MetaAnalysen mit SAS Analysen und Graphiken KSFE 2001

Meta-Analysen mit ® SAS Analysen und Graphiken KSFE 2001 Steffen Witte / Oliver Kuß 9. März 2001 5. KSFE 1

Inhalte • • • Einführung Beispiel Analyse (bei stetigen Zielvariablen) Graphiken (Forest- und Funnelplot) Diskussion 9. März 2001 5. KSFE 2

Einführung • Meta-Analyse: Kombination von Ergebnissen, um zu einer Gesamtaussage zu kommen • insbesondere bei klinischen Studien mit verschiedenen Endergebnissen 9. März 2001 5. KSFE 3

Beispiel: Arthrosebehandlung(I) • Indikation: Arthrose (Gelenkverschleiß) • Behandlung: i. d. R. symptomatisch, d. h. schmerzlindernd und entzündungshemmend • Fragestellung: Wirkung von SAdenosylmethionin (SAM)? • Identifikation von 8 RCTs (versus NSAID, d. h. aktive Kontrollgruppe) 9. März 2001 5. KSFE 4

Beispiel: Arthrosebehandlung (II) • Zielgröße: standardisierte Score-Differenz am Ende der Behandlungsphase • Skalierung: stetig (sonst bei Meta-Analysen oft binomial) • Auswertungsmethode: nach Whitehead & Whitehead 1991 9. März 2001 5. KSFE 5

Beispiel - Datenstruktur 9. März 2001 5. KSFE 6

Software • Für die Analyse (und graphische Darstellung) von Meta-Analysen, unter anderem: • Rev. Man (CC) • Meta. Analysis (kommerziell) • Epi. Info (CDC) SAS 9. März 2001 5. KSFE 7

Analyse: Whitehead (I) 9. März 2001 5. KSFE 8

Analyse (II) • • FEM vs. REM weitere Verfahren: Petitti, Hedges, Glass Ziel: einfache Verwendung eines Makros Lösung: %metacont berechnet alle Parameter, die für die Meta-Analyse von Wichtigkeit sind 9. März 2001 5. KSFE 9

%metacont - SAS-Makro • Ausgabe als printout und in SAS-Datensätze zur Weiterverarbeitung • verwendet nur SAS/BASE Programmierung • kann einen oder mehrere Typen von Schätzern/Statistiken berechnen • berechnet immer das FEM & REM 9. März 2001 5. KSFE 10

Beispiel: %metacont( inset = method = nt = nc = mt = mc = stdt = stdc = types = 9. März 2001 select 1, 2, no_e, no_c, mean_e, mean_c, std_e, std_c, pet rough white); 5. KSFE 11

submit 9. März 2001 5. KSFE 12

Ausgabe (I): %metacont *** TABLE: SAMe VS NSAID *** METACONT (2): Effects and contributions to heterogeneity *** type refid Petitti [. . . ] Petitti Rough [. . . ] Rough Whitehead Whitehead lower _i theta_i upper_i femw_i weights q_het_i Capretto 1985 -0. 66773 -0. 27960 0. 10852 25. 5008 6. 17696 0. 4747 Pellegrini 1980 Capretto 1985 -1. 47926 -0. 66601 -0. 87431 -0. 27960 -0. 26937 0. 10680 10. 4970 25. 7282 4. 58836 5. 74984 5. 6115 0. 4747 Pellegrini 1980 Capretto 1985 Caroli 1980 Caruso 1987 (N) Ceccato 1980 Cucinotta 1980 Glorioso 1985 Maccagno 1987 Pellegrini 1980 -1. 45282 -0. 67209 -1. 60499 -0. 16477 -0. 73431 -0. 55285 -0. 41789 0. 59256 -1. 58842 -0. 87431 -0. 28377 -1. 03895 0. 03323 -0. 30932 -0. 28439 -0. 06406 1. 22229 -0. 97946 -0. 29580 0. 10456 -0. 47290 0. 23123 0. 11567 -0. 01593 0. 28977 1. 85203 -0. 37051 11. 4783 25. 4745 11. 9893 97. 9839 21. 2685 53. 3014 30. 6835 9. 6868 10. 3592 4. 50103 4. 93408 4. 05145 5. 75961 4. 75206 5. 48912 5. 10183 3. 75023 3. 84690 6. 1259 0. 4736 9. 5295 3. 1975 0. 5575 1. 0000 0. 2132 18. 1734 7. 1718 9. März 2001 5. KSFE 13

Ausgabe (II): %metacont *** TABLE: SAMe VS NSAID *** METACONT (2): tests and estimates for overall effects *** type Petitti Rough Whitehead model t_het p_theta q_het_df FEM REM 32. 1481 35. 2915 40. 3165 <. 0001 0. 0205 0. 1653 0. 0191 0. 1797 0. 0173 0. 1948 9. März 2001 7 7 7 lower -0. 26429 -0. 48788 -0. 26396 -0. 49575 -0. 26879 -0. 53049 5. KSFE upper -0. 02203 0. 08343 -0. 02358 0. 09282 -0. 02604 0. 10806 tau 0. 00000 0. 12268 0. 00000 0. 13505 0. 00000 0. 16342 theta -0. 14316 -0. 20223 -0. 14377 -0. 20146 -0. 14741 -0. 21122 t_theta 5. 36590 1. 92524 5. 49644 1. 80031 5. 66630 1. 68123 14

PROC MIXED: FEM proc mixed method=ml data=all 1; class study; * model theta_i= / s cl; model theta_i=int / s cl noint ddf=10000; repeated / group=id; parms (0. 03925) (0. 08341) (0. 01021) (0. 04702) (0. 01876) (0. 03259) (0. 10323) (0. 09653) / eqcons=1 to 8; run; 9. März 2001 5. KSFE 15

PROC MIXED: REM proc mixed method=ml data=all 1; class study; * model theta_i= / s cl; model theta_i=int / s cl noint ddf=10000; random int / subject=id s; repeated / group=id; parms (0. 16342) (0. 03925) (0. 08341) (0. 01021) (0. 04702) (0. 01876) (0. 03259) (0. 10323) (0. 09653) / eqcons=1 to 9; run; 9. März 2001 5. KSFE 16

Graphik: Funnelplot • Funnelplot zur Identifikation von Selektions -Bias • Scatterplot (im wesentlichen: proc gplot; plot effect * n; ) mit labeling (%label) 9. März 2001 5. KSFE 17

%metafunn - SAS-Makro • %metafunn( inset=dataset, label=var, effect=var, efflow=num, effupp=num, n=var, nlow=num, nupp=num); 9. März 2001 SAS-Datensatz Variable, die Labels enthält x-Achse, lower limit x-Achse, upper limit y-Achse, lower limit y-Achse, upper limit 5. KSFE 18

Beispiel: %metafunn (I) %metafunn( inset = all 1(where=(type="Whitehead")), effect= theta_i, efflow= -2, effupp= 2, n = femw_i, ntxt = Weights (FEM), nlow = 0, nupp = 120, nby = 20, vref = 0); 9. März 2001 5. KSFE 19

submit 9. März 2001 5. KSFE 20

Funnelplot (I) 9. März 2001 5. KSFE 21

Beispiel: %metafunn (II) %metafunn( inset = label = effect= efflow= n = nlow = nby = 9. März 2001 all 1(where=(type="Whitehead")), refid, lpos = lpos, theta_i, -2, effupp= 2, femw_i, ntxt = Weights (FEM), 0, nupp = 120, vref = 0); 5. KSFE 22

submit 9. März 2001 5. KSFE 23

Funnelplot (II) 9. März 2001 5. KSFE 24

Graphik: Forestplot (I) • Forestplot zur Darstellung der Effekte: Einzelstudien und Meta-Analyse-Effekte • Linien-Diagramm der Konfidenzintervalle • Wang MC & Bushman BJ empfehlen: proc timeplot; plot lower="[" theta="*" upper="]" / overlay hiloc ref=0 refchar="0"; id refid; run; 9. März 2001 5. KSFE 25

Forestplot (I) Study LOWER THETA UPPER min max -1. 604994284 1. 8520280156 *----------------------------------------------* Capretto 1985 -0. 67 -0. 28 0. 10 | [-----*-------0 -] | Caroli 1980 -1. 60 -1. 04 -0. 47 |[-------*-------] 0 | Caruso 1987 (N) -0. 16 0. 03 0. 23 | [----0*----] | Ceccato 1980 -0. 73 -0. 31 0. 12 | [-----*----0 --] | Cucinotta 1980 -0. 55 -0. 28 -0. 02 | [------*------]0 | Glorioso 1985 -0. 42 -0. 06 0. 29 | [----*-0 ------] | Maccagno 1987 0. 59 1. 22 1. 85 | 0 [--------*--------]| Pellegrini 1980 -1. 59 -0. 98 -0. 37 |[--------*--------] 0 | FEM -0. 27 -0. 15 -0. 03 | [--*--]0 | REM -0. 53 -0. 21 0. 11 | [-------*-----0 --] | *----------------------------------------------* 9. März 2001 5. KSFE 26

%metaki - SAS-Makro • %metaki( data=dataset, est=var, kilest=var, kiuest=var, by=var, namefmt=fmt); 9. März 2001 SAS-Datensatz Effekt-Schätzer lower limit upper limit Klassifikationsvariable Variable der y-Achse Format der y-Achse 5. KSFE 27

Beispiel: %metaki( inset est kilest kiuest by namefmt mrad = = = = metaki, theta, lower, upper, group, refid, $refid. , 0. 2); metaki ist ein zusammengesetzter Datensatz aus all 1 und all 2 9. März 2001 5. KSFE 28

submit 9. März 2001 5. KSFE 29

Forestplot (II) 9. März 2001 5. KSFE 30

ENDE Makros, Beispielprogramme: • Witte@imbi. uni-heidelberg. de • Oliver. Kuss@medizin. uni-halle. de Dokument des Vortrages: • http: //www. biometrie. uni-hd. de 9. März 2001 5. KSFE 31

Literatur und SAS-Makros • Wang MC, Bushman BJ, Integrating Results through Meta-Analytic Review Using SAS® -Software: SAS Institute Inc. 1999, Cary, NC, USA • Whitehead A, Whitehead J, A General Parametric Approach to the Meta-Analysis of Randomized Clinical Trials: Stat. Med 10 (1991), 1665 -1677 • Houwelingen HC, Arends LR, Stijnen T, Tutorial in Biostatistics, Advanced Methods in Meta-Analysis: Multivariate Approach and Meta-Regression, to appear in Stat. Med • Statistical Methods for Meta-Analysis, Hedges LV, Olkin I, Academic Press 1985 • Epi. Meta: http: //www. cdc. gov/epo/dpram/epimeta. htm • Rev. Man: http: //www. cochrane. de/cc/cochrane/revman. htm • Meta. Analysis: http: //www. meta-analysis. com • Meta. Analysis: http: //www. yorku. ca/faculty/academic/schwarze/meta_e. htm 9. März 2001 5. KSFE 32