[논문 리뷰] A Bias Correction Method in Meta-analysis of Randomized Clinical Trials with no Adjustments for Zero-inflated Outcomes

Zhengyang Zhou, Minge Xie외 2명|arXiv (Cornell University)|2020. 09. 21.

Advanced Causal Inference Techniques참고 문헌 30인용 수 7

한 줄 요약

이 논문은 랜덤화 임상 시험에서 영향력 평가 결과가 0이 과도하게 포함된 카운트 결과에 대해 편향된 영향력 추정치를 수정하기 위해 제로-인플레이티드 바이어스 보정(ZIBC) 방법을 제안한다. 개별 수준 데이터가 없을 경우, 단지 집단 수준의 데이터—특히 그룹 평균과 제로 비율—를 활용하여 푸아송 회귀 추정치를 실제 제로-인플레이티드 푸아송(ZIP) 모델의 추정치에 가깝게 조정함으로써 메타분석 결과의 편향을 크게 감소시킨다.

ABSTRACT

Many clinical endpoint measures, such as the number of standard drinks consumed per week or the number of days that patients stayed in the hospital, are count data with excessive zeros. However, the zero-inflated nature of such outcomes is sometimes ignored in analyses of clinical trials. This leads to biased estimates of study-level intervention effect and, consequently, a biased estimate of the overall intervention effect in a meta-analysis. The current study proposes a novel statistical approach, the Zero-inflation Bias Correction (ZIBC) method, that can account for the bias introduced when using the Poisson regression model, despite a high rate of inflated zeros in the outcome distribution of a randomized clinical trial. This correction method only requires summary information from individual studies to correct intervention effect estimates as if they were appropriately estimated using the zero-inflated Poisson regression model, thus it is attractive for meta-analysis when individual participant-level data are not available in some studies. Simulation studies and real data analyses showed that the ZIBC method performed well in correcting zero-inflation bias in most situations.

연구 동기 및 목표

• 랜덤화 임상 시험에서 제로-인플레이티드 카운트 결과에 대해 푸아송 회귀를 사용할 경우 발생하는 간섭 효과 추정치의 편향을 해결하기 위해.
• 개별 참가자 데이터(IPD)가 필요 없이, 출판된 논문에서 제공하는 집계 자료(예: 평균과 제로 비율)만을 사용하여 이 편향을 보정하는 방법을 개발하기 위해.
• 제로-인플레이티드 결과에 대해 부적절한 모델을 사용한 연구들의 메타분석 결과를 더 정확하게 융합할 수 있도록 하기 위해.
• 원본 IPD가 데이터 공유 제한 또는 기타 이유로 이용 불가능한 경우 메타분석가들이 실용적으로 활용할 수 있는 솔루션을 제공하기 위해.

제안 방법

• ZIBC 방법은 진정한 자료 생성 과정이 ZIP 모델을 따르는 것으로 가정할 때, 푸아송 회귀와 ZIP 회귀 모델의 추정 방정식을 비교하여 편향을 보정한다.
• 연구 수준의 요약 통계 자료를 사용한다: 간섭군 및 대조군에서의 결과 평균과 제로 비율.
• 메타분석 이전에 각 연구에서 독립적으로 보정을 적용하여, 푸아송 모델에서 구한 간섭 효과 추정치를 ZIP 모델에서 얻을 수 있는 값에 맞추어 조정한다.
• 이 방법은 일阶 근사에 기반하여, 두 그룹 간 제로-인플레이션 정도의 차이를 이용해 푸아송 모델의 로그 발생률 비율을 조정한다.
• 푸아송 모델이 ZIP 모델에 포함된다는 가정에 기반하며, 이는 제로-인플레이션 존재 시 이를 고려하지 않으면 편향이 발생한다는 뜻이다.
• 이 연구에서는 표준 오차의 이차 보정을 포함하지 않았기 때문에, 원래 푸아송 모델에서 구한 표준 오차를 메타분석에 그대로 유지한다.

실험 결과

연구 질문

• RQ1 메타분석에서 개별 수준 데이터가 없을 경우, 집계 자료만을 사용하여 푸아송 모델 결과로부터 ZIP 모델 추정치를 복원할 수 있는 편향 보정 방법을 개발할 수 있는가?
• RQ2 제로-인플레이티드 결과를 푸아송 회귀로 모델링할 경우 ZIBC 방법이 간섭 효과 추정치의 편향을 얼마나 효과적으로 줄이는가?
• RQ3 높은 제로 비율이나 그룹 간 제로-인플레이션의 차이가 있는 경우와 같은 조건에서 ZIBC 방법이 가장 유익한가?
• RQ4 개별 수준 데이터가 없지만 연구 수준의 요약 자료는 확보된 실세계 메타분석에 ZIBC 방법을 적용할 수 있는가?

주요 결과

• 시뮬레이션 연구에서 ZIBC 방법은 제로 비율이 푸아송 예상 비율을 초과할 경우 특히 간섭 효과 추정치의 편향을 크게 감소시켰다.
• 시뮬레이션 결과에서 이 방법은 다양한 제로-인플레이션 상황에서 적절한 신뢰구간 커버리지 비율과 유의수준 제어를 유지하여 강건성을 입증했다.
• 알코올 간섭 메타분석의 IPD를 활용한 실제 데이터 예시에서 ZIBC 보정 추정치는 원래의 푸아송 추정치와 상당히 다름을 보였으며, 기존 접근법에서의 의미 있는 편향이 있음을 시사했다.
• 치과 충치 연구에서 출판된 집계 자료를 활용한 두 번째 실세계 예시에서 ZIBC 방법은 간섭 효과 추정치를 성공적으로 보정했으며, 일반적인 메타분석 환경에서의 적용 가능성을 입증했다.
• 간섭군과 대조군 간 제로 비율의 뚜렷한 차이가 있을 경우 ZIBC 방법이 가장 효과적이었으며, 이는 이 방법이 이질적인 제로-인플레이션을 다루는 데서의 역할을 확인시켰다.
• 관찰된 제로 비율이 푸아송 예상 비율을 초과할 경우(예: 평균이 3일 때 5% 이상), 또는 그룹 간 제로 비율에 의미 있는 차이가 있을 경우 ZIBC를 사용할 것을 저자들이 권장한다.