Category: ‘統計関連’

ランダム効果モデル vs 固定効果モデル- (2)

2014年9月6日 Posted by aihara

ランダム効果モデル vs 固定効果モデル の違い

研究間のばらつきが大きい場合,固定効果モデルとランダム効果モデルの計算の不一致は重要な差を示す。

すなわち、研究間になんらかのばらつきがあるとした場合,ランダム効果モデルでは固定効果モデルと比べ,統合推定値においてより小規模研究ほどより大きな重み付けが与えられる.そのため,統合推定値の方向性と大きさは,より小規模な研究によって比較的大きな影響を受ける.したがって,小規模研究の結果が大規模研究の結果よりも差がないという結果(帰無結果、つまり治療効果なし)に近い場合,ランダム効果モデルの方が固定効果モデルよりも差がないという結果に近い要約推定値を示すことになる.また、小規模研究が大規模研究よりも差がある結果の場合,ランダム効果モデルによって推定される有益または有害な効果は,固定効果モデルよりも大きくなる.

このようにランダム効果モデルの推定値は,固定効果モデルの推定値よりも,治療効果をより控えめに,あるいはより大きめに推定しているかもしれないと結論できるが,これには重要な注意点が1つある。

それはつまり,ランダム効果モデルから算出された要約推定値は,小規模研究由来の誇張された結果の影響を受けやすいという点であり、このような現象がみられることは少なくない。

******************
Montori V, Ioannidis J, Cook D, Guyatt G.

大御所はこのように解説しています

メタアナリシス:固定効果モデルのランダム効果モデルのいずれか?

2014年9月1日 Posted by aihara

メタアナリシスの手法には、固定効果モデルとランダム効果モデルがありますが、いずれを使うべきなのでしょうか?。
http://homepage3.nifty.com/aihara/meta_analysis3.html

固定効果モデルを使って評価してみて異質性があるのでランダム効果モデルを使うというのは誤りです。

両者の違い:
固定効果モデルではメタアナリシスの対象とした研究で全体として「効果があったのか?」を問題とするのに対して、ランダム効果モデルでは対象とした研究全体から同じことを(治療など)をこれから別の群に適用した場合に「効果があるだろうか?」ということを問題にする。つまり、固定効果モデルは既に行われた研究で認められた効果が研究全体として本当に有意だったのかを明らかにしたい場合に用い、ランダム効果モデルはその効果がこれから将来の患者に対しても認められるだろうかを明らかにした場合に用いる。(森實、わかりやすい医学統計学)

固定効果モデルの利用
Fixed effect model
It makes sense to use the fixed-effect model if two conditions are met.
First, we believe that all the studies included in the analysis are functionally identical. Second, our goal is to compute the common effect size for the identified populatin, and not to generalize to other populations. (Introduction to metaanalysisより)

IOMのシステマティックレビューのための基準
When pooling is feasible, investigators typically use one of two statistical techniques—fixed-effects or random-effects models—to analyze and integrate the data, depending on the extent of heterogeneity. Each model has strengths and limitations. A fixed-effects model assumes that the treatment effect is the same for each study. A random-effects model assumes that some heterogeneity is present and acceptable, and the data can be pooled. Exploring the potential sources of heterogeneity may be more important than a decision about the use of fixed- or random-effects models. Although the committee does not believe that any single statistical technique should be a methodological standard, it is essential that the SR team clearly explain and justify the reasons why it chose the technique actually used.
(Finding what works in health care)

臨床試験のadaptive design

2008年8月25日 Posted by aihara

ベイズ統計の流行とともに、adaptive designの臨床試験が多くなってきている。
adaptive design、すなわちデータ依存的にデザインを柔軟に考えるということで、具体的には、統計学の大橋靖雄教授の分類説明では以下のようなもののようである。
—————————————————–
 患者割り付け確率の変更
 サンプルサイズの変更
 逐次試験と早期試験中止
 意志決定規則の変更(エンドポイントの変更など)
 対象集団の変更
 適応的用量設定試験
 シームレス II/III試験(IIBとIII相試験を切れ目無く実施、など)
—————————————————–

GRADE システムの視点でこのような臨床試験を評価すると、多くは、limitationsの判定基準で質の低下につながるものである。

複数の同じような試験を統合しての評価としても、very serous limitationsの大規模試験結果から得られたエビデンスは、very low quality、GRADE=Dの判定となる。
目の前の患者に、そのような研究結果から得られたエビデンスに基づいた介入を、推奨するだろうかと考えると、それは決してstrong recommendationにはならないであろう。

種づけ試験(seeding trial)は、承認審査中または承認されて間もない薬剤の使用を推奨する目的で製薬会社がデザインした臨床試験であるが、臨床の最前線での治療介入において、オリジナルの試験の信頼性(validity)に注意しないと、benefits/downsides (risk, burden, cost) バランス評価を誤ることにつながりやすい。

adaptive designの分類と用語:
adaptive