gms | German Medical Science

62. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

17.09. - 21.09.2017, Oldenburg

Netzwerk Meta-Analyse für zielgerichtete Therapieoptionen

Meeting Abstract

Search Medline for

  • Katrin Jensen - Universität Heidelberg, Heidelberg, Deutschland
  • Tanja Proctor - Universität Heidelberg, Heidelberg, Deutschland
  • Meinhard Kieser - Universität Heidelberg, Heidelberg, Deutschland

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 62. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Oldenburg, 17.-21.09.2017. Düsseldorf: German Medical Science GMS Publishing House; 2017. DocAbstr. 052

doi: 10.3205/17gmds075, urn:nbn:de:0183-17gmds0754

Published: August 29, 2017

© 2017 Jensen et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Einleitung: Die Entwicklung von zielgerichteten Therapien, die die individuelle Konstitution des Patienten einbeziehen, bildet einen Schwerpunkt der klinischen Forschung. Ein Beispiel ist die Wahl der optimalen Therapiestrategie in Abhängigkeit vom Nachweis spezieller Biomarker beim Patienten. Im Rahmen von systematischen Übersichtsarbeiten für die evidenzbasierte Bewertung mehrerer Therapieoptionen und Auswahl der besten Behandlungsmöglichkeit spielen Netzwerk Meta-Analysen eine zentrale Rolle, bei denen die verfügbare Evidenz aus direkten (head-to-head Studien) und indirekten Vergleichen (Studien mit unterschiedlichen Vergleichstherapien) kombiniert wird [1]. In dem vorliegenden Beitrag wird ein Netzwerk Meta-Analyse Modell vorgestellt, das sowohl die Evidenz zu zielgerichteten Therapieoptionen für Patientensubgruppen als auch die Evidenz zu nicht-zielgerichteten Therapien in gemischten Patientenpopulationen einbezieht, um letztendlich evidenzbasierte individuelle Therapieentscheidungen für Patientensubgruppen zu unterstützen.

Methoden: Ausgangspunkt ist die folgende Anwendungssituation. Für eine neu entwickelte zielgerichtete Therapieoption E+ für Biomarker-positive (BM+) Patienten ist Evidenz im Vergleich zu einer Kontrolltherapie C in Form von individuellen Patientendaten (IPD) für mindestens eine klinische Studie verfügbar. Schätzer für den Therapieeffekt von C versus eine Standardtherapie (S) liegen jedoch nur als aggregierte Daten (AD) aus Publikationen für ein gemischtes Patientenkollektiv von BM+ und BM- Patienten vor. Es wird angenommen, dass es bei den Vergleichen C versus S eine Information über den Anteil an BM+ Patienten auf Studienebene gibt. Der gewählte Netzwerk Meta-Analyse Ansatz [2] ermöglicht den indirekten Vergleich der zielgerichteten Therapie E+ mit der Standardtherapie S, d.h. es resultieren indirekte Schätzer für den Therapieeffekt von E+ versus S für die Subgruppe der BM+ Patienten. In einer umfangreichen Simulationsstudie zu einem binären Outcome wurden die Güteeigenschaften Bias und Schätzgenauigkeit des Modells untersucht. Der Fokus lag hierbei auf dem in der klinischen Praxis häufig auftretenden Fall des Vorliegens nur weniger verfügbarer AD. Die Ergebnisse der Simulationsstudie werden vorgestellt und das Netzwerk Meta-Analyse Modell an einem klinischen Beispiel illustriert.

Ergebnisse: Unter der Konsistenzannahme zeigt der Netzwerk Meta-Analyse Ansatz in Simulationen einen relativ kleinen Bias, jedoch eine große Schätzungenauigkeit. Wie zu erwarten sind beide Gütekriterien abhängig von der Anzahl verfügbarer AD, der Anzahl rekrutierter Patienten sowie dem Range des Anteils BM+ Patienten als Kovariable.

Diskussion: Das hier präsentierte Netzwerk Meta-Analyse Modell resultiert in Effektschätzern für Vergleiche zielgerichteter und nicht-zielgerichteter Therapien in Patientensubgruppen. Für ein binäres Outcome liegen Ergebnisse umfangreicher Simulationen vor, in denen dem Modell auch alternative Ansätze im Falle von nur 2 oder 5 Studien mit AD gegenübergestellt wurden. Eine Erweiterung auf ein stetiges oder time-to-event Outcome steht noch aus.



Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.

Beitrag auch vorgestellt auf ISCB Conference 2016, Birmingham, UK


Literatur

1.
Hoaglin DC, Hawkins N, Jansen JP, et al. Conducting indirect-treatment-comparison and network-meta-analysis studies: Report of the ISPOR task force on indirect treatment comparisons good research practices – Part II. Value in Health. 2011;14:429-437. DOI: 10.1016/j.jval.2011.01.011 External link
2.
Saramago P, Sutton AJ, Cooper NJ, Manca A. Mixed treatment comparisons using aggregate and individual participant level data. Statistics in Medicine. 2012;31(28):3516-3536. DOI: 10.1002/sim.5442 External link