کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8519342 1556788 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Interval estimation of the overall treatment effect in a meta-analysis of a few small studies with zero events
ترجمه فارسی عنوان
برآورد فاصله از اثرات درمان کلی در یک متاآنالیز چند مطالعات کوچک با صفر وقایع
کلمات کلیدی
متاآنالیز، حوادث صفر، جمعیت کوچک، بیماری های نادر، ناهمگونی،
ترجمه چکیده
هنگامی که یک متا آنالیز شامل چند آزمایش کوچک است که گزارش صفر را نشان می دهد، حسابداری ناهمگنی در برآورد (بازه) اثر کلی به چالش کشیده می شود. به طور معمول، روشهای متاآنالیز را برای پیشبرد تعریف می کنیم. در عمل، داده ها محدودیت هایی را ایجاد می کنند که منجر به انحراف از تجزیه و تحلیل پیش برنامه ریزی شده است، مانند حضور صفر در حداقل یک بازوی مطالعه. هدف ما بررسی رفتار برآوردگرهای ناهمگونی در برآورد اثر کلی در سطوح مختلف نقاط ضعف حوادث است. ما یک مطالعه شبیه سازی انجام دادیم که شامل دو ارزیابی است. ما مقایسهای کلی برآوردگرها بدون شمول در تعداد سلولهای صفر مشاهده شده و یک مورد دیگر را با تهویه به تعداد سلولهای مشاهده شده مشاهده کردیم. برآوردگرانی که به اندازه کافی قوی عمل می کردند زمانی که (فاصله) برآورد اثر درمان کلی در طیف وسیعی از فرض های ناهمگونی سیدیک جانکمن، هارتونگ مکامبی و بهبود پل ماندل بود. عملکرد نسبی برآوردگرها بین ایجاد یک پیش تعیین شده یا انتخاب داده محور تفاوت چندانی نداشت. تحقیقات ما تایید کرد که ناهمگونی در چنین تنظیماتی قابل اعتماد نیست. برآوردگرانی که عملکردشان به شدت بر روی وجود ناهمگونی بستگی دارد باید اجتناب شود. انتخاب برآوردگر نیازی به بستن سلولهای صفر یا صفر ندارد.
موضوعات مرتبط
علوم پزشکی و سلامت داروسازی، سم شناسی و علوم دارویی علوم دارویی
چکیده انگلیسی
When a meta-analysis consists of a few small trials that report zero events, accounting for heterogeneity in the (interval) estimation of the overall effect is challenging. Typically, we predefine meta-analytical methods to be employed. In practice, data poses restrictions that lead to deviations from the pre-planned analysis, such as the presence of zero events in at least one study arm. We aim to explore heterogeneity estimators behaviour in estimating the overall effect across different levels of sparsity of events. We performed a simulation study that consists of two evaluations. We considered an overall comparison of estimators unconditional on the number of observed zero cells and an additional one by conditioning on the number of observed zero cells. Estimators that performed modestly robust when (interval) estimating the overall treatment effect across a range of heterogeneity assumptions were the Sidik-Jonkman, Hartung-Makambi and improved Paul-Mandel. The relative performance of estimators did not materially differ between making a predefined or data-driven choice. Our investigations confirmed that heterogeneity in such settings cannot be estimated reliably. Estimators whose performance depends strongly on the presence of heterogeneity should be avoided. The choice of estimator does not need to depend on whether or not zero cells are observed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Contemporary Clinical Trials Communications - Volume 9, March 2018, Pages 98-107
نویسندگان
, , , ,