Python・R・エクセルによるデータサイエンス | 統計解析講義

メタアナリシスと系統的レビュー【統計解析講義応用】 | 統計解析 - Python・R・エクセルを使った講義で最速マスター

メタアナリシスと系統的レビュー【統計解析講義応用】


メタアナリシスと系統的レビュー【統計解析講義応用】

メタアナリシスと系統的レビュー

 

適切な規模の臨床試験を実施するという目標にかかわらず,臨床医は,最善の治療について確信するために十分な根拠がないという治療的ジレンマにしばしば直面する.

 

複数の情報源から医学データを統合するという原理は,このアプローチが統計的検出力を大きくするという点で.直観的に魅力的に思える.

 

しかしながら,統合結果が妥当であるためには,統合する試験が十分に類似しているという仮定が必要条件となる.

 

必然的に.この仮定は.専門家の意見にかかっている.

 

メタアナリシスの最も一般的な問題は,異なるデザインまたは結果の試験を統合することや未公表の失敗した試験を見つけられないことである.

 

すべての関連している情報が含まれていることを保証するために,対象分野の専門家の関与と同様,完全な文献を検索することが重要であることは疑う余地がない.

 

統計的手法は,系統的な公表バイアスを評価するために開発された.

 

もう一つの複雑な問題は,系統的概要の中で個別の試験の質の評価が関係する.

 

質に応じて,異なる重みを用いる統計的手法が提案されたが,この方法は,広範囲には採用されなかった.

 

プールされた情報を統計的に評価する方法は,最近相当な関心の源である.

 

固定効果モデル(fixed-effects model)は.結果の推定に関して,評価されている試験は均質であるという仮定に基づいている.

 

しかし,以前みられた不確実性によると,均質性の仮定は用いられないように思える.

 

したがって,試験内のばらつきだけでなく,試験間のランダム誤差を考慮するランダム効果モデル(random-effects model)が開発されている.

 

累積メタアナリシス(cumulative meta-analysis)と呼ばれるメタアナリシスの興味深いアプローチが開発されている.このアプローチで,新しい試験でデータが利用可能となると,累積的な有意差検定による計算を通して,過去の試験結果に統合される.

 

理論的には,このアプローチにより,医学界において,新治療が実践に適用する価値のある時点を決定することができるであろう.

 

メタアナリシスをテーマにした他の変化はメタ回帰(meta-regression)である.

 

メタ回帰は観察された結果において,不均一性を説明するための複数の試験内における共変量の効果を評価することができる.

 

小規模試験のメタアナリシスの結果とその後の大規模試験の結果が一致しないことは,かなりの混乱のもととなっている.

 

小規模試験のメタアナリシスは,マグネシウム療法と硝酸塩の両者により,心筋梗塞患者の死亡率の相当な(25%超の)減少が認められた.

 

大規模ISIS-4試験では,いずれの治療においても死亡率への大きな効果は認められなかった.

 

心不全の治療薬ネシリチド(nesiritide)の最近のメタアナリシスでは,過度の死亡率と腎機能障害が認められたが,大規模検証試験では,過度の死亡率も腎機能障害も認められなかった.

 

これらの不一致には多くの原因が推測されるが,決定的な説明は存在しない.大きな教訓は,治療の効果を確かめるためには,多くの患者が必要だということである.

セミナー詳細こちら                    解析ご相談こちら


 

メタアナリシスと系統的レビュー【統計解析講義応用】

メタアナリシスと系統的レビュー【統計解析講義応用】