1 “More trial is needed?” optymalizacja metod agregacji danych Jacek Walczak
2 Metaanaliza. Jaki jest problem?W ponad 40% przeglądów przygotowanych przez Cochrane Collaboration (w oparciu o badania RCT) konkluzja jest następująca „potrzeba więcej badań”.
3 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%
4 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%
5 eBayesMet
6 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.
7 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
8 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.
9 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
10 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
11 Przykładowe wyniki z Guida z platformy e-learningowej
12
13 Mała populacja pacjentów- przykład z platformy e-learningowejTego 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
14 Przykłady – analiza pośredniaPrzykład 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
15 Przykłady – analiza pośredniaProblem: 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