Many randomized controlled trials (RCTs) report more than one primary outcome. As a result, multivariate meta-analytic methods for the assimilation of treatment effects in systematic reviews of RCTs have received increasing attention in the literature. These methods show promise with respect to bias reduction and efficiency gain compared to univariate meta-analysis. However, most methods for multivariate meta-analysis have focused on pairwise treatment comparisons (i.e., when the number of treatments is two). Current methods for mixed treatment comparisons (MTC) meta-analysis (i.e., when the number of treatments is more than two) have focused on univariate or very recently, bivariate outcomes. To broaden their application, we propose a framework for MTC meta-analysis of multivariate (≥ 2) outcomes where the correlations among multivariate outcomes within- and between-studies are accounted for through copulas, and the joint modeling of multivariate random effects, respectively. We consider a Bayesian hierarchical model using Markov Chain Monte Carlo methods for estimation. An important feature of the proposed framework is that it allows for borrowing of information across correlated outcomes. We show via simulation that our approach reduces the impact of outcome reporting bias (ORB) in a variety of missing outcome scenarios. We apply the method to a systematic review of RCTs of pharmacological treatments for alcohol dependence, which tends to report multiple outcomes potentially subject to ORB.

中文翻译：

---

贝叶斯混合治疗比较荟萃分析的相关结果受报告的偏见。

许多随机对照试验（RCT）报告了一项以上的主要结局。结果，在RCT的系统评价中用于同化治疗效果的多元荟萃分析方法在文献中受到越来越多的关注。与单变量荟萃分析相比，这些方法在减少偏差和提高效率方面显示出了希望。但是，大多数用于多元荟萃分析的方法都侧重于成对治疗比较（即，当治疗数量为两个时）。当前用于混合治疗比较（MTC）荟萃分析的方法（即，当治疗次数超过两次时）已集中于单变量或最近的双变量结果。为了扩大其应用范围，我们提出了一个多元（≥2）结果MTC荟萃分析的框架，其中研究内部和研究之间的多重结果之间的相关性通过copulas和多元随机效应的联合建模来解释。我们考虑使用马尔可夫链蒙特卡罗方法进行估计的贝叶斯分层模型。拟议框架的一个重要特征是它允许跨相关结果借用信息。通过仿真显示，在各种缺失的结果场景中，我们的方法减少了结果报告偏差（ORB）的影响。我们将该方法应用于对酒精依赖的药物治疗的RCT的系统评价，该研究倾向于报告可能受到ORB影响的多种结果。和多元随机效应的联合建模。我们考虑使用马尔可夫链蒙特卡罗方法进行估计的贝叶斯分层模型。拟议框架的一个重要特征是它允许跨相关结果借用信息。通过仿真显示，在各种缺失的结果场景中，我们的方法减少了结果报告偏差（ORB）的影响。我们将该方法应用于对酒精依赖的药物治疗的RCT的系统评价，该研究倾向于报告可能受到ORB影响的多种结果。和多元随机效应的联合建模。我们考虑使用马尔可夫链蒙特卡罗方法进行估计的贝叶斯分层模型。拟议框架的一个重要特征是它允许跨相关结果借用信息。通过仿真显示，在各种缺失的结果场景中，我们的方法减少了结果报告偏差（ORB）的影响。我们将该方法应用于对酒精依赖的药物治疗的RCT的系统评价，该研究倾向于报告可能受到ORB影响的多种结果。拟议框架的一个重要特征是它允许跨相关结果借用信息。通过仿真显示，在各种缺失的结果场景中，我们的方法减少了结果报告偏差（ORB）的影响。我们将该方法应用于对酒精依赖的药物治疗的RCT的系统评价，该研究倾向于报告可能受到ORB影响的多种结果。拟议框架的一个重要特征是它允许跨相关结果借用信息。通过仿真显示，在各种缺失的结果场景中，我们的方法减少了结果报告偏差（ORB）的影响。我们将该方法应用于对酒精依赖的药物治疗的RCT的系统评价，该研究倾向于报告可能受到ORB影响的多种结果。