Главная

О журнале |  Архив |  Текущий номер |  Подписка |  Авторам |  Контакты      


Журнал "Проблемы стандартизации в здравоохранении"

 

ИНТЕРПРЕТАЦИЯ КОСВЕННЫХ СРАВНЕНИЙ ТАКТИК ЛЕЧЕНИЯ И СЕТЕВЫХ МЕТА-АНАЛИЗОВ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В ЗДРАВООХРАНЕНИИ: РАБОЧАЯ ГРУППА ISPOR ПО НАДЛЕЖАЩЕЙ ИССЛЕДОВАТЕЛЬСКОЙ ПРАКТИКЕ ПО КОСВЕННЫМ СРАВНЕНИЯМ ТАКТИК ЛЕЧЕНИЯ. Часть 1

Йерун П. Янсен1, Рэйчел Флеуренсе2, Бет Девайн3, Робин Итцлер4, Аннабель Барретт5, Нил Хокинс7, Карен Ли7, Корнелис Берсма8, Ливен Анниманс9, Джозеф К. Кареллери10

1. MAPI Values, Бостон, Массачусетс, США

2. Оксфорд Результаты, Bethesda, США

3. Программа Фармацевтических Результатов исследований и политики, Фармацевтическая школа, школа медицины, Университет штата Вашингтон, Сиэтл, штат Вашингтон, США

4. Исследовательские лабораторий Мерк, Северный Уэльс, Пенсильвания, США

5. Эли Лилли энд компани ООО, Виндлесхам, Суррей, Великобритания,

6. ООО Оксфорд Результаты, Оксфорд, Великобритания

7. Канадское агентство по лекарствам и технологиям в здравоохранении (CADTH), Оттава, Онтарио, Канада

8. Университет Гронингена / HECTA, Гронинген, Нидерланды

9. Гентский университет, Гент, Бельгия

10. Пфайзер Инк, Нью-Лондон, Коннектикут, США

 

Перевод: М.А. Холовня

Рецензенты: П.А. Воробьев, Л.С. Краснова, Л.Ю. Безмельницына, А.В. Лунева

Межрегиональная общественная организация «Общество фармакоэкономических исследований»

 

РЕЗЮМЕ

Принятие решений в здравоохранении на основе медицины доказательств требует сравнения всех соответствующих конкурирующих тактик лечения. В отсутствия рандомизированных контролируемых исследований с прямым сравнением всех изучаемых медицинских технологий (МТ) косвенное сравнение лечения и сетевой мета-анализ предоставляют полезные доказательства для разумного выбора лучшего варианта (ов) лечения. Смешанные сравнения тактик лечения – особый случай сетевого мета-анализа  – сочетают прямые и косвенные доказательства для парных сравнений и тем самым предоставляют для синтеза больше имеющихся данных, чем традиционный мета-анализ. Эта статья целевой группы Международного общества фармакоэкономических исследований (ISPOR) по надлежащей исследовательской практике по косвенным сравнениям тактик лечения представляет собой руководство по интерпретации косвенных сравнений тактик лечения и сетевого мета-анализа, необходимое политикам и специалистам в области организации здравоохранения в использовании его результатов для принятия решений. Начнем с обзора того, как сети рандомизированных контролируемых исследований позволяют провести множественные сравнения конкурирующих тактик лечения. Далее, рассмотрим синтез имеющихся данных с акцентом на терминологию, предположения, обоснованность и статистические методы, затем изложим рекомендации по критическому рассмотрению и интерпретации косвенного сравнения тактик лечения или сетевого мета-анализа для лиц принимающих решения, а закончим обсуждением случая, когда отсутствуют прямые или косвенные сравнения рандомизированных контролируемых исследовании, но решение должно быть принято.

         Ключевые слова: байесовский анализ, принятие решений, сравнительная эффективность, косвенные сравнения лечения, смешанная обработка, сетевой мета-анализ

 

Copyright © 2011, Международное общество фармакоэкономических исследований и оценки результатов (ISPOR). Издатель Эльсервер Инк.

 

INTERPRETING INDIRECT TREATMENT COMPARISONS AND NETWORK META-ANALYSIS FOR HEALTH-CARE DECISION MAKING: REPORT OF THE ISPOR TASK FORCE ON INDIRECT TREATMENT COMPARISONS GOOD RESEARCH PRACTICES. PART 1

Jeroen P. Jansen, Rachael Fleurence, Beth Devine, Robbin Itzler, Annabel Barrett, Neil Hawkins, Karen Lee, Cornelis Boersma, Lieven Annemans, Joseph C. Cappelleri

Translators and reviewers:

Vorobiev P.A., Holownia M.A., Krasnova L.S., Bezmelnitsyna L.Y., Luneva A.V.

Russian Society for Pharmacoeconomics and Outcomes Research, Moscow

 

Evidence-based health-care decision making requires comparisons of all relevant competing interventions. In the absence of randomized, controlled trials involving a direct comparison of all treatments of interest, indirect treatment comparisons and network meta-analysis provide useful evidence for judiciously selecting the best choice(s) of treatment. Mixed treatment comparisons, a special case of network meta-analysis, combine direct and indirect evidence for particular pair wise comparisons, thereby synthesizing a greater share of the available evidence than a traditional meta-analysis. This report from the ISPOR Indirect Treatment Comparisons Good Research Practices Task Force provides guidance on the interpretation of indirect treatment comparisons and network meta-analysis to assist policymakers and health-care professionals in using its findings for decision making. We start with an overview of how networks of randomized, controlled trials allow multiple treatment comparisons of competing interventions. Next, an introduction to the synthesis of the available evidence with a focus on terminology, assumptions, validity, and statistical methods is provided, followed by advice on critically reviewing and interpreting an indirect treatment comparison or network meta-analysis to inform decision making. We finish with a discussion of what to do if there are no direct or indirect treatment comparisons of randomized, controlled trials possible and a health-care decision still needs to be made.

Key words: Bayesian, decision making, comparative effectiveness, indirect treatment comparison, mixed treatment comparison, network meta-analysis

 

ЛИТЕРАТУРА

1.                 Hoaglin D.C., Hawkins N., Jansen J.P. et al. Conducting indirect treatment comparisons and network meta-analysis studies: report of the ISPOR task force on indirect treatment comparisons good research practices – Part 2. Value Health 2011 V. 14.

2.                Higgins J.P.T., Green S., eds. Cochrane Handbook for Systematic Reviews of Interventions Version 5.0.2 [updated September 2009]. The Cochrane Collaboration, 2009. Available from: http://www.cochranehandbook. org. [Accessed February 11, 2010].

3.                Caldwell D.M., Ades A.E., Higgins J.P.T. Simultaneous comparison of multiple treatments: combining direct and indirect evidence // BMJ. 2005. V. 331. Р. 897–900.

4.                Ioannidis J.P.A. Indirect comparisons: the mesh and mess of clinical trials // Lancet 2006. V. 368. Р. 1470–2.

5.                Sutton A., Ades A.E., Cooper N., Abrams K. Use of indirect and mixed treatment comparisons for technology assessment // Pharmacoecnomics 2008. V. 26. Р. 753–67.

6.                Wells G.A., Sultan S.A., Chen L. et al. Indirect Evidence: Indirect Treatment Comparisons in Met-Analysis. Ottawa: Canadian Agency for Drugs and Technologies in Health; 2009.

7.                Bucher H.C., Guyatt G.H., Griffith L.E., Walter S.D. The results of direct and indirect treatment comparisons in meta-analysis of randomized controlled trials // J Clin Epidemiol. 1997. V. 50. Р. 683–91.

8.                Song F., Altman D.G., Glenny A., Deeks J.J. Validity of indirect comparison for estimating efficacy of competing interventions: empirical evidence from published meta-analyses // BMJ. 2003. V. 326. Р. 472.

9.                Lu G., Ades A.E. Combination of direct and indirect evidence in mixed treatment comparisons // Stat Med. 2004. V. 23. Р. 3105–24.

10.            Song F., Loke Y.K., Walsh T. et al. Methodological problems in the use of indirect comparisons for evaluating healthcare interventions: survey of published systematic reviews // BMJ. 2009. V. 338. Р. b1147.

11.            Lumley T. Network meta-analysis for indirect treatment comparisons // Stat Med. 2002. V. 21. Р. 2313–24.

12.            Working Group on Relative Effectiveness The Pharmaceutical Forum. [online]. Available from: http://ec.europa.eu/pharmaforum/effectiveness_en.htm. [Accessed December 6, 2010].

13.            Pharmaceutical Benefits Advisory Committee. Guidelines for preparing submissions to the Pharmaceutical Benefits Advisory Committee. (Version 4.3). Australian Government, Department of Health and Ageing, December 2008.

14.            Glenny A.M. Statistical methods for indirect treatment comparisons // Health Technol Assess. 2005. V. 9. Р. 17–49.

15.            Jansen J.P., Crawford B., Bergman G., Stam W. Bayesian meta-analysis of multiple treatment comparisons: an introduction to mixed treatment comparisons // Value Health. 2008. V. 11. Р. 956–64.

16.            Jansen J.P., Bergman G.J., Huels J., Olson M. Prevention of vertebral fractures in osteoporosis: mixed treatment comparison of bisphosphonate therapies // Curr Med Res Opin. 2009. V. 25. Р. 1861–8.

17.            Biondi-Zoccai GG., Agostoni P., Abbate A. et al. Adjusted indirect comparison of intracoronary drug-eluting stents: evidence from a metaanalysis of randomized bare-metal-stent-controlled trials // Int J Cardiol. 2005. V. 100 Р. 119–23.

18.           Mills E.J., Perri D., Cooper C. et al. Antifungal treatment for invasive Candida infections: a mixed treatment comparison meta-analysis // Ann Clin Microbiol Antimicrob. 2009. V. 8. Р. 23.

19.            Stettler C., Wandel S., Alleman S. et al. Outcomes associated with drugeluting and bare-metal stents: a collaborative network meta-analysis // Lancet. 2007. V. 370. Р. 937–48.

20.            Ades A.E. A chain of evidence with mixed comparisons: models for multi-parameter synthesis and consistency of evidence // Stat Med. 2003. V. 22. Р. 2995–3016.

21.            Cooper N.J., Sutton A.J. Morris D. et al. Addressing between-study heterogeneity and inconsistency in mixed treatment comparisons: application to stroke prevention treatments in individuals with nonrheumatic atrial fibrillation // Stat Med. 2009. V. 28. Р. 1861–81.

22.            Psaty B.M., Lumley T., Furberg C.D. et al. Outcomes associated with various antihypertensive therapies used as first-line agents: a network meta-analysis // JAMA. V. 289. Р. 2534–44.

23.            Cooper N.J., Sutton A.J., Lu G. Mixed comparison of stroke prevention treatments in individuals with nonrheumatic atrial fibrillation // Arch Intern Med. 2006. V. 166. Р. 1269–75.

24.            Vissers D., Stam W., Nolte T. et al. Efficacy of intranasal fentanyl spray versus other opioids for breakthrough pain in cancer // Curr Med Res Opin. 2010. V. 26. Р. 1037–45.

25.            Cipriani A., Furukawa T.A., Salanti G. et al. Comparative efficacy and acceptability of 12 new-generation antidepressants: a multipletreatments meta-analysis // Lancet. 2009. V. 373. Р. 746–58.

26.            Salanti G., Kavvoura F.K., Ioannidis J.P.A. Exploring the geometry of treatment networks // Ann Intern Med. 2008. V. 148. Р. 544–53.

27.            Coory M., Jordan S. Frequency of treatment-effect modification affecting indirect comparisons: a systematic review // Pharmacoeconomics. 2010. V.  28. Р. 723–32.

28.            Lu G., Ades A.E. Assessing evidence inconsistency in mixed treatment comparisons // J Am Stat Assoc. 2006. V. 101. Р. 447–59.

29.            Dias S., Welton N.J., Caldwell D.M., Ades A.E. Checking consistency in mixed treatment comparison meta-analysis // Stat Med 2010. V. 29. Р. 932–44.

30.            Borenstein M, Hedges LV, Higgins JPT, Rothstein H. Introduction to Meta-Analysis. Chichester, England: John Wiley & Sons, Ltd., 2009.

31.            Skene A.M., Wakefield J.C. Hierarchical models for multicentre binary response studies // Stat Med. 1990 V. 9. Р. 919–29.

32.            Gelman A.B., Carlin J.S., Stern H.S., Rubin D.B. Bayesian Data Analysis. Boca Raton, FL: Chapman and Hall–CRC; 1995.

33.            Cappelleri J.C., Ioannidis J.P.A., Lau J. Meta-analysis of therapeutic trials. In: Chow S-C, ed., Encyclopedia of Biopharmaceutical Statistics (3rd ed.), Revised and Expanded. New York, NY: Informa Healthcare, 2010.

34.            Berlin J.A., Santanna J., Schmid C.H. et al. Individual patient-versus group-level data meta-regression for the investigation of treatment effect modifiers: ecological bias rears its ugly head // Stat Med. 2002. V. 21. Р. 371–87.

35.            Greenland S., Morgenstern H. Ecological bias, confounding, and effect modification // Int J Epidemiol. 1989. V. 18. Р. 269–74.

36.            Lambert P.C., Sutton A.J., Jones D.R. A comparison of summary patientlevel covariates in metaregression with individual patient data metaanalysis // J Clin Epidemiol. 2002. V. 55. Р. 86–94.

37.            McCullagh P., Nelder J. Generalized Linear Models, Second Edition. Chapman & Hall/CRC, 1989.

38.            Dempster A.P. The direct use of likelihood for significance testing // Stat Comput. 1997. V. 7. Р. 247–52.

39.            Spiegelhalter D.J., Best N.G., Carlin B.P., Van der Linde A. Bayesian measures of model complexity and fit // J R Stat Soc (Series B) 2002. V. 64. Р. 583–639.

40.            Goodman S.N. Towards evidence based medical statistics: 1. The P value fallacy // Ann Intern Med. 1999. V. 120. Р. 995–1004.

41.            Sutton A.J., Abrams K.R., Jones D.R. et al. Methods for Meta-Analysis in Medical Research. London, UK: Wiley, 2000.

42.            Spiegelhalter D., Abrams K., Myles J. Bayesian Approaches to Clinical Trials and Health Care Evaluation. Chichester, UK: John Wiley & Sons, 2004.

43.            Luce B.R., Claxton K. Redefining the analytical approach to pharmacoeconomics // Health Econ. 1999. V. 8. Р. 187–9.

44.            Hawkins N., Scott D.A., Woods B.S., Thather N. No study left behind: a network meta-analysis in non-small-cell lung cancer demonstrating the importance of considering all relevant data // Value Health. 2009. V. 12. Р. 996–1003.



Programming & design
by I.S.0pаrin