多アーム、多追跡試験から介入の有効な特徴を同定するための複雑なメタ回帰モデル。

アブストラクト

ネットワークメタ分析（NMA）は、一連の介入の有効性を比較するために、複数の試験から得られたエビデンスを組み合わせる。多くの研究領域では，介入はしばしば複雑で，複数の構成要素または特徴からなる．このため、分析を実行するための介入を共通集合として定義することが困難である。この問題に対するアプローチの1つがコンポーネント・ネットワーク・メタ分析（CNMA）であり、メタ回帰の枠組みを用いて、個々の効果が相加的に結合するコンポーネントのサブセットとして各介入を定義するものである。この論文では、子どもの肥満を予防するための複雑な介入に関するシステマティックレビューを動機としている。試験間でかなりの異質性があるため、これらの介入は構成要素のサブセットとして表現することはできず、代わりに特徴的な特徴の枠組みに対してコード化されている。これらのデータを分析するために、我々は介入の最も重要な特徴を特定することを可能にする特注のCNMAに着想を得たモデルを開発する。介入、研究、追跡期間という3つのレベルの共変量と柔軟な相互作用項を持つメタ回帰モデルを定義する。対照群のある試験とない試験で異なる回帰構造を指定することで、対照群とは介入成分がないことであるというこれまでのCNMAモデルの仮定を緩和する。さらに、複数の介入群と複数の追跡時間を持つ試験を説明する相関構造を導出する。我々のモデルは、肥満データセットの特異性のために開発されたが、共有された特徴のセットに従ってコード化できる複雑な介入のセットであれば、どのようなものにも広く適用可能である。