Verkostometa-analyysi yleistetyillä lineaarisilla sekamalleilla – sovelluksia oftalmologiassa
Linden, Aki (2017-10-03)
Verkostometa-analyysi yleistetyillä lineaarisilla sekamalleilla – sovelluksia oftalmologiassa
Linden, Aki
(03.10.2017)
Tätä artikkelia/julkaisua ei ole tallennettu UTUPubiin. Julkaisun tiedoissa voi kuitenkin olla linkki toisaalle tallennettuun artikkeliin / julkaisuun.
Turun yliopisto
Tiivistelmä
Tässä tutkielmassa esitellään meta-analyysin ja yleisemmin verkostometa-analyysin teoriaa sekä teoriaan tukeutuva käytännön esimerkki. Yleisen teorian lisäksi esitetään kaksi eri lähestymistapaa verkostometa-analyysien mallintamiseen, kaksisuuntainen malli ja perushoitokontrastimalli, ja käsitellään näiden yhtäläisyyksiä. Myös soveltavassa osassa käytännön aineistoon sovelletaan molempia esitettyjä malleja. Mallien ja niiden yhtäläisyyksien esittämisessä käytetyt päälähteet olivat Piepho et al., 2012 sekä Lu ja Ades, 2006.
Verkostometa-analyysi yhdistää useamman tutkimuksen aineiston yhteen uuteen tutkimukseen. Analyysissä voidaan käyttää kokonaista potilastason aineistoa tai tutkimuskohtaisista hoitoyhteenvedoista koottua aineistoa. Verkostometa-analyysiä käytetään erityisesti kliinisten tutkimusten yhteydessä. Sen avulla saadaan kasvatettua havaintoaineistoa. Verkostorakenne antaa myös mahdollisuuden verrata epäsuorasti keskenään hoitomenetelmiä, joita ei välttämättä ole verrattu koskaan suoraan toisiinsa.
Teoriaosassa esitetään verkostometa-analyysien mallintamiseen kaksisuuntainen malli sekä perushoitokontrastimalli, jota perinteisesti käytetään verkostometa-analyyseissä. Mallien erillisten määrittelyjen lisäksi todetaan, että mallit ovat jatkuvan vasteen ja identiteettilinkin kanssa identtiset, kun varianssi-kovarianssirakenne oletetaan kiinteäksi. Muillakin jakaumaoletuksilla mallit ovat hyvin lähellä toisiaan. Hoitoyhteenvetoaineiston kanssa mallit ovat aina identtiset.
Verkostometa-analyysin haasteisiin kuuluu heterogenian sekä suorien ja epäsuorien estimaattien epäjohdonmukaisuuden hallinta. Heterogenia ilmenee erona lähdetutkimusten tuloksissa samojen vertailujen välillä ja sitä voidaan pyrkiä hallitsemaan esimerkiksi satunnaistekijällä kaksisuuntaisessa mallissa. Estimaattien epäjohdonmukaisuus ilmenee taas siten, että saman vertailun tulokset eroavat toisistaan riippuen siitä, onko kyseessä suora tai epäsuora vertailu. Tätä voidaan tarkastella esimerkiksi lisäämällä malliin uusi tekijä kontrolloimaan epäsuoraa estimaattia.
Soveltavassa osassa pyritään toistamaan artikkelissa Lin et al. (2014) [9] esitetyt tulokset molemmilla teoriaosassa esitellyillä malleilla. Kyseessä on verkostometa-analyysi, jossa verrataan viittä glaukoomalääkettä keskenään. Glaukooma on yksi yleisimmistä oftalmologiaan (silmätautioppiin) liittyvistä sairauksista. Artikkelin aineistoa ei ollut suoraan saatavilla, joten se on koottu tässä työssä uudestaan artikkelissa käytetyistä lähdetutkimuksista. Artikkeli ei ole täysin yksiselitteinen aineiston kokoamisen kannalta, joten täydellistä vastaavuutta on vaikeaa saavuttaa. Molemmilla malleilla päästään kuitenkin lähelle artikkelin alkuperäisiä tuloksia. Aineiston toistamisessa ilmenneiden ongelmien vuoksi kuitenkin tässä tutkielmassa sovitettujen kahden mallin tulokset ovat lähempänä toisiaan kuin kummatkaan artikkelin tuloksia. Mallien tulosten läheisyys tukee teoriaosassa esitettyjä yhteneväisyyksiä.
Verkostometa-analyysi yhdistää useamman tutkimuksen aineiston yhteen uuteen tutkimukseen. Analyysissä voidaan käyttää kokonaista potilastason aineistoa tai tutkimuskohtaisista hoitoyhteenvedoista koottua aineistoa. Verkostometa-analyysiä käytetään erityisesti kliinisten tutkimusten yhteydessä. Sen avulla saadaan kasvatettua havaintoaineistoa. Verkostorakenne antaa myös mahdollisuuden verrata epäsuorasti keskenään hoitomenetelmiä, joita ei välttämättä ole verrattu koskaan suoraan toisiinsa.
Teoriaosassa esitetään verkostometa-analyysien mallintamiseen kaksisuuntainen malli sekä perushoitokontrastimalli, jota perinteisesti käytetään verkostometa-analyyseissä. Mallien erillisten määrittelyjen lisäksi todetaan, että mallit ovat jatkuvan vasteen ja identiteettilinkin kanssa identtiset, kun varianssi-kovarianssirakenne oletetaan kiinteäksi. Muillakin jakaumaoletuksilla mallit ovat hyvin lähellä toisiaan. Hoitoyhteenvetoaineiston kanssa mallit ovat aina identtiset.
Verkostometa-analyysin haasteisiin kuuluu heterogenian sekä suorien ja epäsuorien estimaattien epäjohdonmukaisuuden hallinta. Heterogenia ilmenee erona lähdetutkimusten tuloksissa samojen vertailujen välillä ja sitä voidaan pyrkiä hallitsemaan esimerkiksi satunnaistekijällä kaksisuuntaisessa mallissa. Estimaattien epäjohdonmukaisuus ilmenee taas siten, että saman vertailun tulokset eroavat toisistaan riippuen siitä, onko kyseessä suora tai epäsuora vertailu. Tätä voidaan tarkastella esimerkiksi lisäämällä malliin uusi tekijä kontrolloimaan epäsuoraa estimaattia.
Soveltavassa osassa pyritään toistamaan artikkelissa Lin et al. (2014) [9] esitetyt tulokset molemmilla teoriaosassa esitellyillä malleilla. Kyseessä on verkostometa-analyysi, jossa verrataan viittä glaukoomalääkettä keskenään. Glaukooma on yksi yleisimmistä oftalmologiaan (silmätautioppiin) liittyvistä sairauksista. Artikkelin aineistoa ei ollut suoraan saatavilla, joten se on koottu tässä työssä uudestaan artikkelissa käytetyistä lähdetutkimuksista. Artikkeli ei ole täysin yksiselitteinen aineiston kokoamisen kannalta, joten täydellistä vastaavuutta on vaikeaa saavuttaa. Molemmilla malleilla päästään kuitenkin lähelle artikkelin alkuperäisiä tuloksia. Aineiston toistamisessa ilmenneiden ongelmien vuoksi kuitenkin tässä tutkielmassa sovitettujen kahden mallin tulokset ovat lähempänä toisiaan kuin kummatkaan artikkelin tuloksia. Mallien tulosten läheisyys tukee teoriaosassa esitettyjä yhteneväisyyksiä.