[論文レビュー] A Bias Correction Method in Meta-analysis of Randomized Clinical Trials with no Adjustments for Zero-inflated Outcomes

Zhengyang Zhou, Minge Xie+2 more|arXiv (Cornell University)|Sep 21, 2020

Advanced Causal Inference Techniques参考文献 30被引用数 7

ひとこと要約

本稿では、ゼロ過剰なカウントアウトカムを示すランダム化臨床試験のメタアナリシスにおいて、バイアスが生じる介入効果推定を是正するためのゼロインフレーションバイアス補正（ZIBC）手法を提案する。個別参加者データ（IPD）が入手不可である状況においても、集計された研究水準のデータ（具体的には群ごとの平均とゼロ率）のみを用いることで、ポアソン回帰の推定値を真のゼロインフレーテッド・ポアソン（ZIP）モデルの推定値に近似させる。この手法により、個別データが利用できない場合でも、メタアナリシス結果におけるバイアスが顕著に低減される。

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.

研究の動機と目的

• ランダム化臨床試験におけるゼロ過剰なカウントアウトカムに対してポアソン回帰を用いることで生じる介入効果推定のバイアスを是正すること。
• 個別参加者データ（IPD）を必要とせず、発表済み研究の集計データ（例：平均とゼロ率）のみを用いて、このバイアスを是正する手法を開発すること。
• 不適切なモデルが用いられたゼロ過剰アウトカムの研究のメタアナリシスによる結果の統合をより正確に行えるようにすること。
• データ共有制限その他の制約により元のIPDが入手不可である状況においても、メタアナリストが実用的に利用可能なソリューションを提供すること。

提案手法

• ZIBC手法は、真のデータ生成過程がZIPモデルに従うものと仮定し、ポアソン回帰とZIP回帰の推定方程式を比較することでバイアスを是正する。
• 研究水準の要約統計量（介入群および対照群におけるアウトカムの平均とゼロの割合）を用いる。
• メタアナリシスの前段階で、各研究に対して独立に補正を実施し、ポアソンモデルからの推定介入効果をZIPモデルからの推定値に一致させる。
• この手法は、一階近似に基づき、群間のゼロインフレーションの差を用いてポアソンモデルからの対数インシデントレート比を補正する。
• ポアソンモデルがZIPモデルにネストされていると仮定しており、ゼロインフレーションが存在するが無視される場合にのみ、誤指定によるバイアスが生じる。
• 標準誤差については、本研究では標準誤差の2次補正を含めていないため、元のポアソンモデルからの標準誤差をメタアナリシスでそのまま使用する。

実験結果

リサーチクエスチョン

• RQ1 集計データのみを用いて、ポアソン回帰の結果からZIPモデルの推定値を回復できるバイアス是正手法を開発できるか？
• RQ2 ゼロ過剰アウトカムをポアソン回帰で分析する場合に、ZIBC手法が介入効果推定のバイアスをどの程度低減できるか？
• RQ3 高ゼロ率や群間でのゼロインフレーションの差が顕著な場合など、どのような条件下でZIBC手法が最も有効であるか？
• RQ4 個別データが入手不可であるが、研究水準の要約統計量が入手可能な現実のメタアナリシスに、ZIBC手法を適用可能か？

主な発見

• シミュレーション研究において、ZIBC手法はゼロの割合がポアソン期待値を上回る場合に特に顕著にバイアスを低減した。
• シミュレーションでは、さまざまなゼロインフレーション状況下でも適切なカバレッジ率と第一種の誤りの制御を維持しており、ロバスト性が確認された。
• アルコール介入のメタアナリシスから得たIPDを用いた実データ例では、ZIBC補正後の推定値は元のポアソン推定値と顕著に異なっており、従来のアプローチに意味的なバイアスが存在することを示した。
• 歯科う蝕試験の発表済み集計データを用いた第二の実世界例でも、ZIBC手法は介入効果推定値を適切に是正し、標準的なメタアナリシス設定でも実用可能であることを示した。
• 介入群と対照群間のゼロ率に顕著な差がある場合に、ZIBC手法は最も効果的であり、差によるゼロインフレーションの是正に有効であることが確認された。
• 著者らは、観察されたゼロ率がポアソン期待値を上回る場合（例：ポアソン平均が3の場合に5%以上）または群間でゼロ率の有意差がある場合に、ZIBCの使用を推奨する。