“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