سنتز شواهد برای تصمیم گیری در نظام سلامت ۲۰۱۲
Evidence Synthesis for Decision Making in Healthcare 2012

در ارزیابی مراقبت های بهداشتی، روش های دقیق ارزیابی کمی برای تعیین مداخلاتی که هم موثر و هم مقرون به صرفه باشند، ضروری است. معمولاً یک مطالعه منفرد به طور کامل به این مسائل نمی پردازد و سنتز شواهد از منابع متعدد مطلوب است. هدف این کتاب ارائه یک راهنمای عملی برای سنتز شواهد به منظور تصمیم گیری است، که با یک مدل تک پارامتری ساده آغاز می شود، جایی که همه مطالعات یک کمیت مشابه را تخمین می زنند (متاآنالیز زوجی) و به ساختارهای چندپارامتری پیچیده تر (از جمله فراتحلیل رگرسیونی، مقایسه های درمان مختلط، مدل های مارکوف پیشرفت بیماری و مدل های اپیدمیولوژی) پیش می رود. یک چارچوب جامع و منسجم اتخاذ شده و با استفاده از روش های بیزی تخمین زده می شود.

ویژگی های کلیدی:

• رویکردی منسجم به سنتز شواهد از منابع متعدد.
• تمرکز بر روش های بیزی برای سنتز شواهد است که می توانند در چارچوبی احتمالی با استفاده از شبیه سازی زنجیره مارکوف مونت کارلو، در تحلیل های مقرون به صرفه بودن ادغام شوند.
• ارائه روش هایی برای ترکیب آماری شواهد از طیف وسیعی از ساختارهای شواهد.
• تاکید بر اهمیت نقد مدل و بررسی سازگاری شواهد.
• ارائه مثال های کارشده، تمرین ها و راه حل های متعدد که از زمینه های مختلف پزشکی در سراسر کتاب گرفته شده اند.
• کد WinBUGS برای همه مثال ها ارائه شده است.

سنتز شواهد برای تصمیم گیری در مراقبت های بهداشتی برای اقتصاددانان سلامت، مدل سازان تصمیم، آمارشناسان و سایر افراد درگیر در سنتز شواهد، ارزیابی فناوری های سلامت و ارزیابی اقتصادی فناوری های سلامت در نظر گرفته شده است.

In the evaluation of healthcare, rigorous methods of quantitative assessment are necessary to establish interventions that are both effective and cost-effective. Usually a single study will not fully address these issues and it is desirable to synthesize evidence from multiple sources. This book aims to provide a practical guide to evidence synthesis for the purpose of decision making, starting with a simple single parameter model, where all studies estimate the same quantity (pairwise meta-analysis) and progressing to more complex multi-parameter structures (including meta-regression, mixed treatment comparisons, Markov models of disease progression, and epidemiology models). A comprehensive, coherent framework is adopted and estimated using Bayesian methods.

Key features:

• A coherent approach to evidence synthesis from multiple sources.
• Focus is given to Bayesian methods for evidence synthesis that can be integrated within cost-effectiveness analyses in a probabilistic framework using Markov Chain Monte Carlo simulation.
• Provides methods to statistically combine evidence from a range of evidence structures.
• Emphasizes the importance of model critique and checking for evidence consistency.
• Presents numerous worked examples, exercises and solutions drawn from a variety of medical disciplines throughout the book.
• WinBUGS code is provided for all examples.

Evidence Synthesis for Decision Making in Healthcare is intended for health economists, decision modelers, statisticians and others involved in evidence synthesis, health technology assessment, and economic evaluation of health technologies.