Metaanaliza. Jaki jest problem?

Slides:



Advertisements
Podobne prezentacje
Copyright © The OWASP Foundation Permission is granted to copy, distribute and/or modify this document under the terms of the OWASP License. The OWASP.
Advertisements

Automatyczne systemy transakcyjne na rynkach finansowych
Ocena dokładności i trafności prognoz
Modelowanie kursu walutowego- perspektywa krótkookresowa
Wykład 5 Standardowy błąd a odchylenie standardowe
Rekurencja 1 Podprogram lub strukturę danych nazywamy rekurencyjną, (recursive subprogram, recursive data structure) jeżeli częściowo składa się z samej.
Ludwik Antal - Numeryczna analiza pól elektromagnetycznych –W10
Nowoczesne narzędzia wykorzystywane w cyklu polityk publicznych
Analiza wariancji Marcin Zajenkowski. Badania eksperymentalne ANOVA najczęściej do eksperymentów Porównanie wyników z 2 grup lub więcej Zmienna niezależna.
Dowody Naukowe - Przeczytamy i ufamy... nie zawsze
Przewodnik. *To Err is Human: Building a Safer Health System. National Academy Press, 2001 Dlaczego DynaMed jest potrzebna? do pacjentów.
Optymalizacja własności mikrostruktury przy pomocy algorytmów genetycznych na bazie Cyfrowej Reprezentacji Materiału Autor: Daniel Musiał Promotor: dr.
Statystyka w doświadczalnictwie
Statystyka w doświadczalnictwie
hasło: student Joanna Rutkowska Aneta Arct
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Program przedmiotu “Metody statystyczne w chemii”
Modele (hipotezy) zagnieżdżone
Analiza wariancji ANOVA efekty główne
PRZEDMIOT EWALUACJI SZCZEGÓŁOWE WARUNKI I SPOSOBY OCENIANIA WEWNĄTRZSZKOLNEGO Opracowanie: mgr M. Kwartnik (koordynator), mgr B. Buzdygan, mgr.
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 4: Generowanie zdarzeń  Dr inż. Halina Tarasiuk p. 337, tnt.tele.pw.edu.pl.
S e a o f a d v e n t u r e Krok ku demokracji Bałtycki projekt młodzieżowy A Step towards Democracy Baltic Youth Project.
Doświadczalnictwo.
Średnie i miary zmienności
Analiza wariancji.
Elementy statystyki dla lekarzy Planowanie badań i zbieranie danych
Uniwersytet Przyrodniczy we Wrocławiu
Paweł Wójcik, IQS and QUANT Group
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Agenda Co to jest Scopus ? Author Identifier SCOPUS i scientometria.
Hipotezy statystyczne
Prognozowanie i symulacje
Elementy Rachunku Prawdopodobieństwa i Statystyki
Podstawy statystyki, cz. II
Analiza wariancji ANOVA czynnikowa ANOVA
Seminarium licencjackie Beata Kapuścińska
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
Jest to przykładowy slajd do wzorca: Slajd Tytułowy_01
Centralny Elektroniczny Katalog Administracji dr Marcin Kraska Konferencja „e-Usługi. Fikcja czy rzeczywistość?” Poznań, 30 września 2014 r.
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski.
Kobiety na rynku pracy.
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
Projekt „Zachodniopomorskie Obserwatorium Rynku Pracy” współfinansowany ze środków Europejskiego Funduszu Społecznego i budżetu państwa w ramach Poddziałania.
JAKOŚĆ TECHNICZNA WĘGLA
DynaMed Przewodnik.
O czym będziemy mówić? EBM – co to jest i dlaczego wszyscy o tym mówią? Baza danych – po co nam to potrzebne? Medycyna w Internecie – gdzie szukać informacji?
Evidence Based Medicine
1 O podejmowaniu decyzji klinicznych czyli zasady medycyny oparta na pewnych faktach (Evidence-based medicine, EBM) Zbigniew Gaciong.
Weryfikacja hipotez statystycznych dr hab. Mieczysław Kowerski
Psychospołeczne i kardiologiczne rezultaty jogi u pacjentów z ICD. Michał Chudzik, Katarzyna Mikinka
Testowanie hipotez Jacek Szanduła.
Europejska Akademia Pacjentów w obszarze innowacyjnych terapii Zaślepienie w badaniach klinicznych.
Szkoła Letnia, Zakopane 2006 WALIDACJA PODSTAWOWYCH METOD ANALIZY CUKRU BIAŁEGO Zakład Cukrownictwa Politechnika Łódzka Krystyna LISIK.
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Weryfikacja hipotez statystycznych „Człowiek – najlepsza inwestycja”
WYKŁAD Teoria błędów Katedra Geodezji im. K. Weigla ul. Poznańska 2
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Wnioskowanie statystyczne. Próbkowanie (sampling)
Wstęp do regresji logistycznej
Błędy i niepewności pomiarowe II
Ekonometria stosowana
Statystyka matematyczna
Dwu- vs jednojamowy kardiowerter defibrylator w prewencji pierwotnej nagłego zgonu sercowego – wyniki Rejestru Francuskiego Michał Chudzik Dual- vs. single-chamber.
Schematy badań klinicznych
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
AKTA STAŁE Wykaz aktów prawnych
Monte Carlo, bootstrap, jacknife
Zapis prezentacji:

  “More trial is needed?”   optymalizacja metod agregacji danych Jacek Walczak

Metaanaliza. Jaki jest problem? W ponad 40% przeglądów przygotowanych przez Cochrane Collaboration (w oparciu o badania RCT) konkluzja jest następująca „potrzeba więcej badań”.

Jak zidentyfikowaliśmy typowe problemy w przeglądach systematycznych? „Przegląd systematyczny dotyczący metod stosowanych w istniejących raportach HTA” Database of Reviews of Effectiveness (DARE) jako źródło informacji (przedział czasowy: styczeń 2009-marzec 2010) Reports presented in ISPOR 2010, planned publication in Biomed Central Medical research methodology Rodzaj badań włączonych Potrzeba dodatkowych badań RCT 42%

Jak zidentyfikowaliśmy typowe problemy w przeglądach systematycznych? „Mapping the Cochrane evidence for decision making in health care”. Regina P., Álvaro N. Atallah, Regis B. Andriolo Ogółem: W 96% przeglądów pojawia się informacja o potrzebie kolejnych badań Rekomendacja Potrzeba dodatkowych badań Pozytywna- 44% 43% Negatywna- 7% 5% Brak- 49% 48%

eBayesMet

Główne cele projektu Budowa platformy e-learningowej zawierającej: materiały o przeprowadzaniu meta-analiz badań bezpośrednich i analizy pośredniej z uwzględnieniem metod Bayesowskich (również pod kątem włączania badań innych niż RCT), praktyczne przykłady, przyjazne oprogramowanie obliczeniowe. Opracowanie schematu wyboru optymalnej metody statystycznej do analizy danych- Guide Publikacja artykułów z zakresu badań prowadzonych w projekcie.

Co już mamy Przegląd systematyczny metod statystycznych mogących mieć zastosowanie w meta-analizach, Bazy: MathSciNet, Medline and Cochrane Methodology Group resources, textbooks, guidelines Co zidentyfikowano: Metody bezpośrednie: Inverse Variance, Mantel-Haenszel, DerSimonian-Laird, Peto, Bayesian and Generalized Linear Mixed Models), Metody pośrednie: Bőcher, Minimal Squares, Lumley, Bayesian Mixed Treatment Comparison and Generalized Linear Mixed Models. Przegląd systematyczny metod statystycznych stosowanych obecnie w raportach HTA Bazy: DARE

Analiza wiarygodności i precyzji zidentyfikowanych metod statystycznych. Parametry oceny: Błąd systematyczny, obciążenie (bias) Różnica względna między prawdziwą wartością OR, a średnią z wartości otrzymanych w próbie losowej. Pokrycie przedziałem ufności Procent symulacji dla których przedział ufności zawiera prawdziwy OR. Istotność statystyczna Procent symulacji dla których otrzymujemy wynik istotny statystycznie we właściwym kierunku.

Co już mamy Zawartość Platformy e-learningowej w formie 3 modułów: Jak włączyć do metaanalizy badania obserwacyjne Jak połączyć wyniki badań head to head oraz analizy pośredniej Jak wybrać odpowiednią metodę do porównania bezpośredniego

Co już mamy Guide - Schemat wyboru optymalnej metody statystycznej w zależności od posiadanych danych Wstępna wersja prostego w obsłudze oprogramowania obliczeniowego Prezentacje i warsztaty na konferencjach

Przykładowe wyniki z Guida z platformy e-learningowej

Mała populacja pacjentów- przykład z platformy e-learningowej Tego raczej nie stosuj Stosuj to: Duże ryzyko wystąpienia nieuzasadnionej istotnej statystycznie różnicy Peto ! Mantel -Haenszel Bayes II Bayes Random Metoda do rzadkich zdarzeń; Bayes I √ Inverse Variance DerSimonian-Laird Błąd przy bardzo niskiej liczbie pacjentów Szerokie CI – niska precyzja

Przykłady – analiza pośrednia Przykład z przeglądu: Gabapentin Versus Tricyclic Antidepressants for Diabetic Neuropathy and Post-Herpetic Nauralgia: Discrepancies Between Direct and Indirect Meta-analyses of Randomized Controlled Trials. P – populację stanowią osoby cierpiące na ból neuropatyczny I – interwencją jest leczenie gabapentyną C – grupę kontrolną stanowią pacjenci przyjmujący antydepresanty trójcykliczne O – zmniejszenie bólu S – RCT

Przykłady – analiza pośrednia Problem: mało badań bezpośrednich (tylko jedno nowe) Rozwiązanie: wzmocnienie dowodów bezpośrednich analizą pośrednią technika metoda RR Lci Uci head-to-head (Ng=69, Nt=68) DerSimonian-Laird 0,99 0,76 1,29 indirect Bücher 0,41 0,23 0,74 mixed MTC 0,8542 0,6708 1,086