Article
Das Beta-Binomialmodell bei Metaanalysen mit sehr wenigen Studien
Search Medline for
Authors
-
Moritz Felsch
- Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln, Germany
-
Lars Beckmann
- Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln, Germany
-
Ralf Bender
- Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln, Germany
-
Oliver Kuß
- Deutsches Diabetes-Zentrum (DDZ), Institut für Biometrie und Epidemiologie, Düsseldorf, Germany
-
Guido Skipka
- Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Köln, Germany
-
Tim Mathes
- Universität Witten/Herdecke, Köln, Germany
| Published: | September 6, 2019 |
|---|
Outline
Text
Metaanalysen mit wenigen Studien sind ein häufiges Phänomen [1]. Dabei tritt die Schwierigkeit auf, den Behandlungseffekt und die Konfidenzintervalle adäquat zu schätzen. Zusätzlich gestaltet sich die Schätzung der Heterogenität als schwierig. Dies gilt vor allem im Fall von weniger als 5 Studien in der Metaanalyse [2]. Insbesondere bei Verwendung der etablierten metaanalytischen Verfahren (z. B. DerSimonian-Laird), die auf der Methode der inversen Varianzen beruhen, kann dies dazu führen, dass der Punktschätzer verzerrt und/oder das Konfidenzintervall zu schmal ist [3]. Andere Methoden, wie z. B. die Knapp-Hartung-Methode, liefern zwar validere Ergebnisse, haben allerdings bei weniger als 5 Studien eine sehr geringe Power [4].
Zurzeit gibt es somit kein allgemein anerkanntes Standardverfahren für Metaanalysen mit sehr wenigen Studien. Im Fall binärer Daten scheint nach ersten Untersuchungen das Beta-Binomialmodell gute Eigenschaften zu besitzen, wenn wenige Daten vorhanden sind. Dies gilt sowohl für Metaanalysen mit wenigen Ereignissen pro Studie als auch bei sehr wenigen Studien [5], [6]. Ein Nachteil dieses Modells ist jedoch, dass in der einfachsten Form lediglich ein zufälliger Effekt über das Basisrisiko im Kontrollarm modelliert wird. Der unmittelbare Zusammenhang zwischen Interventions- und Kontrollarm in den einzelnen Studien wird ignoriert und die randomisierte Zuteilung zu den Behandlungsarmen in der Auswertung somit nicht berücksichtigt.
Das Ziel der vorliegenden Untersuchung ist die Entwicklung von Erweiterungen des Beta-Binomialmodells um Modelle, die die randomisierte Zuteilung berücksichtigen (Vermeidung von Breaking of Randomization). Die Eignung dieser Modelle für Metaanalysen mit sehr wenigen Studien wird mittels Simulationen untersucht und mit anderen wichtigen Verfahren verglichen.
Die Ergebnisse der Simulationsstudie werden auf der Tagung vorgestellt.
Die Autoren geben an, dass kein Interessenkonflikt besteht.
Die Autoren geben an, dass kein Ethikvotum erforderlich ist.
Literatur
- 1.
- Turner RM, Davey J, Clarke MJ, Thompson SG, Higgins JP. Predicting the extent of heterogeneity in meta-analysis, using empirical data from the Cochrane Database of Systematic Reviews. Int J Epidemiol. 2012;41(3):818-27.
- 2.
- Veroniki AA, Jackson D, Viechtbauer W, Bender R, Bowden J, Knapp G, et al. Methods to estimate the between-study variance and its uncertainty in meta-analysis. Res Synth Methods. 2016;7(1):55-79.
- 3.
- Higgins JPT, Thompson SG, Spiegelhalter DJ. A re-evaluation of random-effects meta-analysis. J R Stat Soc Ser A Stat Soc. 2009;172(1):137-59.
- 4.
- Bender R, Friede T, Koch A, Kuss O, Schlattmann P, Schwarzer G, et al. Methods for evidence synthesis in the case of very few studies. Res Synth Methods. 2018;9(3):382-92.
- 5.
- Kuss O. Statistical methods for meta-analyses including information from studies without any events - add nothing to nothing and succeed nevertheless. Stat Med. 2015;34(7):1097-116.
- 6.
- Mathes T, Kuss O. A comparison of methods for meta-analysis of a small number of studies with binary outcomes. Res Synth Methods. 2018;9(3):366–81.
