Untersuchung der Heterogenität in einer Meta-Analyse mit individuellen Patientendaten zu Zeit-bis-Ereignis-Ergebnissen

Unterschiede zwischen Studien in Bezug auf Designmerkmale und Methodik, klinische Verfahren und Patienteneigenschaften sind Faktoren, die zur Variabilität des Behandlungseffekts zwischen Studien in einer Meta-Analyse (statistische Heterogenität) beitragen können. Regressionsmodelle können verwendet werden, um Beziehungen zwischen Behandlungseffekt und Kovariaten zu untersuchen, mit dem Ziel, die Variabilität in Bezug auf klinische, methodologische oder andere Faktoren zu erklären. Eine solche Untersuchung kann mittels aggregierter Daten oder individueller Patientendaten durchgeführt werden. Ein Ansatz mit aggregierten Daten kann problematisch sein, da ausreichende Daten selten verfügbar sind und die Übertragung aggregierter Effekte auf individuelle Patienten oft irreführend sein kann. Ein Ansatz mit individuellen Patientendaten ermöglicht, obwohl er in der Regel ressourcenintensiver ist, eine gründlichere Untersuchung potenzieller Heterogenitätsquellen und eine umfassendere Analyse von Zeit-bis-Ereignis-Ergebnissen in einer Meta-Analyse. Hierarchische Cox-Regression Modelle werden verwendet, um die Beweise für Heterogenität in der Meta-Analyse zu identifizieren und zu untersuchen sowie die Beziehung zwischen Kovariaten und zensierten Ausfallzeitdaten in diesem Kontext zu prüfen. Alternative Formulierungen des Modells sind möglich und werden anhand individueller Patientendaten aus einer Meta-Analyse von fünf randomisierten kontrollierten Studien veranschaulicht, die zwei Medikamente zur Behandlung der Epilepsie vergleichen. Die Modelle werden weiter auf simulierte Datenbeispiele angewendet, in denen der Grad der Heterogenität und die Größe des Behandlungseffekts variieren. Das Verhalten jedes Modells in jeder Situation wird untersucht und verglichen.