請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81973完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 杜裕康(Yu-Kang Tu) | |
| dc.contributor.author | Wei-Han Chen | en |
| dc.contributor.author | 陳韋翰 | zh_TW |
| dc.date.accessioned | 2022-11-25T05:33:25Z | - |
| dc.date.available | 2024-07-31 | |
| dc.date.copyright | 2021-11-09 | |
| dc.date.issued | 2021 | |
| dc.date.submitted | 2021-09-15 | |
| dc.identifier.citation | 1. Beck, A.T., R.A. Steer, and M.G. Carbin, Psychometric properties of the Beck Depression Inventory: Twenty-five years of evaluation. Clinical psychology review, 1988. 8(1): p. 77-100. 2. Overall, J.E. and D.R. Gorham, The brief psychiatric rating scale. Psychological reports, 1962. 10(3): p. 799-812. 3. Jensen, M.P. and P. Karoly, Self-report scales and procedures for assessing pain in adults. 2011. 4. Cohen, J., Statistical power analysis for the behavioral sciences. Second ed. 1988: Hillsdale, N.J. : L. Erlbaum Associates. 5. Borenstein, M., et al., Introduction to meta-analysis. 2009: Chichester, U.K. : John Wiley Son. 6. White, I.R., Network meta-analysis. The Stata Journal, 2015. 15(4): p. 951-985. 7. Team, R.C., R: A language and environment for statistical computing. 2013. 8. Gerta Rücker, U.K., Jochem König, Orestis Efthimiou and Guido Schwarzer, netmeta: Network Meta-Analysis using Frequentist Methods. R package version 1.4-0. 2021. 9. Knudson, C., glmm: Generalized Linear Mixed Modelsvia Monte Carlo Likelihood Approximation.R package version1.4.2. 2020. 10. Schafer, J.L., lmm: Linear Mixed Models. R package version 1.3. 2020. 11. Hedges, L.V. and I. Olkin, Statistical methods for meta-analysis. 1985: Orlando : Academic Press. 12. Grissom, R.J. and J.J. Kim, Effect sizes for research: A broad practical approach. 2005: Lawrence Erlbaum Associates Publishers. 13. Hedges, L.V., Distribution theory for Glass's estimator of effect size and related estimators. journal of Educational Statistics, 1981. 6(2): p. 107-128. 14. Bakbergenuly, I., D.C. Hoaglin, and E. Kulinskaya, Estimation in meta‐analyses of mean difference and standardized mean difference. Statistics in medicine, 2020. 39(2): p. 171-191. 15. Dias, S., et al., Checking consistency in mixed treatment comparison meta‐analysis. Statistics in medicine, 2010. 29(7‐8): p. 932-944. 16. Cipriani, A., et al., Comparative efficacy and acceptability of 21 antidepressant drugs for the acute treatment of adults with major depressive disorder: a systematic review and network meta-analysis. Focus, 2018. 16(4): p. 420-429. 17. White, I.R. and J. Thomas, Standardized mean differences in individually-randomized and cluster-randomized trials, with applications to meta-analysis. Clinical Trials, 2005. 2(2): p. 141-151. | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/81973 | - |
| dc.description.abstract | "網絡統合分析（Network meta-analysis, NMA）是一種證據合成方法，藉由合併直接證據以及間接證據來同時比較多種治療。在進行網絡統合分析時，收錄的研究報告結果都是使用相同量表測量，會採用平均差異（mean difference, MD）作為報告之效果量。然而，在心理學或是教育學，收錄的研究報告之結果通常會使用不同量表來衡量。因此，在傳統的統合分析中為了確保不同量表測量的結果有可比較性，會將平均差異除以報告結果之標準差進行標準化，稱之為標準化效果量（Standardized mean difference, SMD）。現行的軟體套件計算混合標準差的方式是將該研究中所有報告的標準差混合在一起計算一個平均標準差，把傳統統合分析估計標準化效果量的方式延伸到網絡統合分析。這種作法背後隱藏的前提是收錄的研究不管是否使用相同量表，在同一篇研究中的所有治療效果皆是共享同一個標準差。 本篇的研究中我們先說明，假若選擇了不適當的標準化效果量的方法，會造成組內不一致性問題（within-trial inconsistency）以及組間不一致性問題（between-trial inconsistency）。我們接下來探討如何放寬現行方法中共享相同標準差的前提並提出新的contrast-based scale-pooling model以及arm regression model，結合研究使用何種量表的資訊或是考慮研究中不同治療之變異性來估計網絡統合分析中使用標準化效果量的結果（NMA-SMD）。後續的模擬顯示出本篇研究提出的模型與現行的方法相比，除了估計結果的效果量在所有模擬情境中不管是小樣本或是治療效果間的標準差是否相等，其估計誤差、最小均方差甚至是可接受型一誤差以及檢定力有較好的表現之外，也有同時解決網絡間組內不一致性問題及組間不一致性問題。 總結以上，在進行分析時，考慮到同時處理網絡間不一致性問題及估計結果的呈現時，當治療效果間標準差相等的情形下，應先採用本篇研究提出的contrast-based scale-pooling model，其估計結果相比於現行的方法更精準；當治療效果間標準差不等的情形下，則應先採用本篇研究提出的arm regression model，其估計的結果相比於現行的方法有較小的點估計誤差但有略大但可接受之最小均方差。" | zh_TW |
| dc.description.provenance | Made available in DSpace on 2022-11-25T05:33:25Z (GMT). No. of bitstreams: 1 U0001-1409202114110100.pdf: 1952687 bytes, checksum: 840838798aab82c4d819f18392d1e11d (MD5) Previous issue date: 2021 | en |
| dc.description.tableofcontents | 中文摘要 i Abstract iii 目錄 v 表目錄 ix 圖目錄 xi 第一章 介紹 1 1.1研究背景 1 1.2研究問題 3 1.3 研究目的 4 第二章 文獻回顧 5 2.1回顧Effect size定義以及SMD相關文獻 5 Effect size 5 Mean difference 5 Standardized mean difference 6 Glass’∆ 7 Cohen’s d 8 Hedges’ g 8 2.1.1三種方法建議使用的時機 9 2.2現行軟體計算估計網絡統合分析中混合標準差方式 10 第三章 研究方法 12 3.1 傳統標準化效果量推廣到NMA標準化效果量可能之問題 12 3.2 現行軟體處理標準化資料方式及可能的問題 14 3.2.1 生成資料 16 3.2.2 模型介紹 17 3.2.3 Arm regression 19 3.2.4 Arm regression推廣至K種治療 24 3.2.6 Arm regression處理網絡不一致性問題 31 3.2.7 實際資料分析 35 第四章 模擬及實際資料 36 4.1 模擬情境 36 4.1.1 虛無假設：實際治療效果無差異下的模擬設定 37 4.1.1.1治療效果無差異下的模擬結果 38 4.1.1.2實際治療無差異下四種模擬情形之五種模型估計的bias 38 4.1.1.3 實際治療無差異下四種模擬情形之五種模型估計結果的MSE 39 4.1.1.4 實際治療無差異下四種模擬情形之五種模型估計結果的type I error 39 4.1.1.5 實際治療無差異下四種模擬情境之五種模型估計結果數值表 41 4.1.1.6 總結實際治療效果無差異下之模擬結果 44 4.1.2對立假設：實際治療效果有差異下的模擬設定 44 4.1.2.1 實際治療效果有差異下之模擬結果 45 4.1.2.2 實際治療效果有差異下四種模擬情境之五種模型估計結果的bias 46 4.1.2.3 實際治療效果有差異下四種模擬情境之五種模型估計結果的MSE 46 4.1.2.4 實際治療效果有差異下四種模擬情境之五種模型估計結果的power 47 4.1.2.5 治療效果有差異下四種模擬情境之五種模型估計結果數值表 48 4.1.2.6 總結實際治療效果有差異下之模擬結果 51 4.2 網絡不一致性問題 51 4.2.1 模擬設定 51 4.2.2 模擬結果 52 4.3模擬結果總結 52 4.3.1 contrast-based scale-pooling model與現行方法之差異 52 4.3.2 arm regression與現行方法之差異 53 4.4真實資料之各方法比較 55 4.4.1 真實資料之五種方法分析結果 56 第五章 討論與結論 63 5.1 五種模型計算方法之比較 64 5.2 各模型模擬結果 65 5.2.1 contrast-based scale-pooling model與現行方法之差異比較 65 5.2.2 arm regression與現行方法之差異比較 65 5.2.3 方法建議時機 67 5.3各模型實際資料分析結果 68 5.3.1 contrast-based scale-pooling model與現行方法之差異比較 68 5.3.2 arm regression與現行方法之差異比較 68 5.3.3 contrast-based scale-pooling model與arm regression之差異比較 69 5.4研究限制 70 5.5未來研究方向 70 參考文獻 71 附錄 72 附錄1 72 A. White在Stata中共變異數公式 72 附錄2 74 B. 說明網路統合分析中R跟Stata估計標準化效果量方式相同 74 B.2 模擬結果 75 B.2.1固定效應 76 B.2.1.1Three arms： 76 B.2.1.2 Two arms 77 B.2.2 隨機效應 78 B.2.2.1 Three arms 78 B.2.2.2 Two arms 79 B.2.3 總結模擬結果 80 B.3 演示R如何計算混合標準差 80 B.3.1 總結R計算混合標準差的方式以及產生之問題 83 附錄3 85 C. 假設沒有治療效果下的模擬設定 85 C.2 假設沒有治療效果的模擬結果 86 C.2.1 四種情形下之四種模型的bias 87 C.2.2 四種情形下之四種模型的MSE 87 C.2.3 四種情形下之四種模型的type I error 87 C.3 總結沒有治療效果的模擬結果 88 C.4 四種模擬情境下之四種模型估計結果數值表 89 附錄4 92 D. Arm based model之推導 92 附錄5 96 E. Arm regression 平均值與變異數之推導 96 E.1 arm regression之期望值 97 E.2 arm regression之變異數 97 附錄6 98 3.2.4小節公式推導 98 表目錄 表格 1 12 表格 2 12 表格 3 13 表格 4 14 表格 5 五種方法之計算混合標準差方式比較 23 表格 6實際治療無差異下四種模擬情境之五種模型估計結果的bias 41 表格 7 實際治療無差異下四種模擬情境之估計結果的MSE 42 表格 8 實際治療無差異下四種模擬情境之五種模型估計結果的type I error 43 表格 9 治療效果無差異下四種模擬情境之五種模型估計結果之bias 48 表格 10 治療效果有差異下四種模擬情境之五種模型估計結果的MSE 49 表格 11 治療效果有差異下四種模擬情境之五種模型估計結果的power 50 表格 12 三種模型檢定網絡不一致性結果 52 表格 13 藥物編碼表 56 表格 14 抗憂鬱症藥物與安慰劑藥效之勝敗比排序 58 表格 15 三種方法之各抗憂鬱症藥物與安慰劑標準化效果量之估計值 59 表格 16 三種方法之各抗憂鬱症藥物與安慰劑標準化效果量之估計值標準誤 61 表格 17標準化效果量之抗憂鬱症藥物排名 62 表格 18 五種方法比較 64 資料集 1 16 資料集 2 25 資料集 3 26 資料集 4 32 資料集 5 33 附表 1 74 附表 2 固定效應下three-arm study不同樣本數大小之R跟Stata估計數值表 76 附表 3 固定效應下two-arm study不同樣本數大小之R跟Stata估計數值表 77 附表 4 隨機效應下three-arm study不同樣本數大小之R跟Stata估計數值表 78 附表 5 隨機效應下two-arm study不同樣本數大小之R跟Stata估計數值表 79 附表 6 80 附表 7 80 附表 8 82 附表 9 82 附表 10治療效果無差異下四種模擬情境之四種模型估計結果的bias 89 附表 11 治療效果無差異下四種模擬情境之四種模型估計結果的MSE 90 附表 12 治療效果無差異下四種模擬情境之四種模型估計結果的type I error 91 圖目錄 圖 1 2 圖 2實際治療效果無差異下四種模擬情境之五種模型估計結果的bias 38 圖 3實際治療效果有差異下四種模擬情境之五種模型估計結果的bias 46 圖 4 網絡圖 55 附圖 1 網絡圖 75 附圖 2治療效果無差異下四種模擬情形之之四種模型估計結果的bias 87 | |
| dc.language.iso | zh-TW | |
| dc.subject | 實證醫學 | zh_TW |
| dc.subject | 統合分析 | zh_TW |
| dc.subject | 網絡統合分析 | zh_TW |
| dc.subject | 標準化效果量 | zh_TW |
| dc.subject | 組內不一致性 | zh_TW |
| dc.subject | 組間不一致性 | zh_TW |
| dc.subject | between-trial inconsistency | en |
| dc.subject | evidence-based medicine | en |
| dc.subject | meta-analysis | en |
| dc.subject | network meta-analysis | en |
| dc.subject | standardized mean difference | en |
| dc.subject | within-trial inconsistency | en |
| dc.title | 執行網絡統合分析時標準化效果量之方法比較 | zh_TW |
| dc.title | Comparisons of statistical approaches to effect size standardization in network meta-analysis | en |
| dc.date.schoolyear | 109-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.author-orcid | 0000-0002-7465-2648 | |
| dc.contributor.oralexamcommittee | 李文宗(Hsin-Tsai Liu),邱皓政(Chih-Yang Tseng) | |
| dc.subject.keyword | 統合分析,網絡統合分析,標準化效果量,組內不一致性,組間不一致性,實證醫學, | zh_TW |
| dc.subject.keyword | meta-analysis,network meta-analysis,standardized mean difference,within-trial inconsistency,between-trial inconsistency,evidence-based medicine, | en |
| dc.relation.page | 99 | |
| dc.identifier.doi | 10.6342/NTU202103166 | |
| dc.rights.note | 同意授權(限校園內公開) | |
| dc.date.accepted | 2021-09-15 | |
| dc.contributor.author-college | 公共衛生學院 | zh_TW |
| dc.contributor.author-dept | 流行病學與預防醫學研究所 | zh_TW |
| dc.date.embargo-lift | 2024-07-31 | - |
| 顯示於系所單位： | 流行病學與預防醫學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-1409202114110100.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 1.91 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。