Combinaison de preuves directes et indirectes dans les comparaisons mixtes de traitements

La méta-analyse de comparaison mixte de traitements (MTC) est une généralisation de la méta-analyse par paires standard pour les essais A vs B, à des structures de données incluant, par exemple, des essais A vs B, B vs C, et A vs C. La MTC a deux rôles : l'un est de renforcer l'inférence concernant l'efficacité relative de deux traitements, en incluant à la fois des comparaisons « directes » et « indirectes ». L'autre est de faciliter l'inférence simultanée concernant tous les traitements, afin par exemple de sélectionner le meilleur traitement. Dans cet article, nous présentons une gamme de modèles hiérarchiques bayésiens utilisant le logiciel Markov chain Monte Carlo WinBUGS. Ce sont des modèles à effets aléatoires multivariés qui permettent la variation des effets thérapeutiques véritables entre les essais. Nous considérons des modèles où la variance entre essais est homogène entre comparaisons de traitements ainsi que des modèles à variance hétérogène. Nous comparons également des modèles avec effets de base fixes (non contraints) à des modèles avec effets de base aléatoires tirés d'une distribution commune. Ces modèles sont appliqués à un ensemble de données illustratives et les distributions postérieures des paramètres sont comparées. Nous discutons la critique et la sélection des modèles, illustrant le rôle de l'analyse bayésienne de la déviance et de la critique des modèles basée sur les nœuds. Les hypothèses sous-jacentes aux modèles MTC et leur paramétrisation sont également discutées.