Producing treatment hierarchies in network meta-analysis using probabilistic models and treatment-choice criteria

技术摘要：利用概率模型与治疗选择标准生成网络元分析中的治疗层级

问题陈述
网络元分析（NMA）可以生成多种干预措施之间的相对治疗效应，但如何解释这些输出以建立治疗层级仍然具有挑战性。现有的排名指标，如治疗为最优的概率（$p_{BIV}$）、P-score 和 SUCRA，往往缺乏清晰的可解释性，且未能充分考虑不确定性。一个主要的批评是，这些方法可能会过度强调临床上微不足道的治疗效应差异，即使在治疗效果在统计学上无法区分的情况下，也会为治疗方案赋予不同的排名。此外，许多指标并未明确纳入“治疗选择标准”（TCC），即未定义何为具有临床意义的差异，导致生成的排名可能无法很好地转化为临床决策。

方法论
作者提出了一种新颖的框架，该框架将预定义的 TCC 与概率排名模型相结合以生成治疗层级。该方法分为两个主要阶段：

1. 定义治疗选择标准 (TCC)：
   作者基于最小有意义差异（Smallest Worthwhile Difference, SWD）来定义 TCC。他们利用 SWD 及其倒数（或相反值）构建了一个等效范围（Range of Equivalence, ROE）。对于任何治疗 $X$ 与 $Y$ 之间的两两比较：

   • 只有当 NMA 估计值及其置信区间边界落在 ROE 之外时，才建立治疗偏好（$X > Y$ 或 $Y > X$），这表明存在临床重要的效应。
   • 如果证据落在 ROE 之内，则认为两种治疗是等效的（即“平局”）。
   • 这一过程将连续的 NMA 效应估计转换为离散的偏好数据（偏好 $X$、偏好 $Y$ 或平局）。

2. 概率排名模型：
   为了综合这些偏好数据，作者将 Bradley-Terry 模型（由 Davidson 扩展以包含平局情况）应用于 NMA 背景。

   • 潜在参数： 每种治疗 $X$ 被分配一个潜在的“能力”参数（$\psi_X$），代表在给定 TCC 的情况下，该治疗产生相对于其他治疗具有临床意义且有益的真实治疗效应的倾向。
   • 模型公式： 治疗 $X$ 胜过 $Y$ 的概率建模为 $\frac{\psi_X}{\psi_X + \psi_Y + \nu\sqrt{\psi_X\psi_Y}}$，其中 $\nu$ 是代表平局流行程度的干扰参数。
   • 估计： 参数使用频率学框架下的极大似然估计（MLE）进行估计。标准误通过来自 Fisher 信息矩阵的渐近性质导出。
   • 输出： 模型产生绝对能力估计值（$\hat{\psi}_X$）和归一化概率（$\hat{\pi}_X$），代表某种治疗在所有治疗中具有最高真实能力的概率。

核心贡献

• 整合临床相关性： 该框架在排名之前，明确纳入了基于 SWD 的临床相关 TCC，确保只有足以证明偏好的效应才会影响层级。
• 处理不确定性与平局： 通过基于置信区间将 NMA 估计值转换为偏好/平局数据，该方法自然地考虑了不确定性。由于置信区间相对于 SWD 重叠，被视为平局的治疗方案，从而防止了对差异极小的治疗方案进行人为的区分。
• 具有不确定性的概率解释： 与某些现有指标不同，该方法提供了能力估计的标准误，从而能够量化排名位置的不确定性。
• 软件实现： 作者开发并发布了 R 语言包 mtrank，以方便应用此方法。

结果
作者通过两个临床案例研究和一个包含 153 个已发表网络的经验性研究验证了该方法：

1. 抗抑郁药物治疗重度抑郁症（18 种治疗方案）：

   • 在该网络中，效应量最大的治疗方案（Vortioxetine）具有最大的标准误。
   • 传统指标（$p_{BIV}$、P-scores）将 Vortioxetine 排在第一位。
   • 应用 SWD 为 1.20 的提议方法后，得到的是一个更保守的层级，其中 Escitalopram 被排在第一位，而 Vortioxetine 与之并列第二。这反映了 Vortioxetine 估计值相对于 SWD 的不确定性。
   • 敏感性分析显示，随着 SWD 的增加（即要求更大的效应），Vortioxetine 排在第一位的能力随之增加，证明了该方法对临床阈值的响应能力。

2. 抗高血压药与糖尿病发病率（6 种治疗方案）：

   • 该网络具有高精确度（低标准误）。
   • 提议的方法与现有指标（P-scores、PReTA、$p_{BIV}$）表现出完全一致，将 ARB 排在第一，ACE 排在第二。
   • 这证实了当 NMA 估计值精确且方差相似时，该方法与既有方法保持一致。

3. 经验研究（153 个网络）：

   • 基于能力的指标与 P-scores、经 SWD 调整后的 P-scores 以及 PReTA 表现出强相关性（中位数 > 0.90）。
   • 与 $p_{BIV}$ 的相关性为中等（中位数 ~ 0.65）。
   • 不确定性的影响： 当网络具有高精确度和低方差范围时，该方法与其他方法的吻合度最高。随着 NMA 估计值的平均方差增加，相关性降低，这突显了该方法特别是在不确定性较高且差异较小时，会与其他方法产生分歧。

意义与主张
本文声称为 NMA 治疗排名提供了一个有价值的替代方案，能够减轻对微小差异的过度解读。通过要求预定义的 TCC，该框架迫使研究人员在生成层级之前，必须明确在特定临床背景下什么才构成“最佳”治疗。作者强调，该方法并非取代报告 NMA 相对效应，而是作为辅助决策的工具。

其意义在于生成的层级具备以下特性：

1. 具有临床意义： 基于效应是否超过重要性阈值。
2. 稳健性： 不太可能为置信区间重叠的治疗方案分配截然不同的排名。
3. 透明度： 配有标准误，以量化排名本身的不确定性。

作者总结道，虽然 SWD 的定义具有一定的定性主观性，但该框架允许针对不同的 SWD 值进行敏感性分析，从而能够在不同的临床假设下实现对治疗层级更细致的理解。他们认为，该方法特别适用于不确定性增加或特定临床决策规则至关重要的网络。