网络Meta分析研究进展系列（十三）：生存数据的网络Meta分析

张天嵩，董圣杰，杨智荣，武珊珊，田金徽，孙凤

在生物医学领域，有很多研究感兴趣的结局是到某个事件发生的时间，发生的事件可以是不利结果（如死亡、肿瘤复发等）、有益结果（如怀孕、出院等）、中性结果（如停止母乳时间）[1]，这类数据称为至事件时间数据（time-toevent data），传统上称为生存数据或生存资料（survival data）、随访资料（follow-up data），对该类数据行的统计分析称为生存分析，主要考察每个研究对象出现某一结局所经历的时间，广泛应用于恶性肿瘤、慢性疾病等随访研究中事件分析，比如疾病的发生、复发、转移、伤口的愈合、某种症状的消失等[2-4]。生存数据具有独特的特点：①至事件发生的时间趋向于偏态分布，则采用正态似然不适合；②在随访期内并非每例患者都出现待观察的事件，即有截尾观测。

在生存数据中，结局事件和发生时间同等重要[5]，主要的分析方法为风险或生存函数[6]。针对生存数据进行经典的Meta分析和网络Meta分析（network meta-analysis，NMA），与连续型数据和二分类数据相比更加棘手，既不能简单地将时间作为连续型数据处理，也不能把事件简单地作为二分类数据处理。生存数据NMA，一般可分为一步法和两步法两种分析策略，一步法适用个体参与者数据（individual participant data，IPD）[7,8]；两步法适用于IPD和聚合数据（aggregate data，AD），目前多使用两步法。本文主要梳理基于两步法生存数据NMA的相关方法和模型，以期为研究人员了解和开展相关工作提供参考。

1 生存数据类型

1.1 个体参与者数据理想情况下，系统评价员能够获得纳入NMA每个原始研究的IPD，收集到原始研究的起点事件和终点事件及相关人数、生存时间、影响因素（协变量）等。……