Jaka jest najlepsza metoda metaanalizy sieci?

Obecnie istnieje kilka różnych podejść do przeprowadzenia metaanalizy sieci lub porównania leczenia mieszanego.

Najczęściej używane i dostępne są prawdopodobnie następujące:

• w ramach bayesowskich :

  • podejście interakcji projektu przez leczenie w WinBUGS (np. Jackson i in. );
  • hierarchiczne modelowanie bayesowskie oparte na ramieniu w WinBUGS (np. Zhao i in. );
  • hierarchiczne modelowanie bayesowskie oparte na kontraście (tj. dzielenie węzłów), albo za pomocą WinBUGS, albo poprzez gemtci rjagsw R (np. Dias i in. lub van Valkenhoef i in. );
  • zintegrowane zagnieżdżone aproksymacje Laplace'a (INLA) w WinBUGS (np. Sauter i in. );

• w ramach częstych :

  • analiza czynnikowa wariancji w SAS (np. Piepho );
  • wielopoziomowa metaanaliza sieci w SAS (np. Greco i in. );
  • wielowymiarowa meta-regresja ze mvmetaStata lub R (np. White i wsp. );
  • Sieć meta-analiza z lmei netmetaR (np Lumley , który jest jednak ograniczony do badań dwuramienna lub Rucker i inni ).

Moje pytanie brzmi po prostu: czy są w przybliżeniu równoważne, czy jest takie, które w większości przypadków są preferowane do analizy pierwotnej (w ten sposób rezerwując inne na analizy pomocnicze)?

AKTUALIZACJA

Z biegiem czasu przeprowadzono kilka analiz porównawczych metod metaanalizy sieci:

1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. Studium przypadku Porównywanie bayesowskiego i częstego podejścia do porównań wielokrotnego leczenia. Agencja Badań i Jakości Opieki Zdrowotnej (USA). 2013.

Myślę, że podejścia do modelowania i techniki szacowania należy rozpatrywać osobno. Z punktu widzenia modelowania model Lumley działa tylko dla prób dwuramiennych. Więc nie jest to preferowane. Według mnie podejście dzielenia węzłów, które wymieniłeś jako Dias i in., Jest bardzo intuicyjne. Myślę też, że powinieneś dodać podejście interakcji projekt po leczeniu ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Z szacunkowego punktu widzenia nie wiem wiele na temat technik częstych, ale można użyć MCMC do prawie wszystkich modeli NMA. Wreszcie istnieje inna technika (niestety nie jest powszechnie znana) o nazwie INLA. Możesz używać INLA z poziomu R i pasować do modeli NMA, jest to szybsze i nie trzeba sprawdzać diagnostyki konwergencji. Oto artykuł http://www.ncbi.nlm.nih.gov/pubmed/26360927. Tak więc na koniec wolałbym dzielenie węzłów i podejście oparte na interakcji za pomocą INLA.