R数据分析：网状meta分析的理解与实操

meta分析之前有给大家写过，但是meta分析只能比较两个方法。经常是被用来证明在现有研究中显示矛盾结果的干预方法到底有没有效的时候使用，通过证据综合得到某种干预到底有没有用的结论。但是如果我要证明好几种方法到底哪个最优，这个时候meta分析就不行了，我们得使用网状meta。

The conventional meta-analysis approach is useful, but is limited in that it can only compare two interventions at a time, and only those evaluated directly in head-to-head trials

网状meta的原理和meta没有区别，精髓在于其利用了间接证据，可以进行多个干预的同时分析。一个研究直接对A、B两种干预进行比较，这个叫做直接证据；所谓的间接证据的意思是，我们有研究比较了A和C、有研究比较了B和C，此时可以构建一个证据链(forming an A-B-C “loop” of evidence)进行AB之间的比较，这个就叫做间接证据。

在临床实践中，若有一系列的药物可以治疗某种疾病，但文献报道的RCT均是药物与安慰剂的对照，而药物互相之间的RCT都没有进行或很少，那么在这种情况下，想要进行药物间效应的比较就需要将间接比较和直接比较的证据进行合并，就可以用网状Meta分析。下面一张图就可以较为清楚地说明网状meta到底在干什么：

在最简单的适用网状meta的情况下给大家一个例子：我们要比较3种方法ABC的有效性，比如我们要比较BC，有研究比较了BA得到MD= -2.3，还有个研究比较了CA得到MD=-4，那么我们通过间接比较就可以得到BC相比的MD为-1.7如下图：

因为有了共同的比较对象A，所以能够间接得到BC的比较结果。能这么比是有一个显而易见的假设需要满足的：所提到的RCT的研究人群得来源于同一个总体，从而我们可以将BA和CA的关系推出BC，这个也叫transitivity。是网状meta可以站得住脚的基础。

The core tenet of the transitivity assumption is that we can combine direct evidence (e.g. from comparisons A −− B and C −− B) to create indirect evidence about a related comparison (e.g. A −− C)

这个假设保证了间接效应是可以成立的，但是研究的协变量不一致的情况下这个假设很容易不满足，所以我们做文献筛选的时候就要将人群尽可能相似的研究纳入，当然时候我们还可以比较直接效应和间接证据的一致性来反映这个假设是否成立。这个时候在统计上又叫做比较consistency或者Incoherence。可以看的统计指标包括I方