之前的推文系统的介绍了使用netmeta包实现对二分类变量、连续型变量和罕见事件的网状meta分析。今天的文章介绍如何使用netmeta程序包实现生存数据的频率学网状meta分析，用来评估6种免疫疗法（ Camrelizumab、Tislelzumab、Toripalimab、Sintilimab、Pembrolizumab、Nivolumab）联合化疗方案治疗一线晚期或转移性鳞状食管癌的NMA。

1. 程序包加载及数据加载

library(netmeta)
OS <- read_csv("netmeta.csv")

2. 模型构建

使用netmeta函数构建NMA分析模型,其中TE = log(HR)，seTE = (log(upperCI) - log(lowerCI))/3.92)

m.netmeta <- netmeta(TE = TE,  # TE = log(HR)seTE = seTE,  # seTE = (log(upperCI) - log(lowerCI))/3.92)treat1 = treat1,treat2 = treat2,studlab = study,data = OS,sm = "HR",reference.group = "che",sep.trts = " vs ")

3. 网络证据绘制

使用netgraph函数绘制网络证据图

netgraph(m.netmeta, points=T,plastic=F, col = "#5C8286",col.points = "#BFBFBF",bg.points = "#5C8286",number.of.studies = T, cex=1.5,cex.points=c(4,7,4,4,4,4,4))

4. 森林图绘制

使用forest函数绘制森林图

forest(m.netmeta,reference.group = "che",smlab = paste("IO-chem vs chemo"),drop.reference.group = TRUE,label.left = "HR",col.square = "#5C8286",drop = TRUE,sortvar = -TE,label.right = "95% CrI")

5. 两两比较赛联表制作

使用 netleague函数计算两两比较结果

netleague <- netleague(m.netmeta, bracket = "(", digits=2)  
# netleague
write.csv(netleague$random, "netleague.csv")

6. 排序（SURCA ）

使用netrank函数计算累积概率并绘制条形排序图

netrank(m.netmeta, small.values = "good")

             P-score (common) P-score (random)
tor_plus_che           0.8446           0.8446
sin_plus_che           0.7316           0.7316
tis_plus_che           0.6340           0.6340
cam_plus_che           0.5010           0.5010
pem_plus_che           0.3954           0.3954
niv_plus_che           0.3917           0.3917
che                    0.0018           0.0018

参考文献

[1]   Gao, Tian-Tian et al. “Comparative efficacy and safety of immunotherapy for patients with advanced or metastatic esophageal squamous cell carcinoma: a systematic review and network Meta-analysis.” BMC cancer vol. 22,1 992. 17 Sep. 2022, doi:10.1186/s12885-022-10086-5IF: 3.8 Q2.