Síntese de Evidências para Tomada de Decisão 2

Nós propomos uma estrutura de modelo linear generalizado para a síntese de dados de ensaios clínicos randomizados controlados. Um modelo comum é descrito, assumindo a forma de uma regressão linear tanto para síntese de efeitos fixos quanto aleatórios, que pode ser implementada com dados normais, binomiais, de Poisson e multinomiais. O modelo logístico familiar para metanálise com dados binomiais é um modelo linear generalizado com uma função de link logit, que é apropriado para desfechos de probabilidade. A mesma estrutura de regressão linear pode ser aplicada a desfechos contínuos, modelos de taxa, riscos competidores ou desfechos em categorias ordenadas, utilizando outras funções de link, como identidade, log, log-log complementar e funções de link probit. O modelo central comum para o preditor linear pode ser aplicado à metanálise pareada, comparações indiretas, síntese de ensaios multi-braço e comparações de tratamento misto, também conhecido como metanálise em rede, sem distinção. Adotamos uma abordagem Bayesiana para a estimação e fornecemos o código do programa WinBUGS para uma análise Bayesiana utilizando simulação de cadeias de Markov. Uma vantagem dessa abordagem é que é simples estender para modelos de parâmetros compartilhados onde diferentes ensaios clínicos randomizados relatam desfechos em formatos diferentes, mas de um modelo subjacente comum. O uso da estrutura de modelo linear generalizado nos permite apresentar uma explicação unificada de como modelos podem ser comparados utilizando o critério de informação de deviance e como a bondade do ajuste pode ser avaliada usando a deviance residual. A abordagem é ilustrada através de uma variedade de exemplos trabalhados para formatos de evidência comumente encontrados.