नेटवर्क मेटा-विश्लेषण के लिए सबसे अच्छी विधि कौन सी है?

Question

नेटवर्क मेटा-विश्लेषण या मिश्रित उपचार तुलना करने के लिए अब कई अलग-अलग दृष्टिकोण हैं।

सबसे अधिक इस्तेमाल किया और सुलभ वाले शायद निम्नलिखित हैं:

• एक बायेशियन ढांचे में :

  • WinBUGS (जैसे जैक्सन एट अल ) में डिज़ाइन-बाय-ट्रीटमेंट इंटरैक्शन दृष्टिकोण ;
  • WinBUGS (जैसे झाओ एट अल ) में पदानुक्रमित हाथ आधारित बेयसियन मॉडलिंग ;
  • श्रेणीबद्ध विपरीत आधारित (यानी नोड बंटवारे) बायेसियन मॉडलिंग, या तो WinBUGS के साथ या के माध्यम से gemtcऔर rjagsआर में (उदाहरण के लिए डायस एट अल या वैन Valkenhoef एट अल );
  • WinBUGS (जैसे Sauter et al ) में एकीकृत नेस्टेड लाप्लास सन्निकटन (INLA );

• लगातार ढांचे में :

  • एसएएस (जैसे पाईफो ) में तथ्यात्मक विश्लेषण-का-विचरण ;
  • एसएएस में बहुस्तरीय नेटवर्क मेटा-विश्लेषण (जैसे ग्रीको एट अल );
  • mvmetaStata या R (जैसे व्हाइट एट अल ) के साथ बहुभिन्नरूपी मेटा-प्रतिगमन ;
  • नेटवर्क मेटा-विश्लेषण के साथ lmeऔर netmetaआर में (जैसे लुमली , जो हालांकि दो-हाथ परीक्षणों, या रकर एट अल तक सीमित है )।

मेरा सवाल है, बस: क्या वे लगभग बराबर हैं या क्या कोई ऐसा है जो प्राथमिक विश्लेषण के लिए ज्यादातर मामलों में बेहतर है (इस तरह दूसरों के लिए सहायक हैं)?

अपडेट करें

समय के साथ, नेटवर्क मेटा-विश्लेषण के तरीकों पर कुछ तुलनात्मक विश्लेषण हुए हैं:

1. कार्लिन बीपी, हांग एच, शामलीयन टीए, सैनाफोर्ट एफ, केन आरएल। केस स्टडी कम्पेयरिंग बायेसियन और फ़्रीक्वेंटिस्ट अपीयरेंस फॉर मल्टीपल ट्रीटमेंट कम्पेरिजन। हेल्थकेयर रिसर्च एंड क्वालिटी (यूएस) के लिए एजेंसी। 2013।

Answer 1

मुझे लगता है, मॉडलिंग दृष्टिकोण और अनुमान तकनीकों को अलग-अलग देखा जाना चाहिए। मॉडलिंग के दृष्टिकोण से, लुमली मॉडल केवल दो-हाथ परीक्षणों के लिए ही काम करता है। तो यह बेहतर नहीं है। मेरी समझ से, नोड-विभाजन दृष्टिकोण, जिसे आपने डायस एट अल के रूप में सूचीबद्ध किया है, बहुत सहज है। इसके अलावा, मुझे लगता है कि आपको डिज़ाइन-बाय-ट्रीटमेंट इंटरैक्शन दृष्टिकोण ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ) जोड़ना चाहिए । अनुमान के दृष्टिकोण से, मैं लगातार तकनीकों के बारे में ज्यादा नहीं जानता, लेकिन कोई NMA के लिए लगभग सभी मॉडलों के लिए MCMC का उपयोग कर सकता है। अंत में, एक अलग तकनीक है (जो व्यापक रूप से दुर्भाग्य से ज्ञात नहीं है) जिसे INLA कहा जाता है। आप INLA को R और फिट NMA मॉडल में से उपयोग कर सकते हैं, यह तेज़ है और अभिसरण निदान की जाँच करने की आवश्यकता नहीं है। यहां पर पेपर http://www.ncbi.nlm.nih.gov/pubmed/26360927 है। इसलिए, अंत में मैं नोड-विभाजन और INLA का उपयोग करके डिज़ाइन-बाय-ट्रीटमेंट इंटरैक्शन दृष्टिकोण पसंद करूंगा।

Comments

आप पूछ रहे हैं कि कौन सा बेहतर है: बायेसियन या लगातार। लेकिन वे दो अलग-अलग प्रतिमान हैं। और यह भी नेटवर्क मेटा-विश्लेषण से परे है, यह एक सामान्य सांख्यिकीय अनुमान है (या शायद दार्शनिक भी)। इसलिए मुझे नहीं लगता कि NMA के संदर्भ में बायेसियन और अक्सरवादी दृष्टिकोणों की तुलना करना उचित है।

— बुरक

आपके दृष्टिकोण के लिए धन्यवाद। बेशक मुख्य पृष्ठभूमि और अंतर्निहित अंतर हैं, लेकिन मेरा सवाल बहुत व्यावहारिक है। यदि मुझे एक जूनियर शोधकर्ता की सिफारिश करनी है, जो कि NMA के लिए सबसे अच्छा तरीका है, तो मुझे क्या चुनना चाहिए? इसका मतलब यह हो सकता है कि बायेसियन और

— लगातारवादी