Nonparametric Bayesian Approach to Treatment Ranking in Network Meta-Analysis with Application to Comparisons of Antidepressants
网络元分析中治疗排序的非参数贝叶斯方法：抗抑郁药比较AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要中的网络是治疗比较证据网络，未涉及个体关系网络的干扰或其他给定细分领域的明确目标。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
网络元分析中治疗排序的非参数贝叶斯方法：抗抑郁药比较
- 研究问题
- 多治疗比较中的排序常伴随较大不确定性、多重比较问题且难以容纳并列，如何给出更保守并便于解释的排序？
- 方法与思路
- 作者构造适应高度排序不确定性的策略，并利用非参数贝叶斯方法的聚类机制，使两个治疗效应相等具有正概率。
- 材料陈述的贡献
- 摘要称方法同时处理排序解释、多重比较与并列问题，并通过数值实验和抗抑郁治疗的网络元分析展示其用途。
- 阅读关注点
- 应核对保守排序规则、多重比较处理方式、先验聚类与效应相等的关系，以及研究间证据合并所依赖的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明完整模型和比较结果，治疗比较网络也不等同于个体网络干扰。
原文摘要
Network meta-analysis is a powerful tool to synthesize evidence from independent studies and compare multiple treatments simultaneously. A critical task of performing a network meta-analysis is to offer ranks of all available treatment options for a specific disease outcome. Frequently, the estimated treatment rankings are accompanied by a large amount of uncertainty, suffer from multiplicity issues, and rarely permit ties. These issues make interpreting rankings problematic as they are often treated as absolute metrics. To address these shortcomings, we formulate a ranking strategy that adapts to scenarios with high order uncertainty by producing more conservative results. This improves the interpretability while simultaneously accounting for multiple comparisons. To admit ties between treatment effects, we also develop a Bayesian Nonparametric approach for network meta-analysis. The approach capitalizes on the induced clustering mechanism of Bayesian Nonparametric methods producing a positive probability that two treatment effects are equal. We demonstrate the utility of the procedure through numerical experiments and a network meta-analysis designed to study antidepressant treatments.