Meta分析已经成为现在临床决策中非常关键的一部分,而网状Meta分析作为Meta分析的拓展,也在近些年被大力发展并应用于临床决策。为了区分,我们通常称传统Meta分析为pairwise Meta分析,其应用在仅有两种干预比较的情况下。而当干预超过两种时,pairwise Meta分析则不再适用,此时需要引入新的比较方法,即间接比较(indirect comparisons)。
1.间接比较和网状Meta分析
当我们有两对干预比较(A vs B、A vs C)的数据时,间接比较B vs C很自然的就产生了,表示为AB直接比较的结果(dAB)减去AC直接比较的结果(dAC),即
的确,我们可以通过AB、AC的数据来获得BC比较的数据,但这却不是最主要的目的。事实上,更多的情况是需要得到这三种干预中哪一个是最优的。而为了进行这些比较,我们需要一个假设,即不同试验中的效应量(如RR、RD等)在适合的尺度下必须相对稳定,尽管它们中每一组的response rate本身会变化。这是整个Meta分析中最基本的假设,也就是所谓“同质性假设”。
到此为止,我们进行的比较都非常简单,然而,当出现环路结构(loop)时,情况则变得复杂了一些。如图1中的闭合环路结构,假设我们有两个dBC的来源:(1)来自B vs C的直接比较数据,即关于BC的RCT,(2)来自AB、AC的间接比较数据。此时我们需要将dBC的两个来源数据合并,形成一个合并值。同时,我们也可以测试这两个来源数据即直接比较和间接比较的一致性。