Sekarang ada beberapa pendekatan berbeda untuk melakukan meta-analisis jaringan atau perbandingan pengobatan campuran.
Yang paling umum digunakan dan dapat diakses mungkin adalah sebagai berikut:
dalam kerangka Bayesian :
- pendekatan interaksi desain-dengan-pengobatan di WinBUGS (misalnya Jackson et al );
- pemodelan Bayesian berbasis lengan hirarkis di WinBUGS (misalnya Zhao et al );
- pemodelan Bayesian berbasis kontras hierarkis (yaitu pemisah-simpul), baik dengan WinBUGS atau melalui
gemtc
danrjags
dalam R (misalnya Dias dkk atau van Valkenhoef dkk ); - pendekatan nested Laplace terintegrasi (INLA) di WinBUGS (misalnya Sauter et al );
dalam kerangka kerja frequentist :
- analisis faktor-varians dalam SAS (misalnya Piepho );
- meta-analisis jaringan bertingkat di SAS (misalnya Greco et al );
- meta-regresi multivariat dengan
mvmeta
di Stata atau R (misalnya White et al ); - meta-analisis jaringan dengan
lme
dannetmeta
dalam R (misalnya Lumley , yang bagaimanapun terbatas pada uji coba dua-lengan, atau Rucker et al ).
Pertanyaan saya adalah, sederhana: apakah mereka kira-kira setara atau ada satu yang lebih disukai dalam kebanyakan kasus untuk analisis primer (sehingga cadangan yang lain untuk yang tambahan)?
MEMPERBARUI
Seiring waktu, ada beberapa analisis komparatif pada metode meta-analisis jaringan: