Transportability of model-based estimands in evidence synthesis

기술 요약: 증거 종합에서 모델 기반 추정량의 운송 가능성

문제 제기
증거 종합, 특히 의료기술평가 (HTA) 에서는 종종 인구 수준의 의사결정을 위한 주변적 치료 효과를 추정하는 것이 목표입니다. 그러나 표준 관행은 종종 개인 수준 모델에서 도출된 조건부 효과 측정치 (예: 오즈비, 위험비) 에 의존합니다. 많은 일반적인 요약 측정치가 비축적적이거나 직접적으로 축적 가능하지 않기 때문에 중요한 문제가 발생합니다. 이러한 측정치의 경우, 주변적 효과는 단순히 조건부 효과의 가중 평균이 아닙니다. 결과적으로, 순수하게 예후적인 공변량 (개별 수준에서 치료와 상호작용하지는 않지만 결과를 예측하는 변수) 이 주변적 효과 측정치 수정자로 작용할 수 있습니다. 이는 개별 수준 치료 효과의 이질성 (즉, 치료 - 공변량 상호작용 부재) 이 없음에도 불구하고, 연구 간 순수하게 예후적인 공변량 분포의 차이가 조정되지 않은 간접 비교에서 편향을 유발할 수 있음을 의미합니다. 또한, 현재 지침은 조건부 효과 측정치 수정자의 불균형이 있거나 개별 수준 이질성이 존재할 때만 공변량 조정이 필요하다고 종종 제안합니다. 본 논문은 이러한 지침이 비축적적 측정치에는 불충분하다고 주장합니다. 왜냐하면 주변적 효과는 공변량의 단순한 주변 모멘트뿐만 아니라 공변량의 완전한 결합 분포에 의존하기 때문입니다.

방법론
본 논문은 이러한 현상을 경험적으로 조사하기 위해 ADEMP(목표, 데이터 생성 메커니즘, 추정량, 방법, 성과 측정치) 프레임워크에 기반한 시뮬레이션 연구를 수행합니다. 연구는 공통 비교군이 포함된 두 개의 무작위 대조 시험 (RCT) 을 포함하는 고정 간접 치료 비교 시나리오를 시뮬레이션합니다.

• 데이터 생성: 세 가지 다른 시나리오가 구성되었습니다: (1) 불균형한 주변 공변량 평균을 가진 치료 효과 동질성; (2) 균형 잡힌 주변 평균이지만 다른 상관 구조를 가진 치료 효과 이질성; (3) 불균형한 평균과 다른 상관 구조를 모두 가진 치료 효과 이질성.
• 결과 모델: 세 가지 결과 유형이 모델링되었습니다: 연속형 (선형 모델, 평균 차이), 카운트 (로그 - 선형/포아송 모델, 로그 위험비), 이진형 (로지스틱 모델, 로그 오즈비).
• 비교된 방법: 세 가지 간접 비교 방법의 성능이 평가되었습니다:
  1. 부커 (Bucher) 방법: 표준 조정되지 않은 고정 간접 비교.
  2. 매칭 조정 간접 비교 (MAIC): 주변 공변량 모멘트를 균형 있게 맞추는 가중치 기반 방법.
  3. 모수적 G-계산: 표준화를 사용하여 추론을 대상 인구로 투영하는 결과 모델 기반 방법.
• 성과 지표: 500 회 시뮬레이션 반복을 통해 편향, 평균 제곱 오차 (MSE), 그리고 95% 신뢰구간의 경험적 커버리지율이 평가되었습니다.

주요 기여
본 논문은 축적성 속성이 치료 효과의 운송 가능성에 미치는 영향을 이론적 및 경험적으로 명확히 합니다:

1. 비축적성과 예후 변수: 비축적적 측정치 (예: 로그 오즈비) 의 경우, 개별 수준 치료 효과가 동질적일지라도 순수하게 예후적인 공변량이 주변적 효과를 수정함을 보여줍니다. 따라서 이러한 변수들의 연구 간 불균형은 조정되지 않은 비교에 편향을 초래합니다.
2. 직접 축적성과 결합 분포: 개별 수준 이질성이 존재할 때 축적 가능하지만 직접적으로 축적 가능하지 않은 측정치 (예: 로그 위험비) 의 경우, 주변적 효과는 주변 모멘트뿐만 아니라 공변량의 완전한 결합 분포 (상관관계 포함) 에 의존합니다.
3. 현재 지침의 한계: 본 연구는 조건부 효과 수정자가 균형 잡히거나 부재할 경우 조정되지 않은 비교가 유효하다는 현재 지침에 도전합니다. 결과는 비직접 축적적 측정치의 경우, 상관 구조가 다르다면 주변 공변량 모멘트가 균형 잡혀 있더라도 조정되지 않은 방법이 여전히 편향됨을 보여줍니다.
4. 조정의 한계: 평균/표준편차와 같은 주변 모멘트만 균형 있게 맞추는 표준 공변량 조정 방법 (MAIC 등) 은 연구 간 상관 구조가 다를 때, 특히 비직접 축적적 측정치의 경우 편향을 제거하는 데 본질적으로 제한적임을 강조합니다.

결과

• 평균 차이 (직접 축적적): 치료 효과가 동질적이거나 공변량 평균이 균형 잡힌 경우, 조정되지 않은 비교 (부커) 가 잘 수행되었습니다. 편향은 이질성이 존재할 때 평균이 불균형한 경우에만 나타났습니다. 공변량 조정은 편향을 성공적으로 제거했습니다.
• 로그 위험비 (축적 가능하지만 직접 축적적이지 않음): 개별 수준 이질성이 존재할 때, 상관 구조의 차이로 인해 주변 공변량 평균이 균형 잡혀 있더라도 조정되지 않은 비교는 편향되었습니다. 공변량 조정 방법 (MAIC, G-계산) 은 조정되지 않은 접근법보다 편향을 줄였지만, 대상 인구의 다른 결합 분포 (상관관계) 를 고려할 수 없었기 때문에 여전히 편향되었습니다.
• 로그 오즈비 (비축적적): 조정되지 않은 비교는 개별 수준 치료 효과 이질성이 없음에도 불구하고 순수하게 예후적인 공변량의 불균형만으로 상당한 편향을 나타냈습니다. 공변량 조정 방법은 성능을 개선했지만, 주변 오즈비가 완전한 결합 분포에 의존하기 때문에 상관 구조가 다를 때 편향을 완전히 제거하는 데 여전히 어려움을 겪었습니다.
• 정밀도 대 편향: 모수적 G-계산은 종종 낮은 편향을 보였지만, 공변량 중첩이 부족하거나 모델 외삽이 있는 설정에서는 과도한 정밀도 (과소 커버리지) 를 겪었습니다. MAIC 는 더 "정직한" 불확실성 정량화 (더 나은 커버리지) 를 제공했지만, 더 높은 분산과 감소된 유효 표본 크기를 동반했습니다.

의의 및 주장
본 논문은 요약 효과 측정치의 선택이 증거 종합에서 외부 타당성과 운송 가능성에 대한 요구 사항을 근본적으로 변화시킨다고 주장합니다.

• 효과 수정자의 재평가: 상대적 효과의 일관성을 보장하기 위해 필요한 공변량 집합은 측정치가 축적 가능한지, 그리고 직접적으로 축적 가능한지에 따라 달라집니다. 비축적적 측정치의 경우, 순수하게 예후적인 변수들을 잠재적 주변적 효과 수정자로 고려해야 합니다.
• 실무에 대한 함의: 비직접 축적적 측정치의 경우, 결합 분포 (상관관계) 가 다르다면 편향 없는 운송 가능성을 보장하기 위해 주변 공변량 요약 (평균 및 표준편차) 만으로 조정에 의존하는 것은 불충분합니다. 본 논문은 복잡한 모델 기반 조정과 결합 분포 가정에 대한 의존도를 줄이는 평균 차이 또는 위험 차이와 같은 직접 축적적 측정치가 운송 가능성에 더 바람직하다고 제안합니다.
• 지침 개정: 본 연구 결과는 치료 - 공변량 상호작용이 부재할 때 조정되지 않은 간접 비교를 허용하는 현재 지침이 비축적적 측정치에는 결함이 있을 수 있음을 시사합니다. 또한, 주변 모멘트 균형을 공변량 조정에 충분하다고 가정하는 것은 도전받습니다. 결합 분포를 고려하는 것이 필요하지만, 집계 데이터로는 종종 실제로 불가능하여 현재 증거 종합 능력의 중요한 한계를 드러냅니다.