[论文解读] 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 7

一句话总结

本文提出零膨胀偏差校正（ZIBC）方法，以校正随机临床试验中零膨胀计数结果的元分析中因使用泊松回归导致的干预效果估计偏差。该方法仅利用汇总的研究所级数据（特别是各组均值和零值率），对泊松回归估计值进行校正，使其近似于真实零膨胀泊松（ZIP）模型的结果，当无法获得个体水平数据时，可显著降低元分析结果中的偏差。

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.

研究动机与目标

• 解决在随机临床试验中对零膨胀计数结果使用泊松回归导致的干预效果估计偏差问题。
• 开发一种仅使用已发表研究的汇总数据（如均值和零值率）进行偏差校正的方法，无需依赖个体参与者数据（IPD）。
• 实现对使用不适当模型分析零膨胀结果的研究的元分析结果更准确的合并。
• 为元分析人员在原始IPD因数据共享限制或其他原因不可用时，提供一种实用的解决方案。

提出的方法

• ZIBC方法通过假设真实数据生成过程遵循ZIP模型，比较泊松回归与ZIP回归模型的估计方程来校正偏差。
• 使用研究所级汇总统计量：干预组和对照组的结局均值及零值比例。
• 在元分析前对每项研究独立应用校正，将估计的干预效果调整为与ZIP模型结果一致。
• 该方法基于一阶近似，利用两组间零膨胀程度的差异，对泊松模型的对数发病率比进行校正。
• 假设泊松模型嵌套于ZIP模型中，因此当存在零膨胀且未被考虑时，模型误设才会导致偏差。
• 元分析中保留原始泊松模型的标准误，因本研究未包含对标准误的二阶校正。

实验结果

研究问题

• RQ1 能否开发一种偏差校正方法，仅基于元分析中的汇总数据，从泊松模型结果中恢复ZIP模型估计值？
• RQ2 当使用泊松回归分析零膨胀结果时，ZIBC方法在减少干预效果估计偏差方面的有效性如何？
• RQ3 在何种条件下（如高零值率或组间零膨胀程度差异）ZIBC方法最为有益？
• RQ4 在原始IPD不可用但可获得研究所级汇总数据的真实世界元分析中，ZIBC方法是否可应用？

主要发现

• 在模拟研究中，ZIBC方法显著降低了干预效果估计的偏差，尤其当零值比例超过泊松分布预期值时效果更明显。
• 在模拟中，该方法保持了适当的覆盖区间率和第一类错误控制，表明在各种零膨胀情景下均具有稳健性。
• 在使用酒精干预元分析中IPD的真实数据示例中，ZIBC校正后的估计值与原始泊松估计值存在显著差异，表明传统方法存在实质性偏差。
• 在第二个真实世界示例中，使用已发表的汇总数据（来自一项龋齿试验），ZIBC方法成功校正了干预效果估计，证明其在标准元分析环境中的可行性。
• 当干预组与对照组之间零值率存在显著差异时，该方法效果最佳，证实其在处理差异性零膨胀方面的作用。
• 作者建议：当观察到的零值率超过泊松分布预期值时（例如，泊松均值为3时零值率>5%），或两组间零值率存在显著差异时，应使用ZIBC。