Multivariate Methoden in der Evidenzsynthese: Ein erweiterter Ansatz und seine Anwendung

• Antragsteller: Dr. Theodoros Evrenoglou
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 554095932

Die multivariate Netzwerk-Metaanalyse (mvNMA) ist zurzeit die modernste metaanalytische Methode. Sie bietet das Potenzial, umfangreiche Informationen über mehrere Behandlungen und Zielgrößen / Ergebnisse gleichzeitig zu berücksichtigen und kann als Grundlage für evidenzbasierte medizinische Entscheidungen verwendet werden. Trotzdem ist die Anwendung der mvNMA in der Praxis aufgrund verschiedener methodischer Probleme noch begrenzt. Zu diesen Problemen gehören unter anderem das Fehlen geeigneter Methoden zur Zusammenfassung der umfangreichen Ergebnisse der mvNMA und die Komplexität ihrer Modellierungsannahmen. Dadurch entsteht eine Lücke zwischen den theoretischen Möglichkeiten und der praktischen Anwendung der mvNMA. Dieses Projekt mit drei Arbeitspaketen (AP) zielt darauf ab, einen neuartigen Ansatz vorzuschlagen, mit dem Information zu mehreren Behandlungen und Ergebnissen effektiver in der klinischen Praxis berücksichtigt werden kann. In AP1 werde ich anhand der gemeinsamen Posterior-Verteilung der mvNMA-Behandlungseffekte eine neuartige probabilistische Ranking-Metrik erstellen, die eine zusammengefasste Rangliste aller Behandlungen über mehrere Ergebnisse hinweg liefert. Diese Metrik wird die aktuellen Herausforderungen bei der Zusammenfassung und Interpretation von mvNMA-Endergebnissen angehen, da mvNMA zunächst eine längliche Ausgabe mit mehreren Behandlungseffektschätzern pro Ergebnis produziert. AP2 wird das derzeitige mvNMA-Toolkit vom Bayesianischen auf den frequentistischen Ansatz erweitern, um dem Bedarf an einfacheren Methoden Rechnung zu tragen. In Verallgemeinerung meiner früheren Arbeiten werde ich in AP2 außerdem einen neuen Ansatz entwickeln, der Behandlungshierarchien auf der Grundlage des minimalen klinisch relevanten Unterschieds über mehrere Zielgrößen hinweg erstellt. Dieser Ansatz ermöglicht, das Nutzen-Risiko-Profil der Behandlung in den Rangordnungsprozess einzubeziehen. In AP 3 werde ich die vorgeschlagenen Methoden aus AP1 und AP2 evaluieren, indem ich beide Methoden auf echte klinische Beispiele anwenden und zusätzlich eine Simulationsstudie durchführen werde. Schließlich können neuartige Large Language Models (LLMs) zur Zusammenfassung und Interpretation der mvNMA-Ergebnisse eingesetzt werden. In AP3 werde ich LLMs mit den neuen Methoden aus AP 1-2 vergleichen und klären, ob LLMs Vorteile für diese Interpretationsaufgabe bieten. Dieses Projekt kann im Erfolgsfall für Meta-Analysten, politische Entscheidungsträger und Leitlinienentwickler von großer Bedeutung sein. Durch die Behandlung allgemeiner Probleme der Evidenzsynthese wird das Projekt den Werkzeugkasten für evidenzbasierte medizinische Entscheidungen erweitern und eine solide Grundlage für die klinische Praxis liefern.

• DFG-Verfahren: WBP Stelle