説明し、それを条件付き対数オッズ比として解釈する。
• 基礎リスクが異なる母集団を混合する場合の非崩壊性減衰を示す。
• 混合研究を極端な基準リスクを持つ2つの同質サブ集団の混合として扱うブックエンドモデルを提示する。
• 標準モデルとブックエンドモデルの両方をJAGSによるベイズ実装で提供する。
• 単純な二値アウトカムの例で性能を比較し、データをシミュレーションする。
• メタ分析実践で潜在的な非崩壊性バイアスを検出するための実践的ガイダンスを提供する。

Figure 1 : Results from hypothetical lung disease example. Point estimates and 95% confidence intervals from individual studies (gray) are shown alongside posterior means and 95% credible intervals from the standard fixed-effect model (blue, $\hat{d}=-0.458$ ) and bookend model (red, $\hat{d}=-0.492

実験結果

リサーチクエスチョン

• RQ1 オッズ比の非崩壊性は、研究母集団が異質な基準リスクを持つ場合に（ネットワーク）メタ分析でバイアスを生むか？
• RQ2 ブックエンドモデリングアプローチは、極端な基準リスクのサブ集団として混合母集団を特徴づけることでこのバイアスを低減または調整できるか？
• RQ3 非崩壊性バイアスが最も顕著になる条件は何か、実務者は実務でこれをどのように評価・対処すべきか？

主な発見

Study	Control Events	Control N	Active Events	Active N	logOR	SE
1	514	1000	375	1000	-0.57	0.09
2	118	1000	81	1000	-0.42	0.15
3	304	1000	237	1000	-0.34	0.10

• 非崩壊性は、異なる基準リスクを持つ混合母集団を登録する研究がある場合、標準NMAの推定値を無効へ偏らせる可能性がある。
• 効果修飾因子の分布の違いが研究間に存在しなくても、サブ集団間で治療効果の真の差がなくてもこのバイアスは生じ得る。
• 混合研究を極端な基準リスクで定義される2つの均質サブ集団の混合として扱うブックエンドモデルは、特定の仮定下でより偏りの少ない推定を得られる可能性がある。
• 単純な肺疾患の例では、標準モデルが d̂ = -0.458 (95% CrI: -0.58 to -0.34) を示す一方、ブックエンドモデルは d̂ = -0.492 (95% CrI: -0.62 to -0.37) となり、真の -0.50 に近かった。
• バイアスの大きさは基準リスクの異質性の程度と混合母集団研究の存在によって影響される；標本誤差に比して通常は小さいが、著しい異質性下では意味のある影響となり得る。
• 著者は基準リスクの変動を評価するための実践的手順を提供し、極端な基準リスク研究が観察される場合には感度分析としてブックエンド手法を提案している。