[論文レビュー] Synthesizing cross-design evidence and cross-format data using network meta-regression

Tasnim Hamza, Konstantina Chalkou+10 more|arXiv (Cornell University)|Mar 12, 2022

Mental Health Research Topics被引用数 5

ひとこと要約

本稿では、ランダム化比較試験（RCT）と非ランダム化研究（NRS）の両方、および個別参加者データ（IPD）と集計データ（AD）の両方を統合する、ベイジアンネットワークメタ回帰モデルのスイートを提案する。階層的モデリングとバイアス補正、治療効果の事前分布を統合することで、研究デザインとバイアスのリスクを考慮しつつ、治療効果の頑健な推定が可能となり、調整後でも相対的治療効果に最小限の変化が生じる。

ABSTRACT

In network meta-analysis (NMA), we synthesize all relevant evidence about health outcomes with competing treatments. The evidence may come from randomized controlled trials (RCT) or non-randomized studies (NRS) as individual participant data (IPD) or as aggregate data (AD). We present a suite of Bayesian NMA and network meta-regression (NMR) models allowing for cross-design and cross-format synthesis. The models integrate a three-level hierarchical model for synthesizing IPD and AD into four approaches. The four approaches account for differences in the design and risk of bias in the RCT and NRS evidence. These four approaches variously ignoring differences in risk of bias, using NRS to construct penalized treatment effect priors and bias-adjustment models that control the contribution of information from high risk of bias studies in two different ways. We illustrate the methods in a network of three pharmacological interventions and placebo for patients with relapsing-remitting multiple sclerosis. The estimated relative treatment effects do not change much when we accounted for differences in design and risk of bias. Conducting network meta-regression showed that intervention efficacy decreases with increasing participant age. We re-analysed a network of 431 RCT comparing 21 antidepressants, and we did not observe material changes in intervention efficacy when adjusting for studies high risk of bias. In summary, the described suite of NMA/NMR models enables inclusion of all relevant evidence while incorporating information on the within-study bias in both observational and experimental data and enabling estimation of individualized treatment effects through the inclusion of participant characteristics.

研究の動機と目的

• ランダム化比較試験（RCT）と非ランダム化研究（NRS）の両方から得られる、個別参加者データ（IPD）と集計データ（AD）の異なるデータフォーマットを統合する統一フレームワークの開発。
• 研究デザインの違いとバイアスのリスクを、研究内バイアス情報の統合によってネットワークメタアナリシスに組み込むことによる対処。
• 参加者レベルの特徴の組み込みにより、個別化された治療効果の推定を可能にする。
• 現実世界のネットワークにおいて、バイアスリスクの高い研究が治療効果推定に与える影響を評価すること。
• バイアスとデザインの違いに対する調整後でも、相対的治療効果が一貫したままであるという、手法の頑健性を示すこと。

提案手法

• RCTおよびNRSからの個別参加者データ（IPD）と集計データ（AD）を統合する3段階の階層ベイジアンモデルの構築。
• ネットワークメタ回帰（NMR）を用いて、年齢などの参加者レベルの共変量を関数として扱い、個別化された効果を推定する。
• ペナルティ付き治療効果事前分布を用いて、バイアスリスクの高い研究の寄与度を低減するバイアス補正モデルの統合。
• 4つの異なるモデリングアプローチを採用：(1) バイアスリスクの差を無視する、(2) NRSを用いて治療効果事前分布を情報化する、(3) および (4) 2つのバイアス補正戦略を用いて、バイアスリスクの高い研究の影響を制御する。
• ベイジアンフレームワークにおける後験分布推定のため、マルコフ連鎖モンテカルロ（MCMC）法を用いる。
• 再発性寛解性多発性硬化症ネットワークと、431件のRCTを含むより大きな抗うつ薬ネットワークを用いて、モデルの性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 ランダム化研究と非ランダム化研究の両方から得られる個別参加者データ（IPD）と集計データ（AD）を、1つのネットワークメタアナリシスフレームワーク内でどのように統合できるか？
• RQ2 研究デザインとバイアスリスクの調整が、ネットワークメタアナリシスにおける推定された相対的治療効果に与える影響は何か？
• RQ3 バイアスリスクの高い研究がペナルティ付き事前分布やバイアス補正モデルによって低減された場合、治療効果推定値はどの程度変化するか？
• RQ4 年齢などの参加者レベルの共変量を組み込むことで、ネットワークメタ回帰は個別化された治療効果を効果的に推定できるか？
• RQ5 提案されたモデリングスイートを用いて、フォーマットやデザインが異なる証拠を統合した場合、相対的治療効果推定値はどの程度頑健か？

主な発見

• RCTとNRS間の研究デザインおよびバイアスリスクの違いを考慮しても、推定された相対的治療効果はほとんど変化しなかった。
• ネットワークメタ回帰により、多発性硬化症ネットワークにおいて、参加者の年齢が高くなるほど介入効果が低下することが明らかになった。
• 431件のRCTを含む抗うつ薬ネットワークにおいて、バイアスリスクの高い研究を調整しても、介入効果の推定値に顕著な変化は見られなかった。
• 4つのモデリングアプローチは一貫した相対的治療効果推定値をもたらし、提案されたフレームワークの頑健性を示した。
• ネットワークメタ回帰による参加者レベルの共変量の組み込みにより、個別化された治療効果の推定が可能となり、臨床的適用性が向上した。
• 本手法は、多様な研究デザインからのIPDとADを効果的に統合し、研究内バイアスを調整しながら、包括的な証拠統合を実現した。