爱诺美康

乳腺癌治疗程度受哪些数据因素决定

国外的每项研究都会对应一个有效率，在一次试验中共有9个有效率，从H，R2，一直到9个样本有效率中的所有情况，都是相应r的估计值。乳腺癌治疗转诊服务机构爱诺美康了解到，在150例患者中有106例有效，如果假设9个有效率相等，则其共同反应率r的后验分布，会标有汇总分析样式。

乳腺癌治疗转诊服务机构爱诺美康了解到，虽然该汇总分析是错误的，但106/150的总估计值，可能还是相对合理的。然而，这一估计值的精度太高了，相当于其标准误太小。与此相比，相关情况中的“分层分析”曲线，则是研究总体中有效率分布的贝叶斯估计，该曲线为平均后验分布，其假设是在特定的r值分布中无参数先验信息，称为贝塔分布。

由于是典型的分层分析，该曲线显示出比同质性假设条件下，类似的曲线具有更大的变异性。乳腺癌治疗转诊服务机构爱诺美康了解到，在分层分析中，单项研究的分布由该研究的数据而定，但它也受其他研究的数据影响。一项数据表的右边一列，显示了每项研究的有效率分布的均数，这也是对该研究中，今后患者有效性的预测概率。乳腺癌治疗转诊服务机构爱诺美康了解到，其单项研究的概率向总平均方向缩进，研究例数越少，观察到的有效率越远离总平均，则缩进的程度越大。

绘制在r轴上的点，表示给出的所观察到的有效比率，点的面积大小与样本例数近似成比例。汇总分析曲线显示了，假设无研究效应时有效率r的分布；其分层分析曲线显示了考虑各研究异质性时，有效率分布的贝叶斯估计影响是可以防范的。乳腺癌治疗转诊服务机构爱诺美康了解到，因为并不假定所有研究的实际有效率相同，也因为影响的程度是由数据决定的。

而贝叶斯估计值居于简单汇总，和每项研究单独看待的结果之间，缩进量包括前面提到的两个极端，取决于试验总体的先验分布。这种先验分布应该事先设定，观察有效率与调整有效率估计值比较。绘制在r轴上的点表示所观察到的有效率一样，点的面积大小与样本例数近似成比例。贝叶斯估计假定了一个分层模型，并显示出向总平均的缩进变化，以评估总结论的敏感性。

乳腺癌治疗转诊服务机构爱诺美康了解到，缩进是分层建模的一种结果，建立这种模型的目的是，合理地利用所获得的信息来提高精密度，或减少所需的样本例数。例如，标准误将由0.116减少到0.037，但是考虑到研究异质性的可能性后，这种汇总就不能成立了。分层地利用信息也可增强这一结论，但也不尽然。贝叶斯估计的标准差从0.116减小到0.094，只减少了约20%。

尽管这种减小小于简单汇总的减少量，但这却意味着，为了实施一项临床试验保持同样精度：节约50%以上的样本例数是必要的。例如，为了在一次单独的研究中获得相同的标准误，相关研究将会需要25例患者而不是16例。

因此，可以把患者协变量引入到分层分析中，以调整研究中已知的差异，但是仍然要考虑到未知的效应。乳腺癌治疗转诊服务机构爱诺美康了解到，在这个例子中和更复杂的层次背景下，建立模型时考虑了利用其他研究和数据库的信息；如果研究间的结果是一致的，则可利用的程度就较大。如果结果有很大不同，则意味着研究的异质性，而且利用度很低。