[논문 리뷰] Synthesizing cross-design evidence and cross-format data using network meta-regression

Tasnim Hamza, Konstantina Chalkou외 10명|arXiv (Cornell University)|2022. 03. 12.

Mental Health Research Topics인용 수 5

한 줄 요약

이 논문은 네트워크 메타분석에서 개인수준 데이터(IPD)와 집합적 데이터(AD)를 포함한 랜덤화된 연구(RCT)와 비랜덤화된 연구(NRS) 간의 크로스디자인(랜덤화 대 비랜덤화) 및 크로스포맷(개별 수준 대 집합적) 데이터를 통합하는 베이지안 네트워크 메타회귀 모델의 세트를 제안한다. 계층적 모델링과 편향 조정, 치료 효과 사전분포를 융합함으로써, 연구 디자인과 편향의 위험을 고려하면서도 상대적 치료 효과에 대한 강력한 추정을 가능하게 하며, 조정 후에도 상대적 치료 효과에 대한 변화가 최소화된다.

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.

연구 동기 및 목표

• 랜덤화된 대조 시험(RCT)과 비랜덤화된 연구(NRS)에서 온 다양한 데이터 포맷(IPD 및 AD)의 증거를 통합하기 위한 통합 프레임워크 개발
• 내부 연구 편향 정보를 네트워크 메타분석에 통합하여 연구 디자인 및 편향 위험 차이를 다룸
• 모델에 참가자 수준의 특성 포함을 통해 개인화된 치료 효과 추정 가능
• 실제 네트워크에서 편향 위험이 높은 연구가 치료 효과 추정에 미치는 영향 평가
• 편향 및 디자인 차이 조정에도 불구하고 일관된 상대적 치료 효과 유지 가능성을 입증

제안 방법

• RCT와 NRS에서 온 개인참가자수준자료(IPD)와 집합적자료(AD)를 통합하기 위해 삼단계 계층 베이지안 모델 개발
• 치료 효과를 참가자 수준의 공변량(예: 연령)의 함수로 모델링하기 위해 네트워크 메타회귀(NMR) 적용, 개인화된 효과 추정
• 편향 조정 모델을 통합하여 편향 위험이 높은 연구의 기여도를 펆리드된 치료 효과 사전분포를 사용해 감소
• 네 가지 별도의 모델링 접근법 사용: (1) 편향 위험 차이 忽시, (2) NRS를 이용해 치료 효과 사전분포 정의, (3) 및 (4) 두 가지 편향 조정 전략을 통해 편향 위험이 높은 연구의 영향 통제
• 베이지안 프레임워크 내 후행 추론을 위해 마르코프 체인 몬테카를로(MCMC) 방법 사용
• 재발-완화 다발성 경화증 네트워크와 431개의 RCT로 구성된 더 큰 항우울제 네트워크를 사용해 모델 성능 검증

실험 결과

연구 질문

• RQ1 랜덤화된 연구와 비랜덤화된 연구에서 온 개인참가자수준자료(IPD)와 집합적자료(AD)를 어떻게 단일 네트워크 메타분석 프레임워크 내에서 공동으로 융합할 수 있는가?
• RQ2 연구 디자인과 편향 위험을 조정할 경우 네트워크 메타분석에서 추정된 상대적 치료 효과에 어떤 영향을 미치는가?
• RQ3 편향 위험이 높은 연구를 페널티를 부여한 사전분포 또는 편향 조정 모델을 통해 가중치를 낮추었을 때 치료 효과 추정치가 얼마나 변화하는가?
• RQ4 연령과 같은 참가자 수준의 공변량을 포함함으로써 네트워크 메타회귀가 개인화된 치료 효과를 효과적으로 추정할 수 있는가?
• RQ5 제안된 모델 세트를 사용해 크로스포맷 및 크로스디자인 증거를 융합했을 때 상대적 치료 효과 추정치는 얼마나 강건한가?

주요 결과

• RCT와 NRS 간 연구 디자인 및 편향 위험의 차이를 고려한 결과, 추정된 상대적 치료 효과는 대부분 변화하지 않았다.
• 네트워크 메타회귀 분석에서 다발성 경화증 네트워크에서 참가자 연령이 증가할수록 간병 효과가 감소하는 경향을 확인했다.
• 431개의 RCT로 구성된 항우울제 네트워크에서 편향 위험이 높은 연구를 조정했지만, 간병 효과 추정치에 실질적인 변화가 없었다.
• 네 가지 모델링 접근법 모두 일관된 상대적 치료 효과 추정치를 도출하여 제안된 프레임워크의 강건성을 입증했다.
• 네트워크 메타회귀를 통해 참가자 수준의 공변량을 포함함으로써 개인화된 치료 효과 추정이 가능해졌으며, 임상 적용성 향상됨.
• 본 방법은 다양한 연구 디자인에서 온 IPD와 AD를 성공적으로 융합하여 내부 연구 편향을 조정하면서도 종합적인 증거 융합을 제공함.