GRADE指南:使用 GRADE 方法评估网络荟萃分析的确定性:避免在稀疏网络中对不精确性做出虚假判断

2021-11-11 GRADE工作组 GRADE工作组 发表于上海

当治疗效果的直接和间接估计值一致时,网络荟萃分析 (NMA) 估计值应该具有更高的精度(与仅依赖直接估计值相比,置信区间或可信区间更窄),这是 NMA 的一个优点。

中文标题:

GRADE指南:使用 GRADE 方法评估网络荟萃分析的确定性:避免在稀疏网络中对不精确性做出虚假判断

英文标题:

GRADE approach to rate the certainty from a network meta-analysis: avoiding spurious judgments of imprecision in sparse networks

发布机构:

GRADE工作组

发布日期:

2021-11-11

简要介绍:

当治疗效果的直接和间接估计值一致时,网络荟萃分析 (NMA) 估计值应该具有更高的精度(与仅依赖直接估计值相比,置信区间或可信区间更窄),这是 NMA 的一个优点。然而,我们观察到在稀疏网络中,结合直接和间接估计值会导致置信区间显著扩大。在许多情况下,假设整个网络存在共同的研究间异质性似乎是造成这种违反直觉的结果的原因。尽管在许多情况下,假设成对比较之间存在共同的研究间异质性可能并不合适,但它是确保估计 NMA 治疗效果的可行性所必需的。在稀疏网络中尤其如此,因为数据不足以可靠地估计整个网络的不同方差。然而,结果可能是网络中某些比较的置信区间过宽(并且,在“建议评估、制定和评估”方法中,由于严重不精确而导致证据确定性的评级过低)。系统评价者应该意识到这个问题,并计划进行敏感性分析,以产生直观合理的置信区间。这些敏感性分析可能包括在贝叶斯框架中使用研究间异质性参数的信息先验和使用固定效应模型。

相关资料下载:
[AttachmentFileName(sort=1, fileName=1-s2.0-S0895435618304979-main (1).pdf)] GetToolGuiderByIdResponse(projectId=1, id=58eee1c00a02833b, title=GRADE指南:使用 GRADE 方法评估网络荟萃分析的确定性:避免在稀疏网络中对不精确性做出虚假判断, enTitle=GRADE approach to rate the certainty from a network meta-analysis: avoiding spurious judgments of imprecision in sparse networks, guiderFrom=GRADE工作组, authorId=0, author=, summary=当治疗效果的直接和间接估计值一致时,网络荟萃分析 (NMA) 估计值应该具有更高的精度(与仅依赖直接估计值相比,置信区间或可信区间更窄),这是 NMA 的一个优点。, cover=https://img.medsci.cn/20241106/1730859097044_8538692.png, journalId=0, articlesId=null, associationId=1426, associationName=GRADE工作组, associationIntro=GRADE Working Group, copyright=0, guiderPublishedTime=Thu Nov 11 00:00:00 CST 2021, originalUrl=, linkOutUrl=, content=<p>当治疗效果的直接和间接估计值一致时,网络荟萃分析 (NMA) 估计值应该具有更高的精度(与仅依赖直接估计值相比,置信区间或可信区间更窄),这是 NMA 的一个优点。然而,我们观察到在稀疏网络中,结合直接和间接估计值会导致置信区间显著扩大。在许多情况下,假设整个网络存在共同的研究间异质性似乎是造成这种违反直觉的结果的原因。尽管在许多情况下,假设成对比较之间存在共同的研究间异质性可能并不合适,但它是确保估计 NMA 治疗效果的可行性所必需的。在稀疏网络中尤其如此,因为数据不足以可靠地估计整个网络的不同方差。然而,结果可能是网络中某些比较的置信区间过宽(并且,在&ldquo;建议评估、制定和评估&rdquo;方法中,由于严重不精确而导致证据确定性的评级过低)。系统评价者应该意识到这个问题,并计划进行敏感性分析,以产生直观合理的置信区间。这些敏感性分析可能包括在贝叶斯框架中使用研究间异质性参数的信息先验和使用固定效应模型。</p>, tagList=[TagDto(tagId=497885, tagName=GRADE指南)], categoryList=[CategoryDto(categoryId=85, categoryName=指南&解读, tenant=100), CategoryDto(categoryId=248, categoryName=临床研究, tenant=100)], articleKeywordId=497885, articleKeyword=GRADE指南, articleKeywordNum=6, guiderKeywordId=497885, guiderKeyword=GRADE指南, guiderKeywordNum=6, haveAttachments=1, attachmentList=null, guiderType=0, guiderArea=指南, guiderLanguage=1, guiderRegion=10, opened=0, paymentType=, paymentAmount=30, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=123, appHits=4, showAppHits=0, pcHits=13, showPcHits=119, likes=0, shares=1, comments=0, approvalStatus=1, publishedTime=Thu Nov 07 19:00:00 CST 2024, publishedTimeString=2021-11-11, pcVisible=1, appVisible=1, editorId=0, editor=侠胆医心, waterMark=0, formatted=0, memberCards=[], isPrivilege=0, deleted=0, version=3, createdBy=null, createdName=侠胆医心, createdTime=Mon Nov 04 11:41:19 CST 2024, updatedBy=8538692, updatedName=梅斯话题小助手, updatedTime=Wed Nov 06 10:12:09 CST 2024, courseDetails=[], otherVersionGuiders=[], isGuiderMember=false, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=1-s2.0-S0895435618304979-main (1).pdf)])
1-s2.0-S0895435618304979-main (1).pdf
下载请点击:
评论区 (0)
#插入话题

拓展阅读

【今日分享】GRADE指南 28:使用 GRADE 评估有关预后因素的证据:对识别具有不同绝对风险的患者群体的确定性进行评级

本研究的目的是为使用“建议分级评估、制定和评价” (GRADE) 方法确定预后因素与未来结果之间关联估计的确定性提供指导。

GRADE指南:3. 评估证据质量

GRADE工作组 · 2012-11-15