Skip to content
検索結果に戻る

Individual Patient Data Meta-Analysis

提唱者
Cochrane Collaboration, Pioneered by Stewart & Clarke
年
1990s
種類
Method
系統
Advanced Meta-Analysis

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

Individual patient data meta-analysis (IPD-MA) は、複数のランダム化比較試験(RCT)から患者レベルの生データを取得・解析する系統的合成法であり、公表された要約統計量(集計データ)に依存する従来のメタアナリシスとは異なります。コクラン共同計画(Cochrane Collaboration)によって開拓され、Stewart、Clarke、Rileyらによって形式化されたIPD-MAは、アウトカム定義の一貫性、頑健なサブグループ解析、治療法と共変量との相互作用の検出を可能にするため、エビデンス合成のゴールドスタンダードと見なされています。時間とリソースを要しますが、IPD-MAは介入効果に関する最も信頼性の高い推定値を提供し、特にどの患者が治療から最も恩恵を受けるかを特定する上で、重要な臨床的意思決定に好まれます。

手法の背後にある直感

標準的なメタアナリシスは、公表された論文に報告されている要約結果(オッズ比、平均差など)を統合します。しかし、公表された論文は、研究者が強調することを選択したアウトカムやサブグループしか報告しておらず、異なる試験ではアウトカムやサブグループの定義が一貫しない場合があります。IPD-MAは、試験データベースから実際の患者レベルのデータを取得することで、この問題を解決します。すなわち、各患者の年齢、ベースライン特性、割り当てられた治療、およびアウトカムです。生データがあれば、研究者は(1)試験間でアウトカム定義を標準化し、(2)サブグループ解析を公平に実施し(公表されたサブグループだけでなく、全試験の特性Xを持つ患者を比較する)、(3)治療と共変量との相互作用を調査し(治療は高齢者対若年者でより効果的か?)、(4)集計レベルのメタアナリシスでは見逃される可能性のある、治療効果の差を検出することができます。IPD-MAは、プレシジョン・メディシンと治療の個別化におけるベンチマークです。

歴史学

IPD-MAは、コクラン共同計画が集計メタアナリシスの限界に対処できると認識した1990年代に出現しました。特にがんや心血管疾患における先駆的な研究は、IPD-MAがサブグループ効果を特定し、よりニュアンスのある治療ガイダンスを提供できることを示しました。2000年代のStewartとClarkeによる方法論的な研究は、IPD-MAプロトコルを標準化しました。Rileyらは、混合モデルフレームワークでIPDを処理するための統計的手法を進歩させました。主要な臨床コンソーシアム(CTG、EBCTCG)は現在、プレシジョン・メディシンの質問に取り組むメタアナリシスにおける標準としてIPD-MAを使用しています。IPDリポジトリ(Vivli、YODA Project)は、メタアナリシスのためのデータ共有を促進し、個々の試験著者への負担を軽減するために成長しました。

使うべき場面

(1)臨床的意思決定(例:新規薬剤の恩恵を受けるがん患者の特定)に、正確でサブグループ固有の治療効果の理解が不可欠な場合、(2)公表された集計レベルメタアナリシスが異質性または矛盾した結果を示し、IPD分析がメカニズムを明確化またはモデレーターを特定する可能性がある場合、(3)重要なサブグループ効果が疑われるが、試験間で一貫して報告されていない場合、(4)試験著者から合理的なデータ応答(通常は試験の50〜80%)を確保できる場合、または(5)患者レベルのデータを取得、調和、分析するためのリソース(時間、資金、データ管理の専門知識)がある場合に、IPD-MAを実施します。一般的な応用には、プレシジョン・メディシンの質問が重要な、がん試験、心血管介入、および慢性疾患管理が含まれます。データアクセスが著しく制限されている場合や、意味のあるサブグループの質問が存在しない場合は、IPD-MAを避けてください。

限界と注意点

  • 集計メタアナリシスよりも大幅に時間とリソースを要します。試験著者からのデータ取得、患者データセットのキュレーションと調和には12〜24ヶ月かかります。
  • データ利用可能性に依存します。プライバシー上の懸念、リソース不足、またはデータの損失により、試験がデータの共有を拒否する場合があります。応答がない場合、結果が偏る可能性があります(否定的な試験が共有する可能性が低い場合)。
  • 試験間でデータの品質が異なる場合があります。不完全または一貫性のない測定変数により、解析が制限されます。欠損データのパターンは試験ごとに異なり、慎重な処理が必要です。
  • 統計的複雑さが増します。複数の相互作用を持つ階層的回帰モデルの適合には統計的専門知識が必要であり、慎重に計画しないと過学習しやすいです。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 異質な試験間で標準化されたアウトカム定義と一貫したサブグループ解析を可能にし、透明性を高め、選択的報告によるバイアスを軽減します。
  • 治療と共変量との相互作用の調査を可能にし、どの患者サブグループが最も恩恵を受けるかを特定します。これはプレシジョン・メディシンと個別化された治療推奨に不可欠です。
  • すべての利用可能なデータを使用し、試験レベルのクラスタリングを補正することにより、集計メタアナリシスよりも一般的に正確な効果推定値をもたらします。
  • サブグループ効果が小さいか、一貫して報告されていない場合に、集計メタアナリシスが見逃す可能性のある差のある治療効果を検出します。
  • 試験レベルの異質性の調査を可能にします。すなわち、アウトカムのばらつきを説明する試験デザインの特徴、実施の忠実度、または患者集団の特性です。

応用

  • がん治療薬試験:複数のRCTのIPD-MAにより、どの腫瘍サブタイプ、分子マーカー、または患者年齢が新しい腫瘍治療から恩恵を受けるかを特定します。
  • 心血管介入:複数の心疾患試験からの個々の患者データを統合し、どの患者(年齢、ベースラインリスク、併存疾患別)が血管形成術対内科的治療から恩恵を受けるかを判断します。
  • 精神疾患の治療:精神療法RCTのIPD-MAにより、どの患者(症状プロファイル、年齢、併存疾患別)が認知行動療法対対人関係療法に最もよく反応するかを特定します。
  • 診断検査の精度:診断画像またはバイオマーカー研究のIPD-MAにより、異なる患者リスク層における検査精度を評価し、検査を使用する時期を絞り込みます。
  • プレシジョン・メディシン試験:複数の研究を統合するIPD-MAにより、患者と治療の相互作用を特定し、個別化医療のための治療選択アルゴリズムの開発を支援します。

使い方

使い方

1

標準的な系統的レビュープロトコルに従って包括的な系統的レビューを実施します。プロトコルをPROSPEROに登録し、PICO基準を定義し、複数のデータベースを検索し、タイトルと抄録をスクリーニングし、適格なランダム化比較試験(通常はRCT。観察研究も含まれるが、明確に区別する必要がある)を特定します。個々の患者データの提供を求めて、すべての試験著者およびデータ管理者と連絡を取ります。必要なデータ変数(ベースライン特性(年齢、性別、疾患重症度、併存疾患)、治療割り当て、プロトコル遵守、アウトカム測定(試験間で標準化されたタイミングが必要))を指定します。データ移転契約、安全なデータリポジトリ(例:暗号化された大学サーバー)、およびタイムラインを提供します。すべての試験が応答したりデータを提供したりするわけではないことを想定し、応答率と応答しない理由を記録します。試験間でデータを調和させます。変数は異なるコード(試験Aの年齢範囲対試験Bの正確な年齢)で記録されている場合があるため、一貫した変数定義を持つマスターデータセットを作成します。完全性を評価します。欠損データのパターンを特定し、補完戦略を決定します。

2

回帰モデル(連続アウトカムには線形混合モデル、二値アウトカムにはロジスティック混合モデルが最も一般的)を適合させることで、1段階メタアナリシスを実行します。このモデルには、患者特性、試験ID、治療割り当て、および関心のある相互作用が含まれます。このアプローチは、試験内の患者のクラスタリングを正しく考慮します。あるいは、まず試験ごとの解析を実施し、その後試験結果を統合する(試験間で標準化された解析を行う従来のメタアナリシスと同様)2段階法を使用します。全体および事前に指定されたサブグループ(年齢層、性別、疾患重症度)による治療効果を調べます。治療はすべての患者に等しく効果的か、それとも差があるのか?治療と共変量との相互作用を検定します。試験間の異質性を評価します。治療効果は一貫しているか、それとも試験の文脈によって大きく異なるか?異質性が高い場合は、その原因(試験デザインの特徴、患者集団、介入実施)を調査します。感度分析を実施します。小規模試験を除外する、脱落率の高い試験を除外する、または外れ値の試験を除外して頑健性を確認します。

3

患者サブグループ別に明確に層別化して結果を報告します。効果量(オッズ比、ハザード比、または平均差)と95%信用区間または信頼区間を、全体および各事前に指定されたサブグループについて示します。相互作用のp値と、共変量の範囲にわたって治療効果がどのように変化するかを示すプロットを提示します。治療効果がすべてのサブグループで同様であれば、介入が広く効果的であると結論付けます。有意な相互作用が存在する場合(例:治療が高齢者には有効だが若年者には無効、または重症疾患には有効だが軽症には無効)、これらの差のある効果を強調します。これは臨床実践に役立つ情報です。可能であれば、以前の集計レベルメタアナリシスと比較して結果を報告します。IPD-MAはしばしばより正確な推定値をもたらし、集計分析では見逃されたサブグループ効果を明らかにすることがあります。IPDを提供した試験と、応答がないために除外された試験を文書化します。除外された試験が結果を偏らせる可能性があるかどうかを評価します(例:否定的な試験がデータを共有する可能性が低い場合)。実践への影響について議論します。どのサブグループに治療を推奨するか?さらなる研究が必要な集団を強調します。全体的な効果および主要なサブグループ効果に対するエビデンスの確実性を評価するためにGRADEアプローチを使用します。

よくある落とし穴

  • 事前に指定せずに探索的なサブグループ解析を実施すること。多くのサブグループ相互作用(例:治療×年齢、治療×性別、治療×ベースライン重症度)を検定すると、偽陽性率が増加します。解析を事前登録し、多重検定のためにp値を調整します。
  • 欠損データが完全にランダムに欠損している(MCAR)と仮定し、検証しないこと。より重症の患者が欠損アウトカムデータを持つ可能性が高い場合、解析は治療効果を過大評価する可能性があります。異なる欠損データ仮定の下で感度分析を実施します。
  • 小規模サブグループにおけるサブグループ効果の過剰な解釈。サブグループに50人の患者しかいない場合、サブグループ効果推定値の周りの信用区間は広くなります。不正確な推定値に基づく強い臨床的推奨は避けてください。
  • 試験レベルのクラスタリングを無視すること。すべての患者データを独立しているかのように分析する(試験クラスタリングを考慮した混合モデルを使用しない)と、分散を過小評価し、第一種の過誤率を増加させます。

よくある質問

IPDメタアナリシスと集計(要約レベル)メタアナリシスの違いは何ですか?

集計メタアナリシスは、複数の試験からの公表された効果推定値(例:オッズ比)を統合します。IPDメタアナリシスは、生患者レベルのデータを取得し、標準化された方法で中央で再解析します。IPDは一貫したサブグループ解析と患者と治療の相互作用の探索を可能にします。集計メタアナリシスは、論文に報告されているサブグループ結果に依存しますが、これらはしばしば一貫性がなかったり、欠けていたりします。IPDはより厳密ですが、はるかに多くのリソースを必要とします。

IPDメタアナリシスで許容される欠損データの量はどのくらいですか?

患者レベルの欠損データ(例:一部の患者がアウトカム測定を欠いている)は一般的であり、補完方法で処理できます。試験レベルの欠損データ(IPDを提供しない試験全体)はより問題があります。適格な試験の60〜80%以上のIPDを目指してください。応答率を文書化し、欠損試験が体系的に異なるかどうかを評価します(例:否定的な試験が応答する可能性が低いか?)。応答率が50%未満の場合、バイアスのリスクが増加します。感度分析が不可欠になります。

IPDメタアナリシスで治療と共変量の相互作用をどのように検定しますか?

混合効果回帰モデルに相互作用項(例:治療×年齢、治療×ベースライン重症度)を含めます。相互作用項の統計的有意性を検定します。共変量層(例:年齢<65歳対≥65歳)ごとに治療効果を個別に推定します。相互作用を視覚化するために、共変量の範囲にわたる治療効果をプロットします。多重検定による偽陽性を避けるために、分析する前にどの相互作用を検定するかを事前に指定します。

IPDメタアナリシスでRCTと観察研究を組み合わせることはできますか?

はい、ただし、それらを明確に区別し、解析で研究デザインを考慮する必要があります(例:研究デザイン指標を含む混合モデルを使用)。RCTは最も強力な因果的証拠を提供します。観察研究は幅を広げますが、交絡のリスクを伴います。観察研究を別々に分析するか、感度分析でRCTと組み合わせて分析するか、または完全に除外するかを事前に指定します。研究デザインによる結果の違いを文書化します。

関連する手法

参考文献

  1. Stewart, L. A., Clarke, M. J., & Cochrane IPD Meta-analysis Methods Group. (2015). Practical methodology of meta-analyses (including IPD) of randomised trials reporting time to event data. Cochrane Database of Systematic Reviews, 2015(10), MR000027.

    出版物の文献を開く
    コピーしました。
  2. Riley, R. D., Lambert, P. C., & Abo-Zaid, G. (2010). Meta-analysis of individual participant data: rationale, conduct, and reporting. BMJ, 340, c221.

    DOI 文献を開く
    コピーしました。
  3. Higgins, P. T., & Green, S. (Eds.). (2011). Cochrane Handbook for Systematic Reviews of Interventions (Version 5.1.0). The Cochrane Collaboration.

    出版物の文献を開く
    コピーしました。