University of Piraeus Seminar [23/3/2016]: Network meta‐analysis: basic concepts, benefits and challenges of the next generation evidence synthesis tool

ΠΡΟΣΚΛΗΣΗ ΣΕ ΔΙΑΛΕΞΗ

Την Τετάρτη 23/3/2016 στις 15:00 – 16:00 θα πραγματοποιηθεί διάλεξη στην Αίθουσα 340 του κεντρικού κτηρίου, με ομιλήτρια την κα. Λουκία Σπινέλη, Dr. Phil. (Institute for Biostatistics, Medical School of Hannover) με θέμα:

“Εισαγωγή στην Πολλαπλή Μετα‐ανάλυση:
Βασικές υποθέσεις, πλεονεκτήματα και μειονεκτήματα του εργαλείου σύνθεσης της επόμενης γενιάς”

Περίληψη
Το μεγάλο εύρος εναλλακτικών θεραπευτικών παρεμβάσεων και ο συνεχώς αυξανόμενος αριθμός κλινικών δοκιμών για την ίδια πάθηση και τα ίδια χαρακτηριστικά ασθενών έχει οδηγήσει στην ανάγκη για συγκριτική έρευνα αποτελεσματικότητας. Η κλασική μετα‐ ανάλυση εστιάζεται στην σύγκριση δύο θεραπευτικών παρεμβάσεων και συνεπώς, περιορίζει τα αποτελέσματα σε μόλις ένα μέρος της συνολικής εικόνας. Επέκταση της κλασικής μετα‐ανάλυσης αποτελεί η πολλαπλή μετα‐ανάλυση η οποία έχει προσελκύσει ιδιαίτερα το ερευνητικό ενδιαφέρον τα τελευταία 6 χρόνια.

Η πολλαπλή μετα‐ανάλυση είναι ιδιαίτερα χρήσιμη στην λήψη ιατρικών αποφάσεων διότι, υπό συγκεκριμένες υποθέσεις, επιτρέπει την ποσοτική σύνθεση των αποτελεσμάτων κατά μήκος ενός δικτύου κλινικών δοκιμών που συγκρίνουν πολλαπλές θεραπευτικές παρεμβάσεις. Πλεονέκτημα της πολλαπλής μετα‐ανάλυσης αποτελεί η δυνατότητα εξαγωγής συμπερασμάτων για θεραπευτικές παρεμβάσεις που δεν έχουν μελετηθεί άμεσα σε κάποια κλινική δοκιμή. Αυτό γίνεται εφικτό μέσω ενσωμάτωσης άμεσων και έμμεσων αποτελεσμάτων (δηλαδή αποτελέσματα από κλινικές μελέτες οι οποίες συγκρίνουν θεραπευτικές παρεμβάσεις με μία κοινή θεραπευτική παρέμβαση (comparator)) ταυτοχρόνως με απώτερο σκοπό την ιεράρχηση των θεραπευτικών παρεμβάσεωνως προς την αποτελεσματικότητά τους.

Η πολλαπλή μετα‐ανάλυση, παρά τα οφέλη της, δεν αποτελεί ακόμα επισήμως μία ευρέως διαδεδομένη μέθοδος για τη σύνθεση αποτελεσμάτων. Πολλοί επαγγελματίες στον τομέα της υγείας είναι ιδιαίτερα σκεπτικοί με τις υποθέσεις που χαρακτηρίζουν το μοντέλο της πολλαπλής μετα‐ανάλυσης. Η στατιστική τεχνογνωσία που απαιτείται για την προσαρμογή του μοντέλου πολλαπλής μετα‐ανάλυσης, η παρουσίαση μεγάλου όγκου αποτελεσμάτων σε κατανοητή μορφή,καθώς επίσης η αξιολόγηση του κίνδυνου μεροληψίας και της ποιότητας των αποτελεσμάτων καθιστούν την πολλαπλή μετα‐ανάλυση μεθοδολογικά (και εννοιολογικά) πιο απαιτητική σε σύγκριση με την κλασική μετα‐ανάλυση. Η μεθοδολογία της πολλαπλής μετα‐ανάλυσης συνεχίζει να αναπτύσσεται ταχέως με σκοπό να παρέχει αποτελέσματα για την συγκριτική αποτελεσματικότητα χρήσιμα για τη λήψη ιατρικών αποφάσεων. Συνεπώς, η συνεργασία μεταξύ επιδημιολόγων, στατιστικών και κλινικών, μεταξύ άλλων, κρίνεται απαραίτητη για την ανάπτυξη, εφαρμογή και αξιολόγηση μεθόδων για την πολλαπλή μετα‐ανάλυση, καθώς επίσης και για την παρουσίαση και ερμηνεία των αποτελεσμάτων.



«Network meta‐analysis: basic concepts, benefits and challenges of the next generation evidence synthesis tool»


Abstract


The wide range of alternative intervention options and the increasing number of clinical trials for the same condition and patient characteristics have led to the need for comparative effectiveness research. Conventional meta‐analysis focuses on the comparison of two interventions, and hence, it restricts the evidence to just one part of the whole picture. An extension of conventional meta‐analysis is the network meta‐analysis which has received greater attention the last four years.

Network meta‐analysis is particularly useful in the medical decision‐making because it allows, under specific assumptions, the quantitative synthesis of evidence across a network of clinical trials that compare multiple interventions. Network meta‐analysis has the advantage of inferring for interventions not directly studied in any clinical trial and integrating direct and indirect evidence (evidence from clinical trials that compare the interventions of interest with a common comparator) in order to create hierarchies of the interventions.

Despite the advantages of network meta‐analysis, it is not yet a widely established approach of evidence synthesis in the literature. Many health care practitioners are skeptical towards the assumptions of the model. The statistical expertise required in fitting the model, the presentation of complex results in an understandable format and the evaluation of the risk of bias and the quality of evidence in the network meta‐analysis are far more challenging than in conventional meta‐analysis.

The methodology of network meta‐analysis will continue to develop in order to provide evidence on comparative effectiveness that is valuable for clinical decision‐making. Therefore, any collaboration between epidemiologists, statisticians, clinicians and others is deemed necessary for developing, implementing and evaluating methods for network meta‐analysis as well as reporting and interpreting the results.