乳腺癌治療程度受哪些數據因素決定

國外的每項研究都會對應一個有效率，在一次試驗中共有9個有效率，從H，R2，一直到9個樣本有效率中的所有情況，都是相應r的估計值。乳腺癌治療轉診服務機構愛諾美康了解到，在150例患者中有106例有效，如果假設9個有效率相等，則其共同反應率r的后驗分布，會標有匯總分析樣式。

乳腺癌治療轉診服務機構愛諾美康了解到，雖然該匯總分析是錯誤的，但106/150的總估計值，可能還是相對合理的。然而，這一估計值的精度太高了，相當于其標準誤太小。與此相比，相關情況中的“分層分析”曲線，則是研究總體中有效率分布的貝葉斯估計，該曲線為平均后驗分布，其假設是在特定的r值分布中無參數先驗信息，稱為貝塔分布。

由于是典型的分層分析，該曲線顯示出比同質性假設條件下，類似的曲線具有更大的變異性。乳腺癌治療轉診服務機構愛諾美康了解到，在分層分析中，單項研究的分布由該研究的數據而定，但它也受其他研究的數據影響。一項數據表的右邊一列，顯示了每項研究的有效率分布的均數，這也是對該研究中，今后患者有效性的預測概率。乳腺癌治療轉診服務機構愛諾美康了解到，其單項研究的概率向總平均方向縮進，研究例數越少，觀察到的有效率越遠離總平均，則縮進的程度越大。

繪制在r軸上的點，表示給出的所觀察到的有效比率，點的面積大小與樣本例數近似成比例。匯總分析曲線顯示了，假設無研究效應時有效率r的分布；其分層分析曲線顯示了考慮各研究異質性時，有效率分布的貝葉斯估計影響是可以防范的。乳腺癌治療轉診服務機構愛諾美康了解到，因為并不假定所有研究的實際有效率相同，也因為影響的程度是由數據決定的。

而貝葉斯估計值居于簡單匯總，和每項研究單獨看待的結果之間，縮進量包括前面提到的兩個極端，取決于試驗總體的先驗分布。這種先驗分布應該事先設定，觀察有效率與調整有效率估計值比較。繪制在r軸上的點表示所觀察到的有效率一樣，點的面積大小與樣本例數近似成比例。貝葉斯估計假定了一個分層模型，并顯示出向總平均的縮進變化，以評估總結論的敏感性。

乳腺癌治療轉診服務機構愛諾美康了解到，縮進是分層建模的一種結果，建立這種模型的目的是，合理地利用所獲得的信息來提高精密度，或減少所需的樣本例數。例如，標準誤將由0.116減少到0.037，但是考慮到研究異質性的可能性后，這種匯總就不能成立了。分層地利用信息也可增強這一結論，但也不盡然。貝葉斯估計的標準差從0.116減小到0.094，只減少了約20%。

盡管這種減小小于簡單匯總的減少量，但這卻意味著，為了實施一項臨床試驗保持同樣精度：節約50%以上的樣本例數是必要的。例如，為了在一次單獨的研究中獲得相同的標準誤，相關研究將會需要25例患者而不是16例。

因此，可以把患者協變量引入到分層分析中，以調整研究中已知的差異，但是仍然要考慮到未知的效應。乳腺癌治療轉診服務機構愛諾美康了解到，在這個例子中和更復雜的層次背景下，建立模型時考慮了利用其他研究和數據庫的信息；如果研究間的結果是一致的，則可利用的程度就較大。如果結果有很大不同，則意味著研究的異質性，而且利用度很低。