Hierarchisches Meta-Regressionsmodell: eine integrierte Methode für die Bias-Modellierung wenn randomisierten und nicht randomisierten Beweise in einer Meta-Analyse zusammengefasst sind

• Antragsteller: Privatdozent Dr. Pablo-Emilio Verde
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung von 2015 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 269346715

Das Ziel dieses Projektes ist es, eine integrierte Methode für die Bias-Modellierung zu bieten, wenn randomisierten und nicht randomisierten Beweise in einer Meta-Analyse zusammengefasst sind. Die statistische Methode die entwickelt wird ist ein hierarchisches Meta-Regressionsmodell. Dieses Modell ermöglicht die Kombination der verschiedenen Beweise Studientypen (zB RCTs, Kohortenstudien, etc.) und unterschiedliche Datentypen (aggregierte Ergebnisse von Publikationen, individuellen Patientendaten, etc.). Das Modell unterscheidet explizit Parameter für die Datenerfassungsprozesse (Modellierung von Bias) und Parameter für klinische Fragestellungen (zB Behandlungseffekte in der Gruppe der Patienten oder diagnostische Genauigkeit). Basierend auf dieser Methode wird ein R-Paket erstellt. Das Projekt soll einen wesentlichen Beitrag zur Bewertung von Gesundheitstechnologien leisten.

• DFG-Verfahren: Sachbeihilfen