網路Meta分析（Networkmeta-analysis，NMA）指利用包含3種及以上干預措施構成的證據體裡的所有研究，結合直接比較和間接比較，基於Meta分析技術進行加權合併分析。其通過構造一個等級模型，處理抽樣變異、干預措施異質性及研究比較間的不一致性，提供模型的最大似然比。該方法可同時比較證據體中多個干預措施之間治療效果差異，並按效果大小進行排序，從而為決策者制定臨床指南提供重要參考依據。
基本介紹
- 中文名：網路Meta分析
- 外文名：Network meta-analysis，NMA
- 別名：網狀Meta分析
基本原理,適用情況,方法,優點,
基本原理
假設證據網中共含有S個研究，T個干預措施，N種直接比較，干預措施k相對於干預措施c（其中k,c=1,2,…,T）的相對效應為μkc，那么在進行NMA時並不需要計算所有μkc，只需要估計基本參數μt（t=1,2,…,T-1），它表示(T-1)個干預措施與另外一個共同參照措施之間比較的效應。具體方法是：通過選擇T個干預措施中某一個為參照（如A），則每個μt代表干預措施t相對於A的效應（t=1,2,…,T；t≠A），所以μt=μtA，NMA需要根據S個研究估計所有μtA，因此，不含有參照A的其他兩兩比較（功能參數）的合併效應則可以通過一致性等式獲得：μkc=μkA-μcA=μk-μc。要使這個等式成立，要求證據網中的研究滿足同質性（指不同研究之間具有相似的臨床特點和方法學特點，不同研究的效應估計值在統計學上沒有系統性差異）、相似性（包括臨床相似性和方法學相似性，臨床相似性指研究對象、干預措施和結局測量的相似性；方法學相似性指兩組試驗質量的相似性）和一致性（指直接與間接比較結果的相似度，包括方向一致性和大小一致性）三個前提假設。
Meta回歸模型、層次模型和多元Meta回歸模型等都可以用於NMA模型的擬合，其共同特點是圍繞一致性假設等將待估計參數最小化，這些模型只是構建的角度不同，實際上是等效的，在實踐中可以通過頻率學（常用Stata軟體）和貝葉斯軟體（常用WinBUGS軟體）來擬合。
適用情況
系統綜述和Meta分析常常用於比較干預措施的有效性和安全性。但是由於多種干預措施的利弊很難在一個隨機對照臨床試驗同時進行評估；而傳統的Meta分析在評估效果時即便是納入了很多個原始研究，每次分析也只能針對某兩個干預措施的效果進行比較，這兩類研究方法都不能滿足實際決策的需要，因為在選擇干預措施前，常常需要同時權衡各種干預措施之間的利弊。因此網路Meta分析的出現有助於對當前的干預措施進行篩選，定量化遴選出最有效、安全的干預措施以提高衛生服務保健質量和決策能力。
方法
經典統計學與貝葉斯統計學派是當前統計學兩個主要學派，因而合併直接和間接比較證據的方法主要有頻率學法和貝葉斯法。
頻率學方法基於機率的頻率解釋，將機率解釋為大量重複試驗後頻率的穩定值，主要使用倒方差法和廣義線性模型完成網路Meta分析。倒方差法是將各研究的方差倒數作為權重，對各研究效應進行加權平均，總體效應的方差為權重之和的倒數。廣義線性混合模型考慮了隨機效應，可以通過Stata軟體或SAS軟體實現。
貝葉斯法基於觀察數據及參數條件解釋機率，在獲得數據後可計算未知參數條件機率，即後驗機率。利用後驗機率對所有分析的干預措施進行排序，可以克服頻率學方法在參數估計時通過不斷疊代去估計最大似然函式、易出現不穩定而得到有偏倚的結果的缺陷，故估計值更準確、建模更靈活，通過不同的連線函式擬合服從二項分布、常態分配、泊松分布等指數分布數據，可以通過WinBUGS軟體實現。
優點
Meta分析是用於比較和綜合針對同一科學問題研究結果的統計學方法，其已成為臨床醫生與科研工作者用於臨床決策的一門不可或缺的技術。網路Meta分析作為傳統Meta分析方法的拓展，將僅能處理兩種干預措施的經典Meta分析擴展為同時處理多個干預措施的Meta分析方法，其最大優勢在於可以對治療同類疾病的不同干預措施之間的效果進行量化，並按照某一結局指標效果優劣進行排序，進而幫助決策者選擇最優的治療方案。
