作者：中國醫藥大學附設醫院 精神醫學部 潘有法 醫師

在臨床研究領域，如何在眾多治療選項間做出最佳決策，始終是醫師與研究者的挑戰。

傳統 pairwise meta-analysis 雖能整合兩種治療間的直接比較，但在治療選項繁多、臨床問題日益複雜的今日，已顯不足。Network Meta-analysis 因而成為國際研究趨勢，能同時納入多組治療並計算「直接」與「間接」證據，提供更全面的治療排序與效益估計。

在新思惟學習 NMA 的過程中，我不僅體會到其強大與細緻，更理解進行此類分析所需的嚴謹態度。

突破傳統限制的間接比較優勢

NMA 最具吸引力之處在於能「比較未曾直接比較的治療」。例如 A vs B 與 B vs C 的試驗皆存在，雖無 A vs C 的研究，NMA 卻能透過共同對照組 B 推估出 A 與 C 的間接效果。這對腫瘤、精神醫學或慢性病等藥物並存卻缺乏 head-to-head trial 的領域特別有價值。這也解釋了為何 Cochrane 與 NICE 等指南日益依賴 NMA 評估治療排序；畢竟資源有限，無法對所有治療組合進行隨機對照試驗，而 NMA 正好補足此缺口。

不僅學會讀懂模型還能親手跑出圖表

NMA 雖提升了證據完整性，但也引入一般 meta-analysis 不會遇到的「一致性（consistency）」與「可交換性（transitivity）」假設。若這些假設不成立，整體網絡結論可能失真。

Consistency 要求直接與間接證據相符；Transitivity 則要求不同試驗的族群與背景具可比性。這讓我體認到 NMA 不僅是統計操作，更是「證據哲學」的整合。

此外，閱讀文獻時絕不可忽略絕對效應量與不確定性。同時，透過 network plot 等視覺化工具，更能快速掌握證據結構與強弱。

課程中應對審稿者的技巧相當受用

除了技術面，我也學到 NMA 的侷限，包括 publication bias、small-study effects 及異質性問題。臨床判斷無法被統計技術取代，良好的 NMA 必須建立在良好的原始資料上。

這次學習不僅讓我掌握技術，更對「證據整合」有新體會：NMA 是在醫療資訊爆炸時代，協助我們看清整體證據網絡的策略。課程中關於應對審稿者及編輯的實務技巧相當受用，此次是參加新思維的四堂課程中，唯一近乎完成所有圖表實作的一次。

未來若有機會實作 NMA，這些基礎將助我在閱讀文獻、撰寫論文或制定指引時，具備更成熟的判斷能力。

最新活動