.png){kind=icon}
返回
Component network meta-analysis methods for combining individual participant data and aggregate data
.png){kind=icon}
OA
AI
DOI：10.1017/rsm.2026.10119.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
组分网络Meta分析（CNMA）是一种证据综合方法，可用于估计复杂干预措施中各组分及其组合的有效性。个体参与者数据（IPD）Meta分析被认为是评价医疗干预措施的金标准。本文提出CNMA模型，同时综合IPD和汇总数据，以评价单个组分及其组合的有效性。我们通过分离研究内和研究间交互效应来扩展模型，以调整个体水平协变量。该方法应用于一项包含11项研究的Cochrane系统综述数据集（其中8项有IPD可用），旨在评价复杂家庭安全措施在促进清洁产品安全储存以预防儿童中毒方面的有效性。我们的发现表明，将IPD与汇总数据相结合，相较于仅基于汇总数据的传统网络Meta分析或CNMA，具有改进精度、改变结论以及解决汇总偏倚等优势。对于未调整协变量的模型，纳入IPD可减少研究间异质性并缩小可信区间（CrI）宽度。然而，在各项分析中，许多CrI仍然较宽，尤其是在分离研究内和研究间交互效应的模型中。本文提出的模型最大限度地利用了现有证据，为哪些组分组合可能最有效以及有效人群的亚组提供了有价值的见解。未来研究需评估结合IPD和汇总数据的CNMA的适用性及其在提升医疗决策方面的潜力。
Keyword:
Bayesian hierarchical methods
component network meta-analysis
evidence synthesis
individual participant data
