评估治疗效应修饰因素中的多个协变量使用：个体参与者数据荟萃分析的方法学综述
摘要：个体参与者数据(IPD)的随机试验的元分析被认为是评估个体水平治疗效果修饰变量可靠的方法，但可能没有充分利用可用的数据。传统上，逐个探索效果修饰因子是每个协变量，这可能导致治疗-协变量相互作用的证据可能是由于不同的、相关的协变量的混杂引起的。我们的目标是评估个体参与者数据元分析中估计治疗-协变量相互作用时的目前做法，特别关注模型中是否涉及额外的协变量。我们回顾了100个随机试验的个体参与者数据元分析，这些元分析发表在2015年至2020年之间，评估了至少一种治疗-协变量相互作用。我们确定了处理额外协变量的四种方法：(1) 单一相互作用模型(未调整)：不包括额外协变量(57/100个研究)；(2) 单一相互作用模型(调整)：调整至少一个额外协变量的主效应(35/100)；(3) 多重相互作用模型：调整至少一种治疗和额外协变量之间的二阶交互作用(3/100)；以及(4) 三阶交互作用模型：治疗、额外协变量和潜在效应修饰因子之间形成的三阶交互作用(5/100)。个体参与者数据没有被充分利用。在一个示例数据集中，我们展示了这些方法如何导致不同的结论。研究人员在估计个体参与者数据元分析中的相互作用时应该调整额外的协变量，前提是他们已经调整了主效应，这已经被广泛推荐。此外，他们应该考虑是否更复杂的方法可以更好地提供关于谁可能最从治疗中受益的信息，从而改善患者选择和治疗政策和实践。
作者：Peter J Godolphin, Nadine Marlin, Chantelle Cornett, David J Fisher, Jayne F Tierney, Ian R White, Ewelina Rogozi''nska
论文ID：2302.12801
分类：Applications
分类简称：stat.AP
提交时间：2023-02-27