gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

Umgang mit fehlenden Werten in Meta-Analysen mit Überlebenszeiten

Meeting Abstract

  • Ulrich Grouven - Instiut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln
  • Christoph Schürmannn - Instiut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln
  • Frank Peinemann - Instiut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln
  • Ralf Bender - Instiut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds068

DOI: 10.3205/11gmds068, URN: urn:nbn:de:0183-11gmds0682

Veröffentlicht: 20. September 2011

© 2011 Grouven 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 vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung: Das Ziel bei der Durchführung von Meta-Analysen im Rahmen einer systematischen Übersicht ist es, möglichst alle relevanten Studien in geeigneter Weise zu berücksichtigen. Dabei stellt sich häufig das Problem, dass in den Publikationen nicht alle zur Durchführung einer Meta-Analyse notwendigen Angaben verfügbar sind. Dieser Beitrag beschreibt mögliche Methoden und Strategien zum Umgang mit fehlenden Daten in Meta-Analysen von Überlebenszeiten im Rahmen einer Nutzenbewertung.

Material und Methoden: Parmar et al. [1] und Williamson et al. [2] beschreiben Methoden, um Hazard Ratios (HR) und zugehörige Standardfehler (SE) aus vorhandenen Informationen zu extrahieren. Je nach verfügbaren Informationen lassen sich HR und SE berechnen oder unter dem Treffen von Annahmen (z.B. zum Zensierungsmechanismus) abschätzen. Grundsätzlich ist zu unterscheiden zwischen direkten Verfahren (HR und SE sind aus den vorhandenen Angaben direkt berechenbar) und indirekten Verfahren (HR und SE lassen sich aus den vorhandenen Angaben unter Annahmen und mit gewisser Ungenauigkeit abschätzen), welche die Extraktion des erforderlichen Effektmaßes HR mit zugehörigem SE mit unterschiedlich hoher Sicherheit ermöglichen. Verschiedene empirische Untersuchungen anhand von Beispieldaten und Simulationen haben gezeigt, dass die Methoden überwiegend eine gute Annäherung an die wahren Schätzwerte liefern [1], [3], [4], [5]. Tierney et al. [6] haben eine Excel-Tabelle basierend auf den von Parmar et al. [1] und Williamson et al. [2] beschriebenen Methoden entwickelt, mit der Effektschätzer (HR und zugehöriger SE) für die jeweiligen Situationen berechnet werden können. Die Datei ist frei über das Internet verfügbar [6].

Ergebnisse und Schlussfolgerungen: Die Adäquatheit des Einsatzes der beschriebenen Verfahren zum Umgang mit fehlenden Werten ist im Einzelfall kritisch zu prüfen. Die Verfahren basieren zum Teil auf Annahmen, deren Gültigkeit zu prüfen ist. Ein besonderes Problem liegt bei sich kreuzenden Überlebenskurven vor. In diesem Fall ist die Annahme proportionaler Hazards verletzt, und das (zeitunabhängige) HR ist kein geeignetes Maß für den Vergleich der Risiken zwischen den Behandlungsgruppen. Ein wichtiges Werkzeug zur Bewertung der Robustheit der Meta-Analysen auf Basis der extrahierten Effektschätzer sind Sensitivitätsanalysen. Diese können sowohl auf der Ebene der Einzelstudien als auch auf der Ebene der Meta-Analyse sinnvoll sein. Die abschließende Bewertung muss dann unter Einbeziehung aller verfügbaren Informationen und (Sensitivitäts-)Analysen erfolgen.


Literatur

1.
Parmar MKB, Torri V, Stewart L. Extracting summary statistics to perform meta-analyses of the published literature for survival endpoints. Statistics in Medicine. 1998;17:2815-34.
2.
Williamson PR, Tudur Smith C, Hutton JL, Marson AG. Aggregate data meta-analysis with time-to-event outcomes. Statistics in Medicine. 2002;21:3337-51.
3.
Hirooka T, Hamada C, Yoshimura I. A note on estimating treatment effect for time-to-event data in a literature-based meta-analysis. Methods of Information in Medicine. 2009;48:104-12.
4.
Tudor C, Williamson PR, Khan S, Best LY. The value of the aggregate data approach in meta-analysis with time-to-event outcomes. Journal of the Royal Statistical Society A. 2001;164:357-70.
5.
D'’Amico R, Torri V, Floriani I, Tinazzi A, Liberati A. How good are the estimates of the hazard ratio when calculated indirectly? An empirical investigation. In: Cochrane Colloquium, Cape Town, 2002. Available from: http://www.imbi.uni-freiburg.de/OJS/cca/index.php/cca/article/view/3126 Externer Link
6.
Tierney JF, Stewart LA, Ghersi D, Burdett S, Sydes MR. Practical methods for incorporating summary time-to-event data into meta-analysis. Trials. 2007;8:16. Excel-Spreadsheet available from: http://www.trialsjournal.com/content/8/1/16/additional/ Externer Link