纳入真实世界证据于网络元分析的方法
摘要：网络荟萃分析（NMA）是全球报销机构提交申请的关键组成部分，特别是在缺乏随机对照试验（RCTs）的多种技术的直接对比证据时。许多NMA仅包括来自RCTs的数据。然而，现实世界证据（RWE）也被广泛认可为一种有价值的临床数据来源。我们研究了将RWE纳入NMA的方法以及它对效果估计不确定性的影响。 方法：通过将贝叶斯分层和功率先验模型应用于复发缓解性多发性硬化的示例，研究了一系列纳入RWE的证据综合方法。通过通过使用功率先验方法来降低这部分证据的权重来调查纳入RWE的影响。 结果：在这个示例中，纳入RWE导致了效果估计周围不确定性水平的增加，但这取决于所采用的RWE纳入方法。功率先验NMA模型导致了索拉非尼单稳定的效果估计，但随着给予RWE数据的权重增加，可信区间的宽度也增加。分层NMA模型在允许研究设计之间的异质性方面是有效的；然而，这也增加了不确定性水平。 结论：纳入RWE的功率先验方法表明，考虑RWE的程度对整体不确定性水平有重要影响。层次模型方法进一步允许容纳不同研究类型之间的差异。因此，有必要进一步研究与个体RWE研究相关的偏倚的实证证据以及从专家那里获取有关这种偏倚程度的启示方法。
作者：David Jenkins, Humaira Hussein, Reynaldo Martina, Pascale Dequen-O'Byrne, Keith R Abrams, Sylwia Bujkiewicz
论文ID：1805.06839
分类：Applications
分类简称：stat.AP
提交时间：2023-07-06