GeMTC+α
Via Clipboard
GeMTCはJAGSと連携して動くRのプログラムである。RとJAGSをつなげる役割をするのがrjagsで、これら3つが必要となる。

JAGSはOpenBUGSあるいはWinBUGSのコードがより高速で動くとされている。それ以外にもRと連携して使えることが、さまざまな利点となっている。

GeMTCはFrequentistの方法ではなく、ベイジアン解析を行う。JAGSの提供するGibbs samplerを用いるMarkov Chain Monte Calro (MCMC) simulationでネットワークメタアナリシスを実行する。 実行には時間がかかり、少なくとも分の単位で時間がかかる。

Analysis: RのGeMTCパッケージを用いるBayesian network meta-analysis

Dependent package: "GeMTC" "rjags"
packneed=c("gemtc","rjags") current=installed.packages() addpack=setdiff(packneed,rownames(current)) url="https://cran.ism.ac.jp/" if(length(addpack)>0){install.packages(addpack,repos=url)} if(length(addpack)==0){print("Already installed.")}

*青ボタンをクリックして、Rに戻って、Via Clipboardの#2のスクリプトを実行することによって、必要なパッケージがインストール済みかチェックし、未インストールの場合は自動でインストールする。（インターネット接続の環境が必要）。 **Rのパッケージ以外にJAGSをインストールする必要あり。JAGSはRのパッケージのインストールとは関係なく行う必要がある。

Data: データを一定の形式でExcelで用意する。解析実行の際には、データ範囲をコピーして、Rに戻り、Via Clipboardスクリプトの#1を実行してデータを読み込む。

二分変数：オッズ比を効果指標とする：1行1研究のフォーマット
r[,1] n[,1] r[,2] n[,2] r[,3] n[,3] t[,1] t[,2] t[,3] na[] 9 140 23 140 10 138 1 3 4 3 11 78 12 85 29 170 2 3 4 3 75 731 363 714 NA NA 1 3 NA 2 2 106 9 205 NA NA 1 3 NA 2 58 549 237 1561 NA NA 1 3 NA 2 0 33 9 48 NA NA 1 3 NA 2 3 100 31 98 NA NA 1 3 NA 2 1 31 26 95 NA NA 1 3 NA 2 6 39 17 77 NA NA 1 3 NA 2 79 702 77 694 NA NA 1 2 NA 2 18 671 21 535 NA NA 1 2 NA 2 64 642 107 761 NA NA 1 3 NA 2 5 62 8 90 NA NA 1 3 NA 2 20 234 34 237 NA NA 1 3 NA 2 0 20 9 20 NA NA 1 4 NA 2 8 116 19 149 NA NA 1 2 NA 2 95 1107 143 1031 NA NA 1 3 NA 2 15 187 36 504 NA NA 1 3 NA 2 78 584 73 675 NA NA 1 3 NA 2 69 1177 54 888 NA NA 1 3 NA 2 20 49 16 43 NA NA 2 3 NA 2 7 66 32 127 NA NA 2 4 NA 2 12 76 20 74 NA NA 3 4 NA 2 9 55 3 26 NA NA 3 4 NA 2

連続変数：平均値差を効果指標とする：1行1研究のフォーマット（平均値差とその標準偏差）
n[,1] y[,1] sd[,1] t[,1] n[,2] y[,2] sd[,2] t[,2] n[,3] y[,3] sd[,3] t[,3] na[] 70 -10.26 13.43 2 66 -4.88 11.64 1 1 NA 0 NA 2 54 -14.78 12.49 2 56 -8.13 12.72 1 1 NA 0 NA 2 125 -13.36 8.78 2 123 -10.39 10.45 3 1 NA 0 NA 2 220 -13.11 8.53 2 114 -9.1 9.36 1 1 NA 0 NA 2 55 -16.6 12.49 2 60 -14.9 11.39 3 1 NA 0 NA 2 58 -15.49 8.148877 2 59 -15.25 8.372449 1 1 NA 0 NA 2 187 -11.5 10.9 3 177 -9 10.9 1 1 NA 0 NA 2 144 -10.1 10.9 3 78 -8.7 10.9 1 1 NA 0 NA 2 100 -11.71 7 2 101 -8.97 6.934414 1 1 NA 0 NA 2 201 -9.4 8.506468 2 186 -8.2 8.455673 3 99 -7.4 7.959899 1 3

*青のボタンをクリックして、Excelに貼り付ける（Ctrl+V)と形式がわかる。実際の解析は1行目の変数名からデータの最後の行まで選択して用いる。
**介入のアームが4つある場合でも、研究によってはその内の2つ、あるいは3つだけを直接比較している場合が多い。介入はt[,]の変数で表すが、例えば、n[,1], r[,1],t[,1]が1が共通で、その介入アームの症例数、応答例数（アウトカム＋の例数あるいはイベント生起の例数）、そのアームの治療番号を設定する。 また全体にわたり、治療番号1がレファレンスとなるようにする。例えば、プラセボだったり、標準治療を治療番号1に設定し、それ以外の介入は2，3,4の様に設定する。

Output: モデルのNetwork plot、Forest plot、Rankogram、 surface under the cumulative ranking curves （SUCRA） plot、Node-splittingモデルのプロット、など。
*Dataの二分変数の例の解析結果。Operative script:の効果指標の値が大きいほうがいい場合のスクリプトを用いた例。
**SUCRA （surface under the cumulative ranking curves）のプロットは、Salanti Gらの作成した関数を改変して行っている。文献：Salanti G, et al 2011(下記参照）.

Operational script:

#効果指標の値が小さいほうがいい場合：一番アウトカムが減る介入が1番 source("http://zanet.biz/med/stat/ma/nma_gemtc_simpleL.R")

#効果指標の値が大きいほうがいい場合：一番アウトカムが増える介入が1番 source("http://zanet.biz/med/stat/ma/nma_gemtc_simpleH.R")

*Excelでデータ範囲を選択し、コピーし、RでVia Clipboardの#1のスクリプトを実行することで、解析対象のデータを読み込んだ後、このフィールド内のいずれか該当する方の行を選択して、コピーして（Ctrl+C）、RでVia Clipboardの#2のスクリプトを実行すると結果が表示される.
**上記のDataフィールドをコピーした場合には、それぞれの変数型のデータ範囲をコピー操作後に、Rに戻りVia Clipboardのスクリプト#1を実行し、もう一度この画面に戻り、このフィールド内のいずれか該当する方の行を選択して、コピーして（Ctrl+C）、RでVia Clipboardの#2のスクリプトを実行すると結果が表示される.
***解析には数分の時間がかかるのでそのつもりで。(バーンイン2千回、サンプリング2万回に設定）。

---

文献および関連ウェブサイト：
van Valkenhoef G 2016 van Valkenhoef G, Dias S, Ades AE, Welton NJ: Automated generation of node-splitting models for assessment of inconsistency in network meta-analysis. Res Synth Methods 2016;7:80-93. PMID: 26461181 PubMed

Dias S 2014 Dias S, Welton NJ, Sutton AJ, Ades AE: A Generalised Linear Modelling Framework for Pairwise and Network Meta-Analysis of Randomised Controlled Trials. National Institute for Health and Care Excellence (NICE) (Book). 2014; PMID: 27466657 PubMed

Dias S 2010 Dias S, Welton NJ, Caldwell DM, Ades AE: Checking consistency in mixed treatment comparison meta-analysis. Stat Med 2010;29:932-44. PMID: 20213715 PubMed

Salanti G, Ades AE, Ioannidis JP: Graphical methods and numerical summaries for presenting results from multiple-treatment meta-analysis: an overview and tutorial. J Clin Epidemiol 2011;64:163-71. PMID: 20688472 PubMed

Multiple-Treatments Meta-AnalysisのMaterial from Publications (software and protocols)

NICE Decision Support UnitのEvidence synthesis TSD siries

---