Meta-Regression in klinischen. Studien. Hintergrund und Anwendung in SAS. Meike Hastert Mareike Herrmann

Transkript

1 Meta-Regression in klinischen Studien Hintergrund und Anwendung in SAS Meike Hastert Mareike Herrmann

2 Gliederung Meta-Regression im Allgemeinen Statistischer Hintergrund Anwendung mit SAS Output Interpretation Zusammenfassung

3 Meta-Regression im Allgemeinen MR ist eine Erweiterung der MA Gewichtetes Gesamtergebnis Basierend auf: fixed-effects model (FEM) oder random-effects-model (REM)

4 Meta-Regression im Allgemeinen Wieso MA/MR Verwendung von aggregierten Daten ein Gesamtergebnis Interpretationshilfe Planung einer neuen Studie Vorgehen Genaue Eingrenzung : Indikationsgebiet, Population, Primäre Endpunkte, etc. Literatur-Recherche Identifikation von Kovariablen

5 Statistischer Hintergrund

6 Statistischer Hintergrund wobei mit für FEM und für REM muss geschätzt werden

7 Statistischer Hintergrund Heterogenität: Variabilität zwischen Studienergebnissen : Verhältnis der Varianz zwischen den Studien zur totalen Varianz

8 Behandlungseffekt (Schätzer) Behandlungseffekt (Schätzer) Anwendung mit SAS MA: Schätzung des Behandlungseffektes (y) y = b MR: Behandlungseffekt (y) ist abhängig von der Kovariablen (x) y = b + m x Kovariable Kovariable

9 Anwendung mit SAS Datensatzbeispiel für PROC MIXED Form des Datensatzes: Eindeutige Studienbezeichnung Identische Berechnung der Studienergebnisse (z.b. immer log-odds Ratio) Variable EST enthält die Varianz innerhalb der jeweiligen Studie Für MR: einheitliche Benennung der Kovariablen

10 Anwendung mit SAS MA mit festen Effekten PROC MIXED: Prozeduraufruf und Definition des Input- Datensatzes CLASS: Klassifizierung nach Studienname MODEL: spezifiziert das Modell REPEATED/GROUP: Jede Studie hat ihre eigene Varianz PARMS/PARMSDATA EQCONS: liest Werte der Variable EST (enthält Varianzen innerhalb der 13 Studien) und hält diese konstant.

11 Behandlungseffekt (Schätzer) Anwendung mit SAS Output Interpretation für feste Effekte MA basierend auf festen Effekten y = b -0, Kovariable

12 Anwendung mit SAS MA und MR mit zufälligen Effekten Meta-Analyse PROC MIXED: Prozeduraufruf und Definition des Input- Datensatzes METHOD: Methode zur Schätzung CLASS: Klassifizierung nach Studienname MODEL: spezifiziert das Modell (Breitengrad als Kovariable) Meta-Regression RANDOM int / SUBJECT: spezifiziert Studien als zufälligen Effekt REPEATED/GROUP: Jede Studie hat ihre eigene Varianz PARMS/EQCONS: Wertebereich für die Varianz zwischen den Studien, Varianzen innerhalb der 13 Studien. Schätzung der Varianz zwischen den Studien, Varianz innerhalb der Studien wird konstant gehalten

13 Behandlungseffekt (Schätzer) Behandlungseffekt (Schätzer) Anwendung mit SAS Output Interpretation für zufällige Effekte Meta-Analyse y = b Heterogenität zwischen den Studien Behandlungseffekt (Schätzer) Kovariable Meta-Regression y = b + m x Kovariable y = ( ) x

14 Zusammenfassung Mit Hilfe einer Meta-Analyse oder Meta-Regression lassen sich Studienergebnisse aus mehreren Studien zu einem Gesamtergebnis kombinieren In eine Meta-Regression lassen sich Kovariablen (z.b. Alter, Geschlecht) einbeziehen, die einen Effekt auf den Behandlungseffekt haben Erklärt Heterogenität zwischen den Studien In SAS lassen sich Meta-Analyse und Meta-Regression mittels der Prozedur MIXED umsetzen

15 Literatur Borenstein, Michael, Larry V. Hedges, Julian P.T. Higgins, and Hannah R. Rothstein (2009). Introduction Meta-Analysis. 1 st ed. Wiley. Cochran, William G. (1954). The Combination of Estimates from Different Experiments. In Biometrics 10.1, pp DerSimonian, Rebecca and Nan Laird (1986). Meta-analysis in clinical trials. In Controlled Clinical Trials 7.3, pp Thompson, Simon G. and J. P. Higgins (2002). How should meta-regression analyses be undertaken and interpreted. In Statistics in Medicine 21.11, pp Van Houwelingen H, Arends LR, Stijnen T. Tutorial in Biostatistics. Advanced methods in meta-analysis: multivariate approach and meta-regression. Statistics in Medicine 2002; 21:

16 Vielen Schlusssatz Dank für die Aufmerksamkeit! Meta-Regression Hintergrund und Anwendung in SAS Meike Hastert Otto-Volger-Straße 3c, D Sulzbach Mareike Herrmann Otto-Volger-Straße 3c, D Sulzbach HMS Analytical Software GmbH Rohrbacher Str Heidelberg HMS auf XING: HMS Analytical Software GmbH 2015