网络meta分析

网络Meta分析（Networkmeta-analysis，NMA）指利用包含3种及以上干预措施构成的证据体里的所有研究，结合直接比较和间接比较，基于Meta分析技术进行加权合并分析。

其通过构造一个等级模型，处理抽样变异、干预措施异质性及研究比较间的不一致性，提供模型的最大似然比。该方法可同时比较证据体中多个干预措施之间治疗效果差异，并按效果大小进行排序，从而为决策者制定临床指南提供重要参考依据。

基本原理

假设证据网中共含有S个研究，T个干预措施，N种直接比较，干预措施k相对于干预措施c（其中k,c=1,2,…,T）的相对效应为μkc，那么在进行NMA时并不需要计算所有μkc，只需要估计基本参数μt（t=1,2,…,T-1），它表示(T-1)个干预措施与另外一个共同参照措施之间比较的效应。

具体方法是：通过选择T个干预措施中某一个为参照（如A），则每个μt代表干预措施t相对于A的效应（t=1,2,…,T；t≠A），所以μt=μtA，NMA需要根据S个研究估计所有μtA，因此，不含有参照A的其他两两比较（功能参数）的合并效应则可以通过一致性等式获得：μkc=μkA-μcA=μk-μc。

要使这个等式成立，要求证据网中的研究满足同质性（指不同研究之间具有相似的临床特点和方法学特点，不同研究的效应估计值在统计学上没有系统性差异）、相似性（包括临床相似性和方法学相似性，临床相似性指研究对象、干预措施和结局测量的相似性；

方法学相似性指两组试验质量的相似性）和一致性（指直接与间接比较结果的相似度，包括方向一致性和大小一致性）三个前提假设。

Meta回归模型、层次模型和多元Meta回归模型等都可以用于NMA模型的拟合，其共同特点是围绕一致性假设等将待估计参数最小化，这些模型只是构建的角度不同，实际上是等效的，在实践中可以通过频率学（常用Stata软件）和贝叶斯软件（常用WinBUGS软件）来拟合。

适用情况

系统综述和Meta分析常常用于比较干预措施的有效性和安全性。但是由于多种干预措施的利弊很难在一个随机对照临床试验同时进行评估；

而传统的Meta分析在评估效果时即便是纳入了很多个原始研究，每次分析也只能针对某两个干预措施的效果进行比较，这两类研究方法都不能满足实际决策的需要，因为在选择干预措施前，常常需要同时权衡各种干预措施之间的利弊。

因此网络Meta分析的出现有助于对当前的干预措施进行筛选，定量化遴选出最有效、安全的干预措施以提高卫生服务保健质量和决策能力。

方法

经典统计学与贝叶斯统计学派是当前统计学两个主要学派，因而合并直接和间接比较证据的方法主要有频率学法和贝叶斯法。

频率学方法基于概率的频率解释，将概率解释为大量重复试验后频率的稳定值，主要使用倒方差法和广义线性模型完成网络Meta分析。倒方差法是将各研究的方差倒数作为权重，对各研究效应进行加权平均，总体效应的方差为权重之和的倒数。广义线性混合模型考虑了随机效应，可以通过Stata软件或SAS软件实现。

贝叶斯法基于观察数据及参数条件解释概率，在获得数据后可计算未知参数条件概率，即后验概率。利用后验概率对所有分析的干预措施进行排序，可以克服频率学方法在参数估计时通过不断迭代去估计最大似然函数、易出现不稳定而得到有偏倚的结果的缺陷，故估计值更准确、建模更灵活，通过不同的连接函数拟合服从二项分布、正态分布、泊松分布等指数分布数据，可以通过WinBUGS软件实现。

优点

Meta分析是用于比较和综合针对同一科学问题研究结果的统计学方法，其已成为临床医生与科研工作者用于临床决策的一门不可或缺的技术。

网络Meta分析作为传统Meta分析方法的拓展，将仅能处理两种干预措施的经典Meta分析扩展为同时处理多个干预措施的Meta分析方法，其最大优势在于可以对治疗同类疾病的不同干预措施之间的效果进行量化，并按照某一结局指标效果优劣进行排序，进而帮助决策者选择最优的治疗方案。