叫好不叫座的間接比較 (indirect comparison) 又來了，但是之後我們一定會接觸到這類文獻的...

繼上次這篇 讀者指引 - 如何評估網絡綜合分析 (User's Gudie to the Medical Literature - How to Read & Interpret Mixed-Treatment Comparison Meta-analysis) 之後，繼續整理這類文獻的評讀重點:

JAMA上這篇文章提出的重點包括:

(1) 研究結果可靠嗎?

- 這篇文獻是否探討一個有意義的臨床問題?
- 是否全面且徹底地搜尋文獻?
- 收納研究是否有重大偏誤 (bias)?

(2) 研究結果為何?

- 形成的網絡中有多少證據?
- 研究結果相像嗎?
- 整體治療結果及不確定為何? 這些治療如何排序 (rank)?
- 分析結果強度是否足夠? 特定分析 (敏感性分析或侷限誤差風險較小的研究) 方法是否會改變結果?

(3) 如何應用分析結果?

- 這篇文獻是否考量所有病人重要預後 (patient-important outcome)?
- 是否考量潛在的治療選擇?
- 次組分析可信嗎?
- 整體證據品質與證據限制為何?

事實上，這與評讀"系統性綜論/綜合分析 (systematic review/meta-analysis) 的方法差異不大，接下來將會針對"不同之處"加以說明...

附註: 越來越覺得這篇會越沉越深...沉到海底...@@

(1) 是否同時有直接與間接證據?

如果有，就會變成封閉式循環 (closed loop) [上圖B]，同時有直接與間接證據將會增加我們的信心 (信心似乎很薄弱)

(2) 直接，間接研究結果是否相似?

這點非常重要，在網絡綜合分析內稱為"不連貫性 (incoherence)"，過去一項分析針對112個直接 與 間接比較分析顯示，14%的結果是不連貫的，研究數目較少以及評量主觀預後的研究，不連貫的風險較高

造成不連貫性的主要原因包括: 偶然性 (chance)，真的有差異，直接或間接比較研究的偏誤

(3) 整體治療結果? 不確定性 (uncertainty) ? 以及如何排序 (rank)?

目前比較常見到用於MTC的分析方法主要有兩種，分別為"拜森 (Bayesian) 分層方法" 與 "迴歸 (regression) 模式"，在B法中，會看到與B模式中的信賴區間，稱為"可信度 (credible) 區間"...

另一個在文獻中常看到的結果表達方式就是排序 (ranking)，這麼多研究結果，到底誰排老大的機率是最高的 (右圖)?

但這篇文線指引中，作者們特別提醒排序可能的問題，經常是過於簡化複雜的分析結果 (但我們就是想看比較簡化的阿!!)

且成為老大的機率不等於效果大小，作者們舉了一個例子，一篇比較治療C型肝炎的MTC中:

teleprevir與boceprevir比較，達到持續病毒反應的勝算比 (OR) 為1.42，95% CrI 0.89-2.25...

但排序後，teleprevir第一的機率為93%，相較於teleprevir的7% (會不會差太多!?)

接下來還有評定MTC證據品質的方法，To Be Continued...(要分幾集阿?)