Bayesian unanchored additive models for component network meta‐analysis

计算机科学 符号 组分(热力学) 贝叶斯概率 贝叶斯网络 统计模型 加性模型 对比度(视觉) 计量经济学 机器学习 数据挖掘 人工智能 数学 算术 热力学 物理
作者
Augustine Wigle,Audrey Béliveau
出处
期刊:Statistics in Medicine [Wiley]
卷期号:41 (22): 4444-4466 被引量:2
标识
DOI:10.1002/sim.9520
摘要

Component network meta-analysis (CNMA) models are an extension of standard network meta-analysis (NMA) models which account for the use of multicomponent treatments in the network. This article contributes innovatively to several statistical aspects of CNMA. First, by introducing a unified notation, we establish that currently available methods differ in the way they assume additivity, an important distinction that has been overlooked so far in the literature. In particular, one model uses a more restrictive form of additivity than the other which we term an anchored and unanchored model, respectively. We show that an anchored model can provide a poor fit to the data if it is misspecified. Second, given that Bayesian models are often preferred by practitioners, we develop two novel unanchored Bayesian CNMA models presented under the unified notation. An extensive simulation study examining bias, coverage probabilities, and treatment rankings confirms the favorable performance of the novel models. This is the first simulation study to compare the statistical properties of CNMA models in the literature. Finally, the use of our novel models is demonstrated on a real dataset, and the results of CNMA models on the dataset are compared.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
HL发布了新的文献求助10
刚刚
wshwx完成签到,获得积分10
1秒前
1秒前
Su发布了新的文献求助10
2秒前
Rain完成签到,获得积分20
2秒前
852应助莫华龙采纳,获得10
2秒前
4秒前
6秒前
001发布了新的文献求助10
6秒前
黄紫红完成签到 ,获得积分10
6秒前
坚定的骁完成签到,获得积分10
6秒前
7秒前
科研通AI2S应助专注的芷蕾采纳,获得10
7秒前
笨小孩完成签到,获得积分10
7秒前
年轻的羽毛完成签到,获得积分20
8秒前
9秒前
10秒前
orixero应助王永文采纳,获得10
11秒前
12秒前
敏宝发布了新的文献求助10
14秒前
14秒前
16秒前
w1b发布了新的文献求助10
16秒前
17秒前
17秒前
NexusExplorer应助甜美天磊采纳,获得10
17秒前
小迷鹿发布了新的文献求助10
18秒前
TT0622完成签到,获得积分10
18秒前
19秒前
20秒前
罗又柔应助aliupeifang采纳,获得10
21秒前
王永文发布了新的文献求助10
22秒前
安之发布了新的文献求助30
22秒前
脑洞疼应助冰美式采纳,获得10
23秒前
TT0622发布了新的文献求助10
23秒前
Ava应助淡定跳跳糖采纳,获得10
23秒前
Creator12345666完成签到 ,获得积分10
23秒前
今后应助w1b采纳,获得10
23秒前
王永文完成签到,获得积分10
27秒前
年纪阿瑟东完成签到,获得积分10
27秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138292
求助须知:如何正确求助?哪些是违规求助? 2789301
关于积分的说明 7790796
捐赠科研通 2445551
什么是DOI,文献DOI怎么找? 1300593
科研通“疑难数据库(出版商)”最低求助积分说明 625971
版权声明 601065