Qual é o melhor método para a meta-análise de rede?

Agora, existem várias abordagens diferentes para realizar uma meta-análise de rede ou comparação de tratamentos mistos.

Os mais usados ​​e acessíveis são provavelmente os seguintes:

• em uma estrutura bayesiana :

  • abordagem de interação design por tratamento no WinBUGS (por exemplo, Jackson et al );
  • modelagem bayesiana hierárquica baseada em braço no WinBUGS (por exemplo, Zhao et al );
  • modelagem bayesiana baseada em contraste hierárquico (isto é, divisão de nós), com WinBUGS ou através gemtce rjagsem R (por exemplo, Dias et al ou van Valkenhoef et al );
  • aproximações de Laplace aninhadas integradas (INLA) no WinBUGS (por exemplo, Sauter et al );

• em uma estrutura freqüentista :

  • análise fatorial de variação no SAS (por exemplo, Piepho );
  • meta-análise de rede multinível no SAS (por exemplo, Greco et al );
  • meta-regressão multivariada com mvmetaem Stata ou R (por exemplo, White et al );
  • meta-análise de rede com lmee netmetaem R (por exemplo , Lumley , que no entanto é limitado a ensaios com dois braços, ou Rucker et al ).

Minha pergunta é simplesmente: eles são aproximadamente equivalentes ou existe um que é preferível na maioria dos casos para a análise primária (reservando assim os outros para os auxiliares)?

ATUALIZAR

Ao longo do tempo, houve algumas análises comparativas sobre métodos de metanálise de rede:

1. Carlin BP, Hong H, Shamliyan TA, Sainfort F, Kane RL. Estudo de caso comparando abordagens bayesianas e freqüentistas para comparações de tratamentos múltiplos. Agência de Pesquisa e Qualidade em Saúde (EUA). 2013.

Penso que as abordagens de modelagem e as técnicas de estimativa devem ser vistas separadamente. Do ponto de vista da modelagem, o modelo Lumley funciona apenas para testes com dois braços. Portanto, não é preferível. Na minha opinião, a abordagem de divisão de nós, que você listou como Dias et al, é muito intuitiva. Além disso, acho que você deve adicionar a abordagem de interação design por tratamento ( http://www.ncbi.nlm.nih.gov/pubmed/24777711 ). Do ponto de vista da estimativa, eu não sei muito sobre técnicas freqüentistas, mas é possível usar o MCMC para quase todos os modelos de NMA. Por fim, existe uma técnica diferente (que infelizmente não é amplamente conhecida) chamada INLA. Você pode usar o INLA de dentro do R e ajustar os modelos NMA, é mais rápido e não precisa verificar o diagnóstico de convergência. Aqui está o artigo http://www.ncbi.nlm.nih.gov/pubmed/26360927. Então, no final, eu preferiria a divisão de nós e a abordagem de interação projeto por tratamento usando o INLA.