Development and innovation of statistical theory and methodology of network meta-analysis

点击翻译按钮获取中文摘要

本年度は、ネットワークメタアナリシスにおける推測手法の根幹的な問題である、現状のスタンダードな方法の検定・信頼区間の妥当性が成り立たないという問題を解決するための高次漸近理論に基づく方法の開発に取り組んだ。Kenward-Rogerの方法による新たな推測方法の開発に成功し、シミュレーション実験・実データの解析を通して、既存手法より優れた性能を有することを確認できた。この手法の優れた点は、簡便な行列計算で、信頼区間などを、高速に計算することができるという点である。国際学術誌への論文投稿を行い、良好な査読結果が得られている。また、試験間の治療効果の異質性を測るための指標として、予測区間が、近年、重要な指標として使われているが、本研究では、Bootstrap法に基づく有効なモンテカルロ技法と、高次漸近理論に基づく手法の開発に取り組んだ。シミュレーション実験・実データの解析を通して、既存のスタンダードな手法より優れた性能を有することを確認できた。統計解析ソフトウェアRのパッケージPINMAを開発し、CRANへの公表を行った。加えて、ネットワークメタアナリシスにおける外れ値の検出と影響力解析における実践的な方法論として、機械学習の領域で開発されたロバストなダイバージェンスに基づく推測方法の開発を行った。推定方程式の理論に基づくロバストな推定方法を開発し、重みの不確実性を考慮した、有効な信頼区間の構成方法を開発した。併せて、ネットワークメタアナリシスにおけるContrast-basedモデルでのベイズ流の推測手法の開発に取り組み、マルコフ連鎖モンテカルロ法を用いない、解析的な計算のみですべての計算を完了することができる、汎用的なベイズ計算法を開発した。Jeffreys事前分布などの非正則な事前分布を用いた解析も可能とする枠組みであり、実用上の有用性の高い方法であると考えられる。本研究においても、国際学術誌への論文投稿を完了している。