现在有几种不同的方法可以进行网络荟萃分析或混合治疗比较。

最常用和可访问的可能如下：

• 在贝叶斯框架中：

  • WinBUGS 中的按处理设计交互方法（例如Jackson 等人）；
  • WinBUGS 中基于分层 arm 的贝叶斯建模（例如Zhao 等人）；
  • 基于分层对比的（即节点分割）贝叶斯建模，使用 WinBUGS 或通过R 语言（例如Dias 等人gemtc或van Valkenhoef 等人）；rjags
  • WinBUGS 中的集成嵌套拉普拉斯近似 (INLA)（例如Sauter 等人）；

• 在常客框架中：

  • SAS 中的因子方差分析（例如Piepho）；
  • SAS 中的多级网络元分析（例如Greco 等）；
  • mvmeta在 Stata 或 R 中进行多元元回归（例如White 等人）；
  • lme使用 R和R进行网络荟萃分析netmeta（例如Lumley，但仅限于两臂试验，或Rucker 等人）。

我的问题很简单：它们是否大致相同，或者在大多数情况下是否有一个更适合主要分析（因此将其他的保留用于辅助分析）？

更新

随着时间的推移，对网络荟萃分析的方法进行了一些比较分析：

1. Carlin BP、Hong H、Shamliyan TA、Sainfort F、Kane RL。比较贝叶斯方法和频率方法进行多重治疗比较的案例研究。医疗保健研究和质量机构（美国）。2013 年。