Qual è il metodo migliore per la meta-analisi della rete?

Esistono ora diversi approcci per eseguire una meta-analisi di rete o un confronto di trattamento misto.

I più comunemente usati e accessibili sono probabilmente i seguenti:

• in un quadro bayesiano :

  • approccio di interazione design per trattamento in WinBUGS (ad es. Jackson et al );
  • modellazione gerarchica bayesiana basata su bracci in WinBUGS (ad es. Zhao et al );
  • modellistica bayesiana gerarchica basata sul contrasto (cioè divisione dei nodi), con WinBUGS o attraverso gemtce rjagsin R (ad es. Dias et al o van Valkenhoef et al );
  • approssimazioni Laplace nidificate integrate (INLA) in WinBUGS (ad es. Sauter et al );

• in un quadro frequentista :

  • analisi di varianza fattoriale in SAS (es. Piepho );
  • meta-analisi della rete multilivello in SAS (ad es. Greco et al );
  • meta-regressione multivariata con mvmetain Stata o R (es. White et al );
  • meta-analisi di rete con lmee netmetain R (ad es. Lumley , che è comunque limitata alle prove a due bracci, o Rucker et al ).

La mia domanda è semplicemente: sono approssimativamente equivalenti o ce n'è uno che è preferibile nella maggior parte dei casi per l'analisi primaria (riservando così gli altri a quelli accessori)?

AGGIORNARE

Nel corso del tempo, ci sono state alcune analisi comparative sui metodi per la meta-analisi della rete:

1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. Caso di studio che confronta approcci bayesiani e frequentisti per confronti di trattamenti multipli. Agenzia per la ricerca e la qualità della sanità (USA). 2013.

Penso che gli approcci di modellizzazione e le tecniche di stima dovrebbero essere considerati separatamente. Dal punto di vista della modellazione, il modello Lumley funziona solo per prove a due bracci. Quindi non è preferibile. Per la mia comprensione, l'approccio di suddivisione dei nodi, che hai elencato come Dias et al, è molto intuitivo. Inoltre, penso che dovresti aggiungere l'approccio dell'interazione design per trattamento ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Dal punto di vista della stima, non so molto sulle tecniche frequentiste, ma si può usare MCMC per quasi tutti i modelli di NMA. Infine, esiste una tecnica diversa (che purtroppo non è ampiamente conosciuta) chiamata INLA. È possibile utilizzare INLA da R e montare modelli NMA, è più veloce e non è necessario controllare la diagnostica di convergenza. Ecco il documento http://www.ncbi.nlm.nih.gov/pubmed/26360927. Quindi, alla fine, preferirei la suddivisione dei nodi e l'approccio dell'interazione design per trattamento usando INLA.