複数の時点におけるガウスランダムウォークとドリフトを用いたベイズネットワークメタアナリシス:1つまたは2つの連続アウトカム
Pai-Shan Cheng1, Bruno R da Costa2, George Tomlinson1,3
1Biostatistics Division, Dalla Lana School of Public Health, University of Toronto, Toronto, Ontario, Canada.
本研究では、縦断的連続アウトカムのための2つのベイズネットワークメタアナリシスモデルを導入する。これらのモデルは、複数のアウトカムと時点を効果的に処理し、変形性関節症の試験において既存の方法よりも優れた性能を発揮する。
科学分野:
- 生物統計学
- 医療情報学
- 臨床疫学
背景:
- 従来のネットワークメタアナリシスは、単一時点での単一アウトカムを合成する。
- 既存の方法では、複数の時点にわたる複数の連続アウトカムを同時に分析することは困難である。
- 試験では、二次アウトカムや縦断データが報告されることが多いが、これらは十分に活用されていない。
主な方法:
- ドリフト付きガウスランダムウォークを組み込んだ2つのベイズネットワークメタアナリシスモデルの開発。
- 第一のモデルは、複数の時点にわたる単一の連続アウトカムを処理する。
- 第二のモデルは、ランダムウォークの共和分を用いて第二のアウトカムを組み込むためにこれを拡張する。
結論:
- 提案されたベイズモデルは、縦断的連続アウトカムのネットワークメタアナリシスのための高度なツールを提供する。
- これらのモデルは、複数のアウトカムと時間依存の相関を効果的に処理する。
- 膝および股関節変形性関節症の治療などの分野におけるエビデンスの合成に役立つ。
さらに関連する動画
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
04:34Meta-Analysis of the Effectiveness and Safety of Shugan Jieyu Capsules for the Treatment of Insomnia
Published on: February 17, 2023
関連する概念動画
Mutation, Gene Flow, and Genetic Drift
Continuous -time Fourier Transform
Basic Continuous Time Signals
The unit step function, denoted u(t), is zero for negative time values and one for positive time values, exhibiting a discontinuity at t=0. This function often represents abrupt changes, such as the step voltage introduced when turning a car's...
Sampling Continuous Time Signal
In the...
Gaussian Elimination: Problem Solving
Instinctive Drift
