单臂试验连续型数据的贝叶斯Meta分析方法及实现

目的:介绍单臂试验连续型数据的Meta分析模型、贝叶斯方法及实现。方法:阐述正态-正态层次模型,基于该模型框架,以贝叶斯方法拟合随机效应模型,对效应参数μ和异质性参数τ分别选择不同的先验,使用R软件的bayesmeta包对两个文献数据重新分析。结果:在正态-正态层次模型框架下,基于不同的先验信息,贝叶斯Meta分析结果为:数据1参数μ的点估计及95%CI分别为-4.26(-6.97,-1.92)和-4.50(-9.27,-0.53),参数τ点估计及95%CI分别为1.51(0.41,2.75)和2.28(0.00,6.57);数据2参数μ的点估计及95%CI分别为-4.07(-5.54,-2.71)和-4.12(-5.96,-2.46),参数τ点估计及95%CI分别为1.54(0.78,2.48)和1.81(0.74,3.51)。结论:不同的先验可能影响参数估计值。基于NNHM框架下的贝叶斯方法适用于单臂试验连续型数据的Meta分析。Bayesmeta包以其简单、快速、准确、可重量性算法等可以用于实现贝叶斯随机效应模型Meta分析。