gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Meta-analytische Methoden zur Kombination kontrollierter klinischer Studien mit ordinaler Zielgröße

Meeting Abstract

Suche in Medline nach

  • Henning Henke - Universität Dortmund, Dortmund
  • Guido Knapp - Universität Dortmund, Dortmund

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds497

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds277.shtml

Veröffentlicht: 8. September 2005

© 2005 Henke et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

In kontrollierten klinischen Studien mit ordinaler Zielgröße werden die einzelnen Studienergebnisse für die Patienten eindeutig einer Kategorie C1, …, Cm, m > 2, zugeordnet, wobei die Kategorien geordnet sind von z.B. C1 = beste Kategorie bis Cm = schlechteste Kategorie. Die Analyse solcher Studien erfolgt in der Regel unter der Proportional Odds Annahme, vgl. z. B. Whitehead [1], Kap.3.5.

Die meta-analytische Kombination von Studien unter der Proportional Odds Annahme ist ausführlich in Whitehead et al. [2] beschrieben. Falls die Kontingenztafeln aus allen Studien explizit vorliegen, können die Kombinationsmethoden für individuelle Patientendaten angewendet werden. Ist aus einer Publikation die explizite Kontingenztafel nicht rekonstruierbar, sondern nur geschätzter (log) Odds Ratio und Standardfehler bekannt, müssen Kombinationsmethoden angewendet werden, wie sie z. B. in Hartung und Knapp [3] beschrieben worden sind.

Edwardes und Baltzan [4] betrachten in allgemeinen r x k Tafeln ein verallgemeinertes Odds Ratio und liefern zugehörige Schätzer für den Standardfehler. Anhand dieses Ansatz lassen sich Studienergebnisse kombinieren, wobei auf die Proportional Odds Annahme in den einzelnen Studien verzichtet werden kann.

Die betrachteten Kombinationmethoden werden vorrangig im Modell mit festen Effekten der Meta-Analyse betrachtet. Erweiterungen auf das Modell mit zufälligen Effekten in der Meta-Analyse, das eine Heterogenität zwischen den Studien zulässt, werden ebenfalls vorgestellt.

Insgesamt ist es nicht zwingend, dass in allen Studien dieselbe Kategorisierung der Responsevariablen vorgenommen wurde. Der Ansatz von Whitehead und Jones [5] lässt sich auf alle oben erwähnten Kombinationsmethoden übertragen.

Die vorgestellten Verfahren werden durch reale Datenbeispiele illustriert und darüber hinaus anhand von einigen Simulationsergebnissen verglichen.


Literatur

1.
Whitehead A. Meta-Analysis of Controlled Clinical Trials. Chicester, Wiley, 2002
2.
Whitehead A, Omar RZ, Higgins JPT, Savaluny E, Turner RM, Thompson SG. Meta-analysis of ordinal outcomes using individual patient data. Statist Med 2001; 20: 2243-2260
3.
Hartung J, Knapp G. A refined method for the meta-analysis of controlled clinical trials with binary outcome. Statist Med 2001; 20: 3875-3889.
4.
Edwardes MD, Baltzan M. The generalization of the odds ratio, risk ratio and risk difference to r x k tables. Statist Med 2000; 19: 1901-1914.
5.
Whitehead A, Jones, NMB. A meta-analysis of clinical trials involving different classifications into ordered categories. Statist Med 1994; 13: 2503-2515.