网状Meta还分这两种❓你知道吗❓
今天我们来看看贝叶斯网络Meta分析与频率学Meta分析，它们是两种不同的网状Meta分析方法，两者均通过整合直接和间接证据，解决传统Meta分析无法比较多干预的问题，为临床决策提供更全面的证据支持。
⭕两者之间的区别
⭕两者之间的基本定义、应用场景以及优势
频率学网络Meta分析
📌 定义
基于频率学派的统计推断框架，假设待估参数为固定值，通过最大化似然函数估计参数。
利用直接比较（头对头试验）和间接比较（通过共同对照形成的网络关系），构建等级模型（如随机效应模型）处理研究间异质性，最终通过置信区间评估结果。
🛠 技术特点
- 依赖大数定律，需足够样本量支撑结果稳定性；
- 结果以置信区间（如95% CI）表示，强调长期频率解释。
📍 应用场景
- 数据充足，网络结构简单（如3-4种干预措施的直接比较较多）；
- 研究间异质性较低，或研究者倾向避免先验假设影响。
🧪 案例
比较3种降压药疗效，多数干预对存在直接试验，需快速输出结果支持决策。
贝叶斯网络Meta分析
📌 定义
将参数视为随机变量，结合先验分布（基于历史数据或专家知识）和观测数据，
通过贝叶斯定理计算后验分布。
利用马尔可夫链蒙特卡洛（MCMC）方法模拟参数概率分布，天然支持复杂模型和小样本推断。
🛠 技术特点
- 可灵活设定先验（如无信息先验、弱信息先验）；
- 数据稀疏时提升估计稳定性；
- 结果以可信区间（如95% CrI）表示，直接反映参数的概率分布。
📍 应用场景
- 数据稀疏（如罕见病治疗对比），网络复杂（多干预、多结局指标）；
- 需整合先验知识（如历史试验数据、专家意见）以提升估计精度；
- 需概率排序支持决策（如SUCRA值估计最佳干预）。
🧪 案例
比较6种ALK抑制剂对肺癌脑转移患者的疗效，部分干预对缺乏直接试验，需结合先验信息推断。
⭕两者的选择建议
若数据充足、模型简单且需快速结果 → 频率学派。
若数据稀疏、需整合先验知识或概率排序 → 贝叶斯方法。
今天，统计之光要分享的学员就是做的贝叶斯网络Meta分析
✔接收期刊：Reviews in Cardiovascular Medicine
📉IF=1.9；中科院4区期刊
📍发文方法：贝叶斯网络Meta分析
