الانتقال إلى المحتوى
العودة إلى نتائج البحث

التحليل التلوي الشبكي

قدّمه
Lumley (2002)
السنة
2002
النوع
Method
العائلة
Advanced Meta-Analysis

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

التحليل التلوي الشبكي (NMA) هو طريقة منهجية لمقارنة تدخلات متعددة في وقت واحد ضمن إطار تحليلي واحد، يدمج كلاً من الأدلة المباشرة (تجارب المواجهة المباشرة) والأدلة غير المباشرة (المقارنات عبر مقارنات مشتركة). تم إضفاء الطابع الرسمي عليه لأول مرة بواسطة لوملي في عام 2002، ويسمح التحليل التلوي الشبكي للباحثين بترتيب العلاجات وقياس فعاليتها النسبية حتى عندما لم تتم دراسة بعض أزواج العلاجات بشكل مباشر.

الفكرة الحدسية وراء الطريقة

يقارن التحليل التلوي التقليدي المزدوج العلاج أ مقابل ب باستخدام التجارب التي اختبرت هذه المقارنة مباشرة فقط. ومع ذلك، إذا كانت هناك تدخلات عديدة ولكن مقارنات مباشرة قليلة، فلا يمكن للباحثين ترتيب جميع الخيارات. يحل التحليل التلوي الشبكي هذه المشكلة عن طريق إنشاء 'شبكة' من الأدلة - إذا كانت هناك تجارب للعلاج أ مقابل ب، وب مقابل ج، يمكن للتحليل التلوي الشبكي توليف مقارنة غير مباشرة للعلاج أ مقابل ج عبر ب، شريطة أن يكون افتراض الاتساق (التبادلية) صحيحًا. هذا يرتب جميع العلاجات على مقياس واحد ويحدد أيها من المحتمل أن يكون الأكثر فعالية أو تحملًا أو فعالية من حيث التكلفة.

التاريخ

ظهر التحليل التلوي الشبكي في أوائل العقد الأول من القرن الحادي والعشرين مع جعل الأساليب البايزية وقوة الحوسبة نمذجة متزامنة لمقارنات العلاج المتعددة ممكنة. قام منشور لوملي لعام 2002 بإضفاء الطابع الرسمي على النهج البايزي وقدم إطار الاتساق. قام كالدويل وآخرون (2005) ولاحقًا دياز وأديس بتحسين أساليب تقييم عدم الاتساق. اعتمدت تعاونية كوكرين أساليب التحليل التلوي الشبكي وتنشر الآن العديد من مراجعات كوكرين للتحليل التلوي الشبكي سنويًا. أدى تطوير البرامج (BUGS، WinBUGS، JAGS، Stan) وحزم R (netmeta، gemtc، BUGSnet) إلى جعل التحليل التلوي الشبكي متاحًا خارج نطاق الإحصائيين المتخصصين. التحليل التلوي الشبكي الحي (المحدث باستمرار مع نشر تجارب جديدة) هو مجال ناشئ.

متى تُستخدم

استخدم التحليل التلوي الشبكي عندما (1) توجد تدخلات متعددة لنفس الحالة، (2) يحتاج الباحثون والأطباء إلى ترتيبها أو الاختيار بينها، (3) تكون تجارب المواجهة المباشرة متفرقة أو غائبة لبعض المقارنات، (4) توجد شبكة متصلة (العلاجات مرتبطة بشكل مباشر أو غير مباشر)، و (5) يمكنك تقييم وتبرير افتراض الاتساق. تشمل التطبيقات الشائعة مقارنات الأدوية (مضادات الاكتئاب، خافضات ضغط الدم)، تقنيات الجراحة، تدخلات إعادة التأهيل، واستراتيجيات الوقاية. التحليل التلوي الشبكي ذو قيمة خاصة في تقييم تكنولوجيا الرعاية الصحية (HTA) لإبلاغ قرارات السداد عبر خيارات متعددة.

الحدود والاعتبارات

  • يتطلب افتراضًا قويًا للاتساق (التبادلية): أن تأثيرات العلاج قابلة للمقارنة عبر مجموعات سكانية مختلفة وسياقات مختلفة. الانتهاك يبطل الترتيب.
  • تعتمد النتائج على قاعدة الأدلة؛ الشبكات المتفرقة أو الرسوم البيانية الفرعية غير المتصلة تقلل الدقة وقد تؤدي إلى تقديرات غير موثوقة غير مباشرة.
  • تزداد التعقيدات الحسابية مع حجم الشبكة، ويتطلب التحليل التلوي الشبكي البايزي تحديدًا دقيقًا للتوزيعات المسبقة، والتي يمكن أن تؤثر على النتائج.
  • يفترض أن جميع التجارب المتاحة تم تحديدها؛ الدراسات المفقودة (خاصة السلبية) يمكن أن تحيز النتائج عبر تأثيرات الدراسات الصغيرة.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يمكّن من ترتيب جميع العلاجات على مقياس فعالية واحد، حتى في حالة غياب أدلة تجريبية مباشرة لبعض الأزواج.
  • يزيد من القوة الإحصائية عن طريق استعارة القوة من المقارنات غير المباشرة، مما يحسن دقة التقديرات.
  • يوفر توليفًا شاملاً للأدلة لتطوير المبادئ التوجيهية والسياسات، مما يقلل الاعتماد على التحليلات التلوية المزدوجة الاعتباطية أو غير المكتملة.
  • يحدد عدم اتساق الشبكة الذي قد يشير إلى التباين، أو تحيز تصميم الدراسة، أو معدلات التأثير غير المقاسة.
  • يدمج التجارب متعددة الأذرع بشكل طبيعي، مما يلغي الحاجة إلى تقسيم التجارب بشكل اعتباطي إلى مقارنات زوجية منفصلة.

التطبيقات

  • مقارنة مضادات الاكتئاب المتعددة، أو مضادات الذهان، أو فئات الأدوية الأخرى لترتيب الفعالية والتحمل لتطوير المبادئ التوجيهية.
  • تقييم تقنيات الجراحة (على سبيل المثال، مناهج مختلفة لإصلاح أربطة الركبة) حيث تكون التجارب المباشرة نادرة.
  • تقييم تكنولوجيا الرعاية الصحية (HTA): ترتيب أدوية الأورام الجديدة، أو العلاجات المناعية، أو التدخلات لقرارات السداد.
  • التدخلات السلوكية: مقارنة نماذج العلاج النفسي، أو برامج إنقاص الوزن، أو أدوات الصحة الرقمية حيث تكون التجارب متعددة الأذرع محدودة.
  • إعادة التأهيل والعلاج الطبيعي: ترتيب بروتوكولات التمارين أو الأجهزة لاستعادة وظائف ما بعد السكتة الدماغية، أو الألم المزمن، أو إصابات الرياضة.

كيف يعمل

كيف يعمل

1

ابدأ بإجراء مراجعة منهجية قياسية للتجارب المعشاة ذات الشواهد (أو تصميمات عالية الجودة أخرى) تقارن أي زوج من التدخلات ذات الأهمية. قم بإنشاء رسم بياني للشبكة يوضح العلاجات التي تمت مقارنتها مباشرة وعدد التجارب الموجودة لكل مقارنة. تحقق مما إذا كانت شبكتك متصلة (جميع العلاجات مرتبطة، بشكل مباشر أو غير مباشر) وحدد أزواج العلاجات ذات الأدلة المتفرقة أو الغائبة. قم بإعداد مجموعة بيانات تحتوي على بيانات على مستوى التجربة: معرفات الدراسة، الأذرع، أحجام العينات، الأحداث (للنتائج الثنائية) أو المتوسطات/الانحرافات المعيارية (للنتائج المستمرة)، وقياسات النتائج. لتحليل هندسة الشبكة، قم بتقييم ما إذا كانت الشبكة بسيطة (كل تجربة تقارن ذراعين بالضبط) أو معقدة (تجارب متعددة الأذرع موجودة).

2

قم بتطبيق نموذج تحليل تلوي شبكي - الأكثر شيوعًا هو النموذج الهرمي البايزي - الذي يقدر التأثيرات المباشرة وغير المباشرة للعلاج في وقت واحد ويستعير القوة عبر مسارات الأدلة. الفكرة الأساسية هي أن جميع مقارنات العلاج من ذراع إلى ذراع تقدر من مجموعة مشتركة من تأثيرات العلاج. بالنسبة للنتائج الثنائية، قم بتقدير نسب الأرجحية اللوغاريتمية؛ بالنسبة للنتائج المستمرة، قم بتقدير فروق المتوسطات. قم بإجراء فحص الاتساق عن طريق مقارنة تقدير الشبكة (الذي يجمع المسارات المباشرة وغير المباشرة) مع التقدير المباشر فقط لكل زوج علاجي. قد تشير عدم الاتساق إلى التباين، أو تعديل التأثير، أو مشكلات جودة البيانات. احسب SUCRA (المساحة تحت منحنى الترتيب التراكمي) - ترتيب احتمالي لكل علاج من 0 إلى 100، يشير إلى الموضع في ترتيب الفعالية. قم بإجراء تحليلات الحساسية عن طريق استبعاد الدراسات الصغيرة/عالية المخاطر، أو تقييدها على مجموعات سكانية محددة، أو افتراض هياكل تباين مختلفة.

3

قم بالإبلاغ عن جداول الدوري (مصفوفات تعرض مقارنات زوجية) ورسوم بيانية للترتيب (متوسط SUCRA مع فترات مصداقية لكل علاج). فسر SUCRA بحذر: العلاج ذو SUCRA المرتفع هو الأفضل على الأرجح، ولكن فترات المصداقية حول الرتب تقيس عدم اليقين - الفترات المتداخلة تعني أنه لا يمكن تمييز العلاجات بوضوح. إذا تم انتهاك الاتساق (على سبيل المثال، تباعد التقديرات المباشرة وغير المباشرة بشكل كبير)، قم بالإبلاغ عن كليهما وتحقق من الأسباب (تأثيرات المجموعات الفرعية، الاختلافات المنهجية، تحيز الدراسات الصغيرة). قم بتوصيل أن تقديرات التحليل التلوي الشبكي مشروطة بالتبادلية: تفترض أن خصائص خط الأساس ومعدلات التأثير متوازنة عبر الشبكة. سلط الضوء على أزواج العلاجات التي لديها أدلة مباشرة مقابل تلك التي تعتمد بشكل كبير على الاستدلال غير المباشر. للتطبيق السريري، وازن بين الترتيب وأحجام التأثير المطلقة وملفات الآثار الجانبية.

الأخطاء الشائعة

  • تفسير SUCRA كاحتمال مطلق للتفوق بدلاً من الترتيب النسبي داخل شبكة الدراسة. SUCRA 75% لا يعني فرصة 75% لكونه الأفضل؛ بل يعكس موضع الترتيب، وقد يكون عدم اليقين مرتفعًا.
  • افتراض الاتساق دون اختباره. تحقق دائمًا من الاتساق صراحةً عبر رسوم بيانية للاتساق أو نماذج تسمح بمعلمات عدم الاتساق.
  • تطبيق التحليل التلوي الشبكي على شبكات ذات مقارنات متفرقة جدًا (على سبيل المثال، تجربة واحدة فقط لكل حافة). تصبح التقديرات غير المباشرة غير موثوقة؛ قم بالإبلاغ عنها بحذر مناسب.
  • تجاهل أدلة المجموعات الفرعية أو التحليل التلوي الميتا التي تشير إلى اختلاف تأثيرات العلاج عبر المجموعات السكانية. إذا تم انتهاك الاتساق، فقد تكون هناك حاجة إلى تحليل تلوي شبكي مقسم أو مجموعات فرعية.

الأسئلة الشائعة

ما هو الفرق بين المقارنات المباشرة وغير المباشرة؟

تأتي المقارنة المباشرة من تجارب قامت بتعيين المرضى عشوائيًا للعلاج أ والعلاج ب في نفس التجربة. يتم استنتاج مقارنة غير مباشرة من شبكة: إذا تمت مقارنة أ مع ج في التجربة 1 وتمت مقارنة ب مع ج في التجربة 2، يمكننا مقارنة أ مقابل ب بشكل غير مباشر من خلال تأثيراتهما بالنسبة لـ ج (المقارن المشترك). يدمج التحليل التلوي الشبكي كلا النوعين.

ما هو افتراض الاتساق، وماذا يحدث إذا تم انتهاكه؟

يفترض الاتساق (التبادلية) أن التأثير النسبي لـ أ مقابل ب هو نفسه بغض النظر عن المسار الذي تسلكه عبر الشبكة. إذا كان أ أفضل من ج في التجارب مع المرضى الشباب ولكن ج أفضل من أ في التجارب مع المرضى المسنين، فإن الشبكة غير متسقة. تشير الانتهاكات إلى أن مجموعات المرضى أو تصميمات الدراسة تختلف بشكل كبير. تحقق من الاتساق باستخدام رسوم بيانية للاتساق أو عن طريق تطبيق نموذج بمعلمات عدم الاتساق. إذا تم انتهاكه، تحقق من الأسباب وفكر في تحليل تلوي شبكي مقسم أو مجموعات فرعية.

كيف أفسر SUCRA، وهل يعني SUCRA المرتفع أن العلاج هو الأفضل بالتأكيد؟

SUCRA هو الاحتمال التراكمي لكونه الأفضل، أو الثاني الأفضل، وما إلى ذلك، عبر التوزيع اللاحق. SUCRA 90% يعني، عبر العينات اللاحقة، أن العلاج يحتل المرتبة الأولى حوالي 90% من الوقت. ومع ذلك، هذا لا يعني أنه الأفضل بشكل قاطع في الممارسة العملية. افحص دائمًا فترات المصداقية حول التقديرات النقطية والرتب. إذا كان هناك فترات مصداقية متداخلة أو قيم SUCRA متشابهة لعلاجين، فإنهما ليسا مختلفين بوضوح. SUCRA مفيد للترتيب ولكنه يجب أن يقترن بتفسير حجم التأثير المطلق.

متى لا يكون التحليل التلوي الشبكي مناسبًا؟

تجنب التحليل التلوي الشبكي إذا (1) كانت الشبكة غير متصلة (بعض العلاجات غير مرتبطة، بشكل مباشر أو غير مباشر)، (2) تشير الأدلة إلى انتهاكات قوية للاتساق (على سبيل المثال، مجموعات سكانية مختلفة أو تصميمات دراسات مختلفة بشكل كبير)، (3) التباين مرتفع جدًا ولا يمكن تفسيره (قد يشير إلى انتهاك افتراض الاتساق)، أو (4) الشبكة متفرقة جدًا (تجربة واحدة أو اثنتين فقط لكل مقارنة) وبالتالي فإن التقديرات غير المباشرة غير موثوقة للغاية.

طرق ذات صلة

المصادر

  1. Lumley, T. (2002). Network meta-analysis for indirect treatment comparisons. Statistics in Medicine, 21(16), 2313–2324.

    افتح مرجع DOI
    تم النسخ.
  2. Bucher, H. C., Guyatt, G. H., Griffith, L. E., & Walter, S. D. (1997). The results of direct and indirect treatment comparisons in meta-analysis of randomized controlled trials. Journal of Clinical Epidemiology, 50(6), 683–691.

    افتح مرجع DOI
    تم النسخ.
  3. Dias, S., Welton, N. J., Caldwell, D. M., & Ades, A. E. (2010). Checking consistency in mixed treatment comparison meta-analysis. Statistics in Medicine, 29(7–8), 932–944.

    افتح مرجع DOI
    تم النسخ.