文献速递流行病学与生物统计临床试验与 GCP

临床事件汇总数据的贝叶斯随机效应Meta分析

Bayesian Random-Effects Meta-Analysis of Aggregate Data on Clinical Events.
PubMed 文献 · Stat Med · 2026-01-01

针对临床试验中罕见不良事件,既往提出可处理风险比格式数据的共同效应模型,本研究将其扩展为随机效应方法以容纳研究间异质性。详细描述贝叶斯模型,并通过真实数据集应用、敏感性分析和蒙特卡洛模拟支持结论。

要点

  • 将Holzhauer共同效应模型扩展为贝叶斯随机效应模型,用于汇总临床事件数据。
  • 模型可处理风险比格式的汇总数据,适用于罕见不良事件分析。
  • 通过敏感性分析和蒙特卡洛模拟验证模型性能。

核心结论

  • 将Holzhauer共同效应模型扩展为随机效应方法,以容纳研究间潜在异质性。
  • 贝叶斯模型通过真实数据应用、敏感性分析和蒙特卡洛模拟得到支持。

研究设计与样本

  • 方法学研究:贝叶斯随机效应Meta分析模型构建与应用。
  • 应用真实数据集,并进行敏感性分析和蒙特卡洛模拟。

主要发现

  • 随机效应模型可处理以风险比格式报告的汇总数据。
  • 敏感性分析和蒙特卡洛模拟用于支持模型结论。

临床怎么用

  • 可用于评估临床试验中罕见不良事件的累积证据。
  • 适用于以风险比格式汇总的临床事件数据Meta分析。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

原文

To investigate intervention effects on rare events, meta-analysis techniques are commonly applied in order to assess the accumulated evidence. When it comes to adverse effects in clinical trials, these are often most adequately handled using survival methods. A common-effect model that is able to process data in commonly quoted formats in terms of hazard ratios has previously been proposed for this purpose. In order to accommodate potential heterogeneity between studies, we have extended the model by Holzhauer to a random-effects approach. The Bayesian model is described in detail, and applications to realistic data sets are discussed along with sensitivity analyses and Monte Carlo simulations to support the conclusions.

来源:Stat Med,查看原文。版权归原作者所有。

引用

  1. Röver C, Wu Q, Loos A, et al. Bayesian Random-Effects Meta-Analysis of Aggregate Data on Clinical Events. Stat Med. 2026. PMID: 41923558. doi:10.1002/sim.70508

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。