การวิเคราะห์อภิมานเครือข่าย
- ผู้เสนอ
- Lumley (2002)
- ปี
- 2002
- ประเภท
- Method
- กลุ่มวิธี
- Advanced Meta-Analysis
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิเคราะห์อภิมานเครือข่าย (NMA) เป็นระเบียบวิธีที่เป็นระบบสำหรับการเปรียบเทียบการรักษาหลายวิธีพร้อมกันภายในกรอบการวิเคราะห์เดียว โดยรวมทั้งหลักฐานโดยตรง (การทดลองแบบตัวต่อตัว) และหลักฐานโดยอ้อม (การเปรียบเทียบผ่านตัวเปรียบเทียบร่วม) NMA ได้รับการจัดรูปแบบครั้งแรกโดย Lumley ในปี 2002 ช่วยให้นักวิจัยสามารถจัดอันดับการรักษาและหาปริมาณประสิทธิผลเชิงเปรียบเทียบได้ แม้ว่าการรักษาบางคู่จะไม่เคยได้รับการศึกษาโดยตรงมาก่อน
แนวคิดเบื้องหลังวิธีการ
การวิเคราะห์อภิมานแบบจับคู่แบบดั้งเดิมจะเปรียบเทียบการรักษา A กับ B โดยใช้เฉพาะการทดลองที่ทดสอบการเปรียบเทียบนี้โดยตรง อย่างไรก็ตาม หากมีการรักษาหลายวิธีแต่มีการเปรียบเทียบโดยตรงน้อย นักวิจัยจะไม่สามารถจัดอันดับทางเลือกทั้งหมดได้ NMA แก้ปัญหานี้โดยการสร้าง 'เครือข่าย' ของหลักฐาน หากมีการทดลองสำหรับ A เทียบกับ B และ B เทียบกับ C, NMA สามารถสังเคราะห์การเปรียบเทียบโดยอ้อมของ A เทียบกับ C ผ่าน B ได้ โดยมีเงื่อนไขว่าสมมติฐานของความสอดคล้อง (transitivity) เป็นจริง ซึ่งจะจัดอันดับการรักษาทั้งหมดในมาตราส่วนเดียวและระบุว่าวิธีใดมีแนวโน้มที่จะมีประสิทธิผลมากที่สุด ทนทานที่สุด หรือคุ้มค่าที่สุด
ประวัติศาสตร์
การวิเคราะห์อภิมานเครือข่ายเกิดขึ้นในช่วงต้นทศวรรษ 2000 เมื่อวิธีการแบบเบย์เซียนและพลังการประมวลผลทำให้การสร้างแบบจำลองการเปรียบเทียบการรักษาหลายวิธีพร้อมกันเป็นไปได้ การตีพิมพ์ของ Lumley ในปี 2002 ได้จัดรูปแบบแนวทางแบบเบย์เซียนและนำเสนอกรอบความสอดคล้อง Caldwell et al. (2005) และต่อมา Dias & Ades ได้ปรับปรุงวิธีการประเมินความไม่สอดคล้อง Cochrane Collaboration ได้นำวิธีการ NMA มาใช้และเผยแพร่การทบทวน NMA ของ Cochrane หลายฉบับต่อปี การพัฒนาซอฟต์แวร์ (BUGS, WinBUGS, JAGS, Stan) และแพ็คเกจ R (netmeta, gemtc, BUGSnet) ทำให้ NMA เข้าถึงได้ง่ายขึ้นสำหรับผู้ที่ไม่ใช่ผู้เชี่ยวชาญด้านสถิติ NMA แบบต่อเนื่อง (อัปเดตอย่างต่อเนื่องเมื่อมีการตีพิมพ์การทดลองใหม่) เป็นแนวหน้าใหม่ที่กำลังเกิดขึ้น
ควรใช้เมื่อใด
ใช้ NMA เมื่อ (1) มีการรักษาหลายวิธีสำหรับภาวะเดียวกัน (2) นักวิจัยและแพทย์จำเป็นต้องจัดอันดับหรือเลือกระหว่างการรักษาเหล่านั้น (3) การทดลองแบบตัวต่อตัวโดยตรงมีน้อยหรือไม่พบสำหรับการเปรียบเทียบบางอย่าง (4) มีเครือข่ายที่เชื่อมโยงกัน (การรักษาเชื่อมโยงกันโดยตรงหรือโดยอ้อม) และ (5) คุณสามารถประเมินและให้เหตุผลสำหรับสมมติฐานของความสอดคล้อง การประยุกต์ใช้ทั่วไป ได้แก่ การเปรียบเทียบยา (ยาแก้ซึมเศร้า, ยาลดความดันโลหิต), เทคนิคการผ่าตัด, การฟื้นฟูสมรรถภาพ, และกลยุทธ์การป้องกัน NMA มีคุณค่าอย่างยิ่งในการประเมินเทคโนโลยีสุขภาพ (HTA) เพื่อแจ้งการตัดสินใจเกี่ยวกับการเบิกจ่ายสำหรับทางเลือกหลายอย่าง
ข้อจำกัดและข้อควรพิจารณา
- ต้องใช้สมมติฐานที่แข็งแกร่งของความสอดคล้อง (transitivity): คือผลกระทบของการรักษา A เทียบกับ B จะต้องเหมือนกันไม่ว่าจะใช้เส้นทางใดผ่านเครือข่าย การละเมิดจะทำให้การจัดอันดับไม่ถูกต้อง
- ผลลัพธ์ขึ้นอยู่กับฐานหลักฐาน; เครือข่ายที่เบาบางหรือกราฟย่อยที่ไม่เชื่อมโยงกันจะลดความแม่นยำและอาจนำไปสู่ค่าประมาณโดยอ้อมที่ไม่น่าเชื่อถือ
- ความซับซ้อนในการคำนวณเพิ่มขึ้นตามขนาดเครือข่าย และ NMA แบบเบย์เซียนต้องมีการระบุการแจกแจงก่อนหน้าอย่างรอบคอบ ซึ่งอาจส่งผลต่อผลลัพธ์
- สมมติว่ามีการระบุการทดลองที่มีอยู่ทั้งหมด; การศึกษาที่ขาดหายไป (โดยเฉพาะการศึกษาเชิงลบ) อาจทำให้ผลลัพธ์มีอคติผ่านผลกระทบจากการศึกษาขนาดเล็ก
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ช่วยให้สามารถจัดอันดับการรักษาทั้งหมดในมาตราส่วนประสิทธิผลเดียว แม้ว่าจะไม่มีหลักฐานการทดลองโดยตรงสำหรับบางคู่
- เพิ่มอำนาจทางสถิติโดยการดึงความแข็งแกร่งจากการเปรียบเทียบโดยอ้อม ซึ่งช่วยเพิ่มความแม่นยำของค่าประมาณ
- ให้การสังเคราะห์หลักฐานที่ครอบคลุมสำหรับการพัฒนาแนวทางและนโยบาย ลดการพึ่งพาการวิเคราะห์อภิมานแบบจับคู่ที่ไม่มีเหตุผลหรือไม่สมบูรณ์
- ระบุความไม่สอดคล้องของเครือข่ายที่อาจบ่งบอกถึงความแตกต่างกัน, อคติในการออกแบบการศึกษา, หรือตัวปรับเปลี่ยนผลกระทบที่ไม่ได้วัด
- รวมการทดลองแบบหลายกลุ่มการรักษาได้อย่างเป็นธรรมชาติ หลีกเลี่ยงความจำเป็นในการแบ่งการทดลองออกเป็นการเปรียบเทียบแบบจับคู่แยกกันโดยพลการ
การประยุกต์ใช้
- การเปรียบเทียบยาแก้ซึมเศร้า, ยาต้านโรคจิต, หรือยาประเภทอื่น ๆ หลายชนิด เพื่อจัดอันดับประสิทธิผลและความทนทานสำหรับการพัฒนาแนวทางปฏิบัติ
- การประเมินเทคนิคการผ่าตัด (เช่น วิธีการที่แตกต่างกันในการซ่อมแซมเอ็นไขว้เข่า) ซึ่งการทดลองแบบตัวต่อตัวหาได้ยาก
- การประเมินเทคโนโลยีสุขภาพ (HTA): การจัดอันดับยาต้านมะเร็งใหม่, ภูมิคุ้มกันบำบัด, หรือการรักษาสำหรับการตัดสินใจเกี่ยวกับการเบิกจ่าย
- การแทรกแซงทางพฤติกรรม: การเปรียบเทียบรูปแบบจิตบำบัด, โปรแกรมลดน้ำหนัก, หรือเครื่องมือสุขภาพดิจิทัลที่การทดลองแบบหลายกลุ่มการรักษามีจำกัด
- การฟื้นฟูสมรรถภาพและกายภาพบำบัด: การจัดอันดับโปรแกรมการออกกำลังกายหรืออุปกรณ์สำหรับการฟื้นตัวจากโรคหลอดเลือดสมอง, อาการปวดเรื้อรัง, หรือการบาดเจ็บจากการเล่นกีฬา
วิธีการทำงาน
วิธีการทำงาน
เริ่มต้นด้วยการทบทวนวรรณกรรมอย่างเป็นระบบตามมาตรฐานของการทดลองแบบสุ่มและมีกลุ่มควบคุม (หรือการออกแบบที่มีคุณภาพสูงอื่น ๆ) ที่เปรียบเทียบการรักษาคู่ใด ๆ ที่สนใจ สร้างแผนภาพเครือข่ายที่แสดงว่าการรักษาใดได้รับการเปรียบเทียบโดยตรง และมีจำนวนการทดลองเท่าใดสำหรับการเปรียบเทียบแต่ละครั้ง ตรวจสอบว่าเครือข่ายของคุณเชื่อมโยงกันหรือไม่ (การรักษาทั้งหมดเชื่อมโยงกัน ไม่ว่าจะโดยตรงหรือโดยอ้อม) และระบุคู่การรักษาที่มีหลักฐานน้อยหรือไม่พบ เตรียมชุดข้อมูลที่มีข้อมูลระดับการทดลอง: ตัวระบุการศึกษา, กลุ่มการรักษา, ขนาดตัวอย่าง, เหตุการณ์ (สำหรับผลลัพธ์แบบไบนารี) หรือค่าเฉลี่ย/ส่วนเบี่ยงเบนมาตรฐาน (สำหรับผลลัพธ์แบบต่อเนื่อง) และการวัดผลลัพธ์ สำหรับการวิเคราะห์เรขาคณิตเครือข่าย ให้ประเมินว่าเครือข่ายเป็นแบบง่าย (แต่ละการทดลองเปรียบเทียบสองกลุ่มการรักษาเท่านั้น) หรือซับซ้อน (มีการทดลองแบบหลายกลุ่มการรักษา)
ปรับใช้แบบจำลอง NMA ซึ่งส่วนใหญ่เป็นแบบจำลองลำดับชั้นแบบเบย์เซียน ที่ประมาณค่าผลกระทบของการรักษาทั้งโดยตรงและโดยอ้อมพร้อมกัน และดึงความแข็งแกร่งจากเส้นทางหลักฐานต่าง ๆ แนวคิดหลักคือการเปรียบเทียบการรักษาแบบกลุ่มต่อกลุ่มทั้งหมดได้รับการประมาณค่าจากชุดผลกระทบของการรักษาที่ใช้ร่วมกัน สำหรับผลลัพธ์แบบไบนารี ให้ประมาณค่า log odds ratios; สำหรับผลลัพธ์แบบต่อเนื่อง ให้ประมาณค่าความแตกต่างของค่าเฉลี่ย ทำการตรวจสอบความสอดคล้องโดยการเปรียบเทียบค่าประมาณของเครือข่าย (รวมเส้นทางโดยตรงและโดยอ้อม) กับค่าประมาณโดยตรงเท่านั้นสำหรับคู่การรักษาแต่ละคู่ ความไม่สอดคล้องอาจบ่งชี้ถึงความแตกต่างกัน, การปรับเปลี่ยนผลกระทบ, หรือปัญหาคุณภาพข้อมูล คำนวณ SUCRA (Surface Under the Cumulative Ranking Curve) ซึ่งเป็นอันดับตามความน่าจะเป็นสำหรับแต่ละการรักษาตั้งแต่ 0 ถึง 100 ซึ่งบ่งชี้ตำแหน่งในการจัดอันดับประสิทธิผล ทำการวิเคราะห์ความไวโดยการไม่รวมการศึกษาขนาดเล็ก/ความเสี่ยงสูง, จำกัดเฉพาะประชากรที่เฉพาะเจาะจง, หรือสมมติโครงสร้างความแตกต่างกันที่แตกต่างกัน
รายงานตารางลีก (เมทริกซ์ที่แสดงการเปรียบเทียบแบบจับคู่) และแผนภูมิการจัดอันดับ (ค่าเฉลี่ย SUCRA พร้อมช่วงความเชื่อถือได้สำหรับแต่ละการรักษา) ตีความ SUCRA อย่างระมัดระวัง: การรักษาที่มี SUCRA สูงอาจเป็นวิธีที่ดีที่สุด แต่ช่วงความเชื่อถือได้รอบอันดับจะหาปริมาณความไม่แน่นอน – ช่วงที่ทับซ้อนกันหมายความว่าไม่สามารถแยกแยะการรักษาได้อย่างชัดเจน หากความสอดคล้องถูกละเมิด (เช่น ค่าประมาณโดยตรงและโดยอ้อมแตกต่างกันอย่างมีนัยสำคัญ) ให้รายงานทั้งสองและตรวจสอบสาเหตุ (ผลกระทบของกลุ่มย่อย, ความแตกต่างทางระเบียบวิธี, อคติจากการศึกษาขนาดเล็ก) สื่อสารว่าค่าประมาณของ NMA ขึ้นอยู่กับ transitivity: พวกเขาสมมติว่าลักษณะพื้นฐานและตัวปรับเปลี่ยนผลกระทบมีความสมดุลทั่วทั้งเครือข่าย เน้นว่าคู่การรักษาใดมีหลักฐานโดยตรงเทียบกับที่พึ่งพาการอนุมานโดยอ้อมอย่างมาก สำหรับการประยุกต์ใช้ทางคลินิก ให้สมดุลอันดับกับขนาดผลกระทัพธ์สัมบูรณ์และโปรไฟล์ผลข้างเคียง
ข้อผิดพลาดที่พบบ่อย
- การตีความ SUCRA ว่าเป็นความน่าจะเป็นสัมบูรณ์ของการเหนือกว่า แทนที่จะเป็นอันดับสัมพัทธ์ภายในเครือข่ายการศึกษา SUCRA 75% ไม่ได้หมายความว่ามีโอกาส 75% ที่จะเป็นสิ่งที่ดีที่สุด; มันสะท้อนตำแหน่งการจัดอันดับ และความไม่แน่นอนอาจสูง
- การสมมติความสอดคล้องโดยไม่มีการทดสอบ ควรตรวจสอบความสอดคล้องอย่างชัดเจนเสมอผ่านแผนภูมิความสอดคล้องหรือแบบจำลองที่อนุญาตให้มีพารามิเตอร์ความไม่สอดคล้อง
- การใช้ NMA กับเครือข่ายที่มีการเปรียบเทียบที่เบาบางมาก (เช่น มีการทดลองเพียงหนึ่งหรือสองครั้งต่อขอบ) ค่าประมาณโดยอ้อมจะไม่น่าเชื่อถือ; ควรรายงานด้วยความระมัดระวังที่เหมาะสม
- การละเลยหลักฐานกลุ่มย่อยหรือเมตา-รีเกรสชันที่บ่งชี้ว่าผลกระทบของการรักษาแตกต่างกันไปในแต่ละประชากร หากความสอดคล้องถูกละเมิด อาจจำเป็นต้องใช้ NMA แบบแบ่งชั้น
คำถามที่พบบ่อย
ความแตกต่างระหว่างการเปรียบเทียบโดยตรงและโดยอ้อมคืออะไร?
การเปรียบเทียบโดยตรงมาจากการทดลองที่สุ่มผู้ป่วยให้ได้รับการรักษา A และการรักษา B ภายในกรอบการทดลองเดียวกัน การเปรียบเทียบโดยอ้อมอนุมานจากเครือข่าย: หาก A ถูกเปรียบเทียบกับ C ในการทดลองที่ 1 และ B ถูกเปรียบเทียบกับ C ในการทดลองที่ 2 เราสามารถเปรียบเทียบ A กับ B โดยอ้อมผ่านผลกระทบของพวกเขาสัมพัทธ์กับ C (ตัวเปรียบเทียบร่วม) NMA สังเคราะห์ทั้งสองประเภท
สมมติฐานความสอดคล้องคืออะไร และจะเกิดอะไรขึ้นหากถูกละเมิด?
ความสอดคล้อง (transitivity) สมมติว่าผลกระทบสัมพัทธ์ของ A เทียบกับ B จะเหมือนกันไม่ว่าจะใช้เส้นทางใดผ่านเครือข่าย หาก A ดีกว่า C ในการทดลองกับผู้ป่วยอายุน้อย แต่ C ดีกว่า A ในการทดลองกับผู้ป่วยสูงอายุ เครือข่ายจะไม่สอดคล้องกัน การละเมิดบ่งชี้ว่าประชากรผู้ป่วยหรือการออกแบบการศึกษาแตกต่างกันอย่างมีนัยสำคัญ ตรวจสอบความสอดคล้องโดยใช้แผนภูมิความสอดคล้องหรือโดยการปรับใช้แบบจำลองที่มีพารามิเตอร์ความไม่สอดคล้อง หากถูกละเมิด ให้ตรวจสอบสาเหตุและพิจารณา NMA แบบแบ่งชั้นหรือกลุ่มย่อย
ฉันจะตีความ SUCRA ได้อย่างไร และ SUCRA ที่สูงหมายความว่าการรักษานั้นดีที่สุดอย่างแน่นอนหรือไม่?
SUCRA คือความน่าจะเป็นสะสมของการเป็นสิ่งที่ดีที่สุด, ดีที่สุดอันดับสอง, ฯลฯ, ตลอดการแจกแจงภายหลัง SUCRA 90% หมายความว่า ตลอดตัวอย่างภายหลัง การรักษานั้นอยู่ในอันดับที่ดีที่สุดประมาณ 90% ของเวลา อย่างไรก็ตาม นี่ไม่ได้หมายความว่ามันดีที่สุดอย่างแน่นอนในการปฏิบัติจริง ควรตรวจสอบช่วงความเชื่อถือได้รอบค่าประมาณจุดและอันดับเสมอ หากการรักษาสองวิธีมีช่วงความเชื่อถือได้ที่ทับซ้อนกันหรือค่า SUCRA ที่คล้ายกัน พวกมันจะไม่แตกต่างกันอย่างชัดเจน SUCRA มีประโยชน์สำหรับการจัดอันดับ แต่ต้องจับคู่กับการตีความขนาดผลกระทบสัมบูรณ์
เมื่อใดที่ไม่ควรใช้ NMA?
หลีกเลี่ยง NMA หาก (1) เครือข่ายไม่เชื่อมโยงกัน (การรักษาบางอย่างไม่เชื่อมโยงกัน ไม่ว่าจะโดยตรงหรือโดยอ้อม) (2) หลักฐานบ่งชี้การละเมิดความสอดคล้องอย่างรุนแรง (เช่น ประชากรผู้ป่วยที่แตกต่างกันหรือการออกแบบการศึกษาที่แตกต่างกันอย่างมาก) (3) ความแตกต่างกันสูงมากและไม่สามารถอธิบายได้ (อาจบ่งชี้ถึงสมมติฐานความสอดคล้องที่ถูกละเมิด) หรือ (4) เครือข่ายเบาบางมาก (มีการทดลองเพียงหนึ่งหรือสองครั้งต่อการเปรียบเทียบ) และค่าประมาณโดยอ้อมจึงมีความไม่แน่นอนสูงมาก
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Lumley, T. (2002). Network meta-analysis for indirect treatment comparisons. Statistics in Medicine, 21(16), 2313–2324.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วBucher, 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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วDias, 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.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว