NMA结果可信度评估的工具CINeMA简介之一：Within-study bias

CINeMA是一个评估网状Meta分析结果可信度的东西。主要评估以下6个方面：within-study bias, across-studies bias, indirectness, imprecision, heterogeneity, incoherence. 并根据评估结果对证据的质量进行降级（因为我们纳入的都是RCT），最后有high, moderate, low, or very low这几个评估指标。今天我们主要介绍的是Within-study bias。

Risk of bias大家应该都知道如何评估，按照Cochrane手册对每个研究的domain进行评估就行了。比如对RCT研究的评估包括以下几个domain: random sequence generation (selection bias), allocation concealment (selection bias), Blinding of participants and personnel (performance bias), Blinding of outcome assessment (detection bias), Incomplete outcome data (attrition bias), selective reporting (reporting bias), Other bias.

这仅能得到每一个研究在每一个domain的偏倚风险评估，用Revman软件可以制作出下图：

一般情况下，我们还需要一个overall risk of bias，就是一个总的评估，比如得到一个诸如A研究是低风险，B研究是高风险之类的结果。我们可以参考如下的表格进行评估：

但只是这样做是不够的，这仅仅让我们知道每一个研究的风险情况是如何，但我们真正感兴趣的是每一对比较的风险情况是如何的，比如A药比B药的风险情况是如何的。

那么首先我们需要知道每一个研究对每一对比较的贡献程度，就是所谓的贡献矩阵，如下所示。

其中study 1, study 2……就是指的每一个研究，Mixed estimates下的比较指的是同时具有直接和间接比较的结果；Indirect estimates下的比较则只有间接比较的结果。中间的那些数字指的是每一个研究对每一对比较的贡献程度。贡献矩阵可以用STATA的network包做或者R的netmeta包做，当然也可以用CINeMA来做。

那么现在我们知道了每一个研究的overall risk of bias，以及知道了每一个研究对每一对比较的贡献程度，那么接下来就好说了。

有三种方法可以得到每一对比较的风险：

1 Majority RoB 即占最大比例的是啥风险，那么对于这个比较来说，就是啥风险；

2 Highest RoB 即对于这个比较来说，最高的风险等级是啥，那么就是啥风险；

3 Average RoB 即按照贡献矩阵来算，假如对于某个比较，来自低风险（将其用数字1来表示，以下类似）的研究贡献40%，来自中等风险（2）的研究贡献25%，来自高风险（3）的研究贡献35%，那么对于这个比较来说，总的RoB就等于0.40 ×1+0.25× 2+0.35× 3=1.95，四舍五入等于2，也就是中等风险（moderate）,用CINeMA的术语来说，就是“Some concern”。低风险对应“No concern”，高风险对应“Major concern”。

反过来看这个例子，如果我们选择Majority RoB的话，这个比较的风险就应该是No concern，因为低风险的研究贡献比例最大；如果我们选择Highest RoB的话，这个比较的风险就应该是Major concern，因为最高的风险等级为高风险（与占比多少无关）。一般情况下，建议选择Average RoB这个方法。

大家可以参考下图感受一下，绿色为低风险，黄色为中等风险，红色为高风险。长度代表所占的比例。最左边是不同的comparison。