文献

J-GLOBAL ID：201702238129685773   整理番号：17A1445550

ネットワークメタ分析における一般化された線形階層モデルのための診断【Powered by NICT】

Diagnostics for generalized linear hierarchical models in network meta-analysis

著者 (3件)： Zhao Hong (Division of Biostatistics, University of Minnesota School of Public Health, Minneapolis, MN, 55442, USA) ,  Hodges James S. (Division of Biostatistics, University of Minnesota School of Public Health, Minneapolis, MN, 55442, USA) ,  Carlin Bradley P. (Division of Biostatistics, University of Minnesota School of Public Health, Minneapolis, MN, 55442, USA)
資料名： Research Synthesis Methods  (Research Synthesis Methods)
巻： 8  号： 3  ページ： 333-342  発行年： 2017年 
JST資料番号： W2735A  ISSN： 1759-2879  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークメタ分析(NMA)は2以上の処理を比較する直接および間接的な証拠を組み合わせたものである。これら2情報源が異なる場合不整合が発生する。以前の研究は,矛盾検出に焦点を当てているが,矛盾を同定後どのように進展するかはほとんど行われていない。鍵となる問題は,不一致は,NMAの実質的な結論を変化させるかどうかである。本論文では,診断の観点からそのような不一致を調べた。我々の方法によれば試験による上肢レベルでのNMA(野辺山ミリ波干渉計における影響と異常値を検出しようとした。これらの観察は,NMAにおけるパラメータ推定値に大きな影響を及ぼす可能性がある,あるいは他の観測から著しくずれているかもしれない。観測を削除することの影響をチェックするためにBayesian階層モデルのための形式的診断を開発した。診断は一般化線形階層NMAモデルの発表され,シミュレートされた両データセットに対して調べた。コントラストまたは腕ベースモデルを用いたこの例のデータセットからのとシミュレートしたデータセットからの結果は,NMAにおける矛盾の源は影響しない傾向があることを示し,例データセットからの結果は異常値であることを示唆した。これは線形モデル理論,低レバレッジを用いた異常値は影響しないからよく知られている結果を模倣した。将来の拡張は,ベースライン共変量と個人レベルの患者データの取り込みを含む。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *線形性 ,  上肢 ,  コントラスト ,  患者 ,  *ネットワーク ,  不整合 ,  異常値 ,  *メタ分析 ,  基準線 ,  パラメータ推定
準シソーラス用語： 共変量 ,  線形モデル ,  矛盾 ,  *階層モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Bayes解析 ,  NMAにおける診断 ,  矛盾 ,  複数の治療比較

分類 (2件)： 人工知能  (JE08000Z) ,  プロセス制御  (IC03040B)

タイトルに関連する用語 (4件)： ネットワークメタ分析 ,  線形 ,  階層モデル ,  診断