zanet_infozanet – ページ 8

Cochrane risk of bias tool v.2.0のためのWeb tool

皆さんご存知の通り、Cochraneのシステマティックレビューのための、ランダム化比較試験のバイアスリスクの評価法が2019年8月からVersion 2.0になりました⇒RoB 2 tool

バイアスの評価ドメインが5つに減り、評価のグレーディングがLow, Some concerns, Highの3段階になり、シグナリングクエスチョンに答えることで自動的に評価を決定する仕組みが導入されました。

コクランのシステマティックレビューアのためにExcelの評価ツールが用意されています。シグナリングクエスチョンに答えていくことで、各ドメインの評価が決められますが、もし、評価者の評価と異なっていた場合は、評価者の評価を優先するルールになっています。また、各シグナリングクエスチョンの答えの組み合わせが、アルゴリズムに無い場合もあります。そのような場合、評価者の理解の違いによる場合もありますし、アルゴリズムと見解が異なる場合もあり得ます。

Cochrane risk of bias tool v.2.0のためのウェブツールやその他のツールを以前から公開していましたが、解説を充実させ、また評価結果をExcelの評価シートに取り込めるように改良しました⇒Link 今のところ日本語版だけです。

その評価シートを含むExcel bookはこちらです⇒2022_excel_book_cpg.xlsx

Network Meta-analysisとエビデンスの確実性評価

今までの投稿で、Network meta-analysis（NMA）について解説してきました。

・Network Meta-analysisをOpenBUGSで
・MacでR,JAGS,rjagsを使うNetwork meta-analysisをやってみる
・SUCRA(Surface Under the Cumulative Ranking Curves)

NMAでは3つ以上の介入を比較し、最も効果が優れているのはどれかを知ることができます。通常のペア比較メタアナリシスが二つの介入の内どちらの方が効果が優れているのか、すなわちComparative effectivenessに答えるのに対し、NMAはExtended comparative effectivenessに答えるとも言えます。

ネットワークメタアナリシスの基礎とそのアウトプットおよびエビデンスの確実性（GRADEアプローチ）についての解説を作成しました。こちらです。

一つのアウトカムに対する介入の効果をNMAで解析しただけでは、益と害の複数のアウトカムに対する効果にトレードオフがある場合、どれが最善の介入かを決めることはできません。メタアナリシスで得られる結果は直接益と害の大きさを示しているわけではありません。エビデンスの確実性の評価も複雑になります。NMAそのものはデータさえそろえれば、だれでもできるだけのツールがそろっていますが、NMAも万能ではないことを理解した上で使う必要があります。

疾患確率-ベースラインリスク-治療閾値

ベースラインリスクがどれくらい高かったら治療を開始すべきか？についてDjulbegovic Bらのアプローチを前投稿で紹介しました。彼らの方法では、疾患確率を1.0に設定して、ベースラインリスクの値を変動させた場合に、益が害を上回るベースラインリスクの値を算出します。

別の観点から見ると、疾患確率とベースラインリスクのふたつの変数によって益と害の大きさが決まり、益の大きさが害を上回る疾患確率の値と、ベースラインリスクの値が治療閾値になるということになります。Djulbegovic Bらの論文の例に対して、疾患確率とベースラインリスクの両者を含む決定木Decision treeを作成してみました（図1）。

図1．疾患確率とベースラインリスクによる治療閾値を計算するための決定木。上段が治療しない場合、下段が治療する場合。

この決定木は治療を選択した後、P(D⁺)の確率で疾患が起き、その後VTE再発、出血、無症状の枝に分かれ、それぞれが図中に示す確率で起きることをモデル化しています。こうすることで、疾患確率=P(D⁺)とベースラインリスク=VTE再発確率Pn(O1)の二つの変数を変動させた場合の効用値を治療しない場合と治療する場合で比較することができるようになります。

この決定木に基づいて、治療閾値を計算する方法を図2に示します。VTE再発が治療によりリスク比（RR）0.188で抑制され、一方で出血の副作用が治療により4.8%起きます。期待効用は何も起きない場合を1.0とし、VTE再発は0.3、出血は0.3とし、これら二つのアウトカムの重要性（Values）は1：1、すなわちRV_Hを1に設定してあります。

図中の疾患確率に基づく治療閾値はベースラインの値を固定して、疾患確率を変動させることで、また、アウトカムの発生確率に基づく治療閾値は疾患確率を1に固定して、ベースラインリスクを変動させることで、計算しています。

図2の右下にアウトカムの発生確率に基づく、すなわち、ベースラインリスクがいくつになれば益が害を上回るかを示していますが、0.05911と前回と同じ値が得られています。

通常の決定木Decision treeのモデルは今回示したものだと思いますし、このモデルの方が理解が容易だと思います。

Excelのシートのサイズが大きく、式も多いので、詳細はこちらからファイルをダウンロードして見てください。Download

文献：

Djulbegovic B, Hozo I, Mayrhofer T, van den Ende J, Guyatt G: The threshold model revisited. J Eval Clin Pract 2019;25:186-195. doi: 10.1111/jep.13091 PMID: 30575227

ベースラインリスクと治療閾値

アウトカムが起きる確率がどれくらいになったら治療をすべきか？すなわち、ベースラインリスクがどれくらい高かったら治療を開始すべきか？についてDjulbegovic Bらは図１のような方法を提示しています。

文献：Djulbegovic B, Hozo I, Mayrhofer T, van den Ende J, Guyatt G: The threshold model revisited. J Eval Clin Pract 2019;25:186-195. doi: 10.1111/jep.13091 PMID: 30575227

この例では、静脈血栓塞栓症（Venous thromboembolism, VTE）の患者で原疾患の診断が確定している、すなわち疾患確率p=1に設定し、アウトカムVTEの再発の確率、すなわちベースラインリスクが0～1まで変動させた場合に、抗凝固薬rivaroxaban投与を開始すべき値の求め方を述べています。益のアウトカムはVTE再発でそれの抑制が望ましい効果になり、プラセボで0.071の確率で起きるのに対して、投薬によりリスク比0.188、相対リスク減少RRR0.812の効果が得られます。害のアウトカムである出血事象の起きる確率Hrxは0.048で、プラセボでは0に設定しています。図1の中で、R_VHは害のアウトカムの重要性を益のアウトカムに対して何倍とみなすか？すなわち患者の価値観によって設定する値で、この例では1に設定していますが、もし、出血事象がVTE再発に比べて2倍重要と考えるなら2、半分と考えるなら0.5に設定します。

アウトカムの発生確率の、すなわちベースラインリスクの治療閾値はR_VH*Hrx/RRRで算出され、この例では、0.059になります。グラフで示すと図2の様になります。

図2．ベースラインリスクと期待効用による治療閾値。青はU(A-)すなわちプラセボ、オレンジはU(A+)すなわち抗凝固薬投与の場合を示します。

Djulbegovic Bらは、疾患確率とアウトカムの起きる確率と二重にカウントすることを避けるため、図1のように疾患確率を1に設定すると説明しています。実は、この点については、疾患確率とアウトカムの起きる確率の両方を取り込んだDecision treeを作成することによって解決できます。次回それについて解説しようと思います。

治療閾値は益と害（Benefit and harm）あるいは益とコスト（Benefit and cost）、さらにその比B/HあるいはB/Cで決まりますが、治療閾値を超えた疾患確率あるいはアウトカムの起きる確率ではB＞Hとなりますが、BとHの差、すなわち正味の益Net benefitは疾患確率あるいはアウトカムの起きる確率が高くなるほど大きくなります。治療閾値はそれを超えたら治療をしてもいい値ですが、疾患確率の場合は、益を最大化するには、何らかの診断法を実施して疾患確率を高くしてから治療を開始すべきと考えられますし、実臨床ではそれが実行されていると思います。