Multivariate network meta‐analysis of survival function parameters
Notice bibliographique
Résumé
BACKGROUND: Network meta-analysis (NMA) of survival data with a multidimensional treatment effect has been introduced as an alternative to NMA based on the proportional hazards assumption. However, these flexible models have some limitations, such as the use of an approximate likelihood based on discrete hazards, rather than a likelihood for individual event times. The aim of this article is to overcome the limitations and present an alternative implementation of these flexible NMA models for time-to-event outcomes with a two-step approach. METHODS: First, for each arm of every randomised controlled trial (RCT) connected in the network of evidence, reconstructed patient data are fit to alternative survival distributions, including the exponential, Weibull, Gompertz, log-normal, and log-logistic. Next, for each distribution, its scale and shape parameters are included in a multivariate NMA to obtain time-varying estimates of relative treatment effects between competing interventions. RESULTS: An illustrative analysis is presented for a network of RCTs evaluating multiple interventions for advanced melanoma regarding overall survival. Alternative survival distributions were compared based on model fit criteria. Based on the log-logistic distribution, the difference in shape and scale parameters for each treatment versus dacarbazine (DTIC) was identified and the corresponding log hazard and survival curves were presented. CONCLUSIONS: The presented two-step NMA approach provides an evidence synthesis framework for time-to-event outcomes grounded in standard practice of parametric survival analysis. The method allows for a more transparent and efficient model selection process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,061 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,024 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».