GeMTC+α
Via Clipboard
GeMTCはJAGSと連携して動くRのプログラムである。RとJAGSをつなげる役割をするのがrjagsで、これら3つが必要となる。

JAGSはOpenBUGSあるいはWinBUGSのコードがより高速で動くとされている。それ以外にもRと連携して使えることが、さまざまな利点となっている。一番の特徴はMacでも動くことである。

GeMTCはFrequentistの方法ではなく、ベイジアン解析を行う。JAGSの提供するGibbs samplerを用いるMarkov Chain Monte Calro (MCMC) simulationでネットワークメタアナリシスを実行する。 実行には時間がかかり、少なくとも分の単位で時間がかかる。

Analysis: RのGeMTCパッケージを用いるベイジアンネットワークメタアナリシスBayesian network meta-analysis

Dependent package: "GeMTC" "rjags"

Authors of GeMTC: Gert van Valkenhoef, Joel Kuiper.

Rのパッケージ以外にJAGSをインストールする必要あり。 Just Another Gibbs Sampler, JAGSはRのパッケージのインストールとは別途行う必要がある。

Atuthor of JAGS: Martyn Plummer.

Data: データを一定の形式でExcelで用意する。解析実行の際には、データ範囲をコピーして、Rに戻り、スクリプトを実行する。

二分変数：オッズ比を効果指標とする：1行1研究のフォーマット
r[,1] n[,1] r[,2] n[,2] r[,3] n[,3] t[,1] t[,2] t[,3] na[] 9 140 23 140 10 138 1 3 4 3 11 78 12 85 29 170 2 3 4 3 75 731 363 714 NA NA 1 3 NA 2 2 106 9 205 NA NA 1 3 NA 2 58 549 237 1561 NA NA 1 3 NA 2 0 33 9 48 NA NA 1 3 NA 2 3 100 31 98 NA NA 1 3 NA 2 1 31 26 95 NA NA 1 3 NA 2 6 39 17 77 NA NA 1 3 NA 2 79 702 77 694 NA NA 1 2 NA 2 18 671 21 535 NA NA 1 2 NA 2 64 642 107 761 NA NA 1 3 NA 2 5 62 8 90 NA NA 1 3 NA 2 20 234 34 237 NA NA 1 3 NA 2 0 20 9 20 NA NA 1 4 NA 2 8 116 19 149 NA NA 1 2 NA 2 95 1107 143 1031 NA NA 1 3 NA 2 15 187 36 504 NA NA 1 3 NA 2 78 584 73 675 NA NA 1 3 NA 2 69 1177 54 888 NA NA 1 3 NA 2 20 49 16 43 NA NA 2 3 NA 2 7 66 32 127 NA NA 2 4 NA 2 12 76 20 74 NA NA 3 4 NA 2 9 55 3 26 NA NA 3 4 NA 2
二分変数：オッズ比を効果指標とする：1行アームのフォーマット
study treatment sampleSize responders 1 1 140 9 1 3 140 23 1 4 138 10 2 2 78 11 2 3 85 12 2 4 170 29 3 1 731 75 3 3 714 363 4 1 106 2 4 3 205 9 5 1 549 58 5 3 1561 237 6 1 33 0 6 3 48 9 7 1 100 3 7 3 98 31 8 1 31 1 8 3 95 26 9 1 39 6 9 3 77 17 10 1 702 79 10 2 694 77 11 1 671 18 11 2 535 21 12 1 642 64 12 3 761 107 13 1 62 5 13 3 90 8 14 1 234 20 14 3 237 34 15 1 20 0 15 4 20 9 16 1 116 8 16 2 149 19 17 1 1107 95 17 3 1031 143 18 1 187 15 18 3 504 36 19 1 584 78 19 3 675 73 20 1 1177 69 20 3 888 54 21 2 49 20 21 3 43 16 22 2 66 7 22 4 127 32 23 3 76 12 23 4 74 20 24 3 55 9 24 4 26 3

連続変数：平均値差を効果指標とする：1行1研究のフォーマット（平均値とその標準偏差）
n[,1] y[,1] sd[,1] t[,1] n[,2] y[,2] sd[,2] t[,2] n[,3] y[,3] sd[,3] t[,3] na[] 70 -10.26 13.43 2 66 -4.88 11.64 1 1 NA 0 NA 2 54 -14.78 12.49 2 56 -8.13 12.72 1 1 NA 0 NA 2 125 -13.36 8.78 2 123 -10.39 10.45 3 1 NA 0 NA 2 220 -13.11 8.53 2 114 -9.1 9.36 1 1 NA 0 NA 2 55 -16.6 12.49 2 60 -14.9 11.39 3 1 NA 0 NA 2 58 -15.49 8.148877 2 59 -15.25 8.372449 1 1 NA 0 NA 2 187 -11.5 10.9 3 177 -9 10.9 1 1 NA 0 NA 2 144 -10.1 10.9 3 78 -8.7 10.9 1 1 NA 0 NA 2 100 -11.71 7 2 101 -8.97 6.934414 1 1 NA 0 NA 2 201 -9.4 8.506468 2 186 -8.2 8.455673 3 99 -7.4 7.959899 1 3
連続変数：平均値差を効果指標とする：1行1アームのフォーマット（平均値とその標準偏差）
study sampleSize treatment mean std.dev 1 70 2 -10.26 13.43 1 66 1 -4.88 11.64 2 54 2 -14.78 12.49 2 56 1 -8.13 12.72 3 125 2 -13.36 8.78 3 123 3 -10.39 10.45 4 220 2 -13.11 8.53 4 114 1 -9.1 9.36 5 55 2 -16.6 12.49 5 60 3 -14.9 11.39 6 58 2 -15.49 8.148877 6 59 1 -15.25 8.372449 7 187 3 -11.5 10.9 7 177 1 -9 10.9 8 144 3 -10.1 10.9 8 78 1 -8.7 10.9 9 100 2 -11.71 7 9 101 1 -8.97 6.934414 10 201 2 -9.4 8.506468 10 186 3 -8.2 8.455673 10 99 1 -7.4 7.959899

*青のボタンをクリックして、Excelに貼り付ける（Ctrl+V)と形式がわかる。実際の解析は1行目の変数名からデータの最後の行まで選択して用いる。
**介入のアームが4つある場合でも、研究によってはその内の2つ、あるいは3つだけを直接比較している場合が多い。介入はt[,]の変数で表すが、 例えば、n[,1], r[,1],t[,1]が1が共通で、その介入アームの症例数、応答例数（アウトカム＋の例数あるいはイベント生起の例数）、 そのアームの治療番号を設定する。 また全体にわたり、治療番号1がレファレンスとなるようにする。例えば、プラセボだったり、標準治療を治療番号1に設定し、 それ以外の介入は2，3,4の様に設定する。

Output: モデルのNetwork plot、Forest plot、Rankogram、 surface under the cumulative ranking curves （SUCRA） plot、Node-splittingモデルのプロット、など。
*Dataの二分変数の例の解析結果。Operative script:の効果指標の値が大きいほうがいい場合のスクリプトを用いた例。
**SUCRA （surface under the cumulative ranking curves）のプロットは、Salanti Gらの作成した関数を改変して行っている。文献：Salanti G, et al 2011(下記参照）.

SUCRAの曲線下の面積をパーセントで表した値のこともSUCRAと呼ばれている。SUCRA曲線はそれぞれの介入がそれぞれの順位になる確率を1位から累積的に加算した値をY軸に、順位をX軸に折れ線グラフで表示される。SUCRAの計算は以下の図に示す通りである。折れ線下の面積の大きさとSUCRA値が一致するようにするため、X軸の順位に0.５を加算した値の座標にそれぞれの累積順位確率をプロットする。最下位の順位のY軸の値は1.0となるが、最下位のひとつ上位のY軸の値を水平に伸ばして、最後に1.0に到達するような描画法を用いる。

折れ線下の面積の大きさを視覚的に判断して、面積が一番大きな介入が最善であるという判断ができる。介入の効果についてモンテカルロシミュレーションをした場合、SUCRAの値が最大の介入が、最善の効果得られる確率が最も高くなる。


RankogramはX軸に順位、Y軸に順位確率を設定して、折れ線グラフあるいは積み重ね棒グラフで表示される。

順位の中央値と95%CI(Credible Intervals）は順位確率に相当する数だけそれぞれの順位を順番に例えば1000個並べ、500-501番目、25-26番目、975-976番目の順位を見ることで、知ることができる。

---

文献および関連ウェブサイト：
van Valkenhoef G 2016 van Valkenhoef G, Dias S, Ades AE, Welton NJ: Automated generation of node-splitting models for assessment of inconsistency in network meta-analysis. Res Synth Methods 2016;7:80-93. PMID: 26461181 PubMed

Dias S 2014 Dias S, Welton NJ, Sutton AJ, Ades AE: A Generalised Linear Modelling Framework for Pairwise and Network Meta-Analysis of Randomised Controlled Trials. National Institute for Health and Care Excellence (NICE) (Book). 2014; PMID: 27466657 PubMed

Dias S 2010 Dias S, Welton NJ, Caldwell DM, Ades AE: Checking consistency in mixed treatment comparison meta-analysis. Stat Med 2010;29:932-44. PMID: 20213715 PubMed

Salanti G, Ades AE, Ioannidis JP: Graphical methods and numerical summaries for presenting results from multiple-treatment meta-analysis: an overview and tutorial. J Clin Epidemiol 2011;64:163-71. PMID: 20688472 PubMed

Multiple-Treatments Meta-AnalysisのMaterial from Publications (software and protocols)

NICE Decision Support UnitのEvidence synthesis TSD siries

---