Metaanálisis bayesiano de redes con uno o dos resultados continuos medidos en múltiples puntos de tiempo utilizando...

Área de la Ciencia:

• Bioestadística
• Informática Médica
• Epidemiología Clínica

Sus antecedentes:

• El metaanálisis de redes tradicional sintetiza resultados únicos en un punto de tiempo.
• Los métodos existentes luchan por analizar simultáneamente múltiples resultados continuos en varios puntos de tiempo.
• Los ensayos a menudo informan resultados secundarios y datos longitudinales, que están infrautilizados.

Objetivo del estudio:

• Desarrollar modelos novedosos de metaanálisis de redes bayesianas para resultados continuos medidos longitudinalmente.
• Tener en cuenta simultáneamente múltiples resultados y sus correlaciones a lo largo del tiempo.
• Mejorar la síntesis de evidencia de ensayos clínicos con informes complejos de resultados.

Principales métodos:

• Desarrollo de dos modelos bayesianos de metaanálisis de redes que incorporan caminatas aleatorias gaussianas con deriva.
• El primer modelo maneja un único resultado continuo en múltiples puntos de tiempo.
• El segundo modelo extiende esto para incorporar un segundo resultado utilizando la cointegración de caminatas aleatorias.

Principales resultados:

• Ambos modelos propuestos proporcionan estimaciones imparciales de los efectos del tratamiento y los parámetros de deriva con una cobertura razonable.
• El modelo de cointegración ofrece ligeras ganancias de precisión en ciertos escenarios.
• Los modelos superan a un modelo de caminata aleatoria utilizado anteriormente en la síntesis de datos de ensayos de osteoartritis.

Conclusiones:

• Los modelos bayesianos propuestos ofrecen herramientas avanzadas para el metaanálisis de redes de resultados continuos longitudinales.
• Estos modelos manejan de manera efectiva múltiples resultados y correlaciones dependientes del tiempo.
• Son valiosos para sintetizar evidencia en áreas como el tratamiento de la osteoartritis de rodilla y cadera.