[논문 리뷰] Dynamically borrowing strength from another study

Christian Röver, Tim Friede|arXiv (Cornell University)|2018. 06. 04.

Statistical Methods and Bayesian Inference인용 수 3

한 줄 요약

이 논문은 희귀 질환에서의 작은 무작위 대조 시험에서 추정을 향상시키기 위해 임상 레지스트리와 같은 단일 외부 연구로부터 강도를 빌려오는 베이지안 랜덤 효과 메타분석 프레임워크를 제안한다. 다수의 연구 간 이질성을 고려하는 계층적 모델을 사용하여 추정치를 수축시킴으로써, 단 두 개의 연구만으로도 정밀도가 크게 향상되며, 전통적인 분석에 비해 강력한 대안을 제공한다.

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.

연구 동기 및 목표

• 희귀 질환에 대한 작은 무작위 대조 시험에서 통계적 검정력이 부족한 문제를 비무작위 연구에서의 외부 증거를 활용하여 해결하고자 한다.
• 수축을 통해 추정을 향상시키는 두 연구 메타분석 설정의 실현 가능성과 이점을 입증하고자 한다.
• 다양한 연구 유형 간 강도를 빌려오는 방법론적 프레임워크를 제공함으로써 치료 효과의 잠재적 이질성을 고려하고자 한다.
• 레지스트리 및 임상 시험과 같은 다양한 자료원에서의 증거를 통합함으로써 표준 분석의 실용적 대안을 제공하고자 한다.

제안 방법

• 논문은 다수의 연구 간 이질성을 모델링하기 위해 정규-정규 계층적 모델(NNHM)을 사용하며, 이는 개별 연구 추정치를 공통 효과로 수축시키는 데 기여한다.
• 공통 평균과 연구별로 다른 편차를 포함하는 랜덤 효과 모델을 사용하여, 단 두 개의 연구만으로도 강도를 빌려오는 것이 가능하다.
• 공통 평균을 포함하지 않는 대안 모델 사양이 도입되었으며, 이는 한 연구의 치료 효과와 두 연구 간 효과의 차이에 중점을 둔다.
• 베이지안 프레임워크 내에서 이 방법을 구현하여 치료 효과에 대한 전체적인 불확실성 정량화와 사후 추론이 가능해졌다.
• 실제 사례로 크루츠펠트-자크อบ 병에 적용하여 소규모 무작위 시험과 임상 레지스트리를 사용하여 실용적 유용성을 입증하였다.
• 이 프레임워크는 무작위 시험과 비무작위 시험의 조합을 포함하는 더 넓은 맥락으로 확장되었으며, 다양한 연구 설계에 일반화 가능함을 보였다.

실험 결과

연구 질문

• RQ1 단일 외부 연구로부터 강도를 빌려오는 베이지안 랜덤 효과 메타분석이 소규모 무작위 시험에서 추정을 효과적으로 향상시킬 수 있는가?
• RQ2 계층적 모델에서의 수축 추정이 희귀 질환 환경에서 치료 효과 추정의 정밀도와 신뢰성에 어떤 영향을 미치는가?
• RQ3 비무작위 연구(예: 레지스트리)를 두 연구 메타분석의 외부 증거로 포함할 경우의 의미는 무엇인가?
• RQ4 공통 평균 가정을 폐기하고 효과의 차이를 직접 모델링하는 방향으로 전환할 경우, 제안된 방법이 여전히 타당한 추론을 유지하는가?
• RQ5 소규모 데이터가 있는 임상 환경(예: 소아 간 이식 후 면역 억제)에서 이 접근법이 추정을 얼마나 향상시킬 수 있는가?

주요 결과

• 단일 외부 연구 기반의 베이지안 수축 추정치는 최소한의 데이터로도 원래의 소규모 시험만으로 추정한 것보다 정밀도가 크게 향상되었다.
• 비무작위 레지스트리 연구를 메타분석에 포함시킴으로써 크루츠펠트-자크옵 병에서 더 신뢰할 수 있고 변동성이 적은 치료 효과 추정치를 도출하였다.
• 공통 평균을 포함하지 않는 대안 모델 사양은 동일한 추론을 제공하였고, 치료 효과와 연구 간 효과의 차이에 중점을 두어 해석 가능성을 향상시켰다.
• 이 방법은 무작위 시험과 레지스트리 간 치료 효과의 잠재적 이질성을 효과적으로 고려하였으며, 타당한 불확실성 추정을 유지하였다.
• 소아 간 이식 후 면역 억제에 대한 적용 사례를 통해 이 프레임워크가 강력하고 일반화 가능함을 입증하였으며, 저력의 설정에서 추정을 향상시켰다.
• 결과적으로, 적절하게 랜덤 효과와 수축을 모델링할 경우 단 한 개의 추가 연구만으로도 추정이 상당히 향상될 수 있음을 보여주었다.