ネットワークのメタ分析に最適な方法はどれですか？

現在、ネットワークのメタ分析または混合治療の比較を実行するためのいくつかの異なるアプローチがあります。

最も一般的に使用され、アクセス可能なものは、おそらく次のとおりです。

• ベイジアンフレームワークで：

  • WinBUGSの処理ごとの相互作用アプローチ（例、Jackson et al）;
  • WinBUGSでの階層的な腕ベースのベイズモデリング（たとえば、Zhao et al）;
  • 階層的なコントラストに基づく（すなわち、ノード分割）WinBUGS伴うまたは介してのいずれかでベイジアンモデリング、gemtc及びrjagsR（例えばディアスら若しくはバンValkenhoefら）。
  • WinBUGSに統合されたネストされたラプラス近似（INLA）（例えば、Sauter et al）;

• 常連主義の枠組みで：

  • SASの要因分散分析（例：Piepho）;
  • SASでのマルチレベルネットワークメタ分析（例：Greco et al）;
  • mvmetaStataまたはRでの多変量メタ回帰（例、White et al）;
  • R lmeとのネットワークメタ分析netmeta（例：Lumley、ただし2群試験に限定、またはRuckerら）。

私の質問は、単純です：それらはほぼ同等ですか、またはほとんどの場合に一次分析に好ましいものがありますか（したがって、他のものを補助分析に予約します）？

更新

時間の経過とともに、ネットワークメタ分析の方法に関するいくつかの比較分析が行われてきました。

1. カーリンBP、ホンH、シャムヤンTA、セイントF、ケインRL。複数の治療を比較するためのベイジアンアプローチとフリークエンティストアプローチの比較に関する事例研究。Healthcare Research and Quality（米国）の代理店。2013。

私は、モデリングのアプローチと推定手法は別々に見られるべきだと思います。モデリングの観点から、Lumleyモデルは2アーム試験のみで機能します。したがって、それは好ましくありません。私の理解では、Dias et alとしてリストしたノード分割アプローチは非常に直感的です。また、治療ごとの相互作用のアプローチを追加する必要があると思います（http://www.ncbi.nlm.nih.gov/pubmed/24777711）。見積もりの​​観点からは、私は頻出主義の手法についてはあまり知りませんが、NMCのほとんどすべてのモデルにMCMCを使用できます。最後に、INLAと呼ばれる別の手法（残念ながらあまり知られていない）があります。R内からINLAを使用してNMAモデルに適合させることができます。これはより速く、収束診断をチェックする必要がありません。これがhttp://www.ncbi.nlm.nih.gov/pubmed/26360927の論文です。したがって、最後に、INLAを使用したノード分割と処理ごとの相互作用のアプローチを優先します。