GRADE指南：使用 GRADE 方法评估网络荟萃分析估计结果的确定性

本文介绍了“建议分级评估、制定和评价” (GRADE) 工作组指南在评估网络荟萃分析 (NMA) 证据确定性（证据可信度、证据质量）方面的概念性进展。2014 年发布的原始 GRADE 指南在许多 NMA 中的应用取得了进展，加强了其概念基础并使流程更加高效。本指南将对旨在评估 NMA 所有成对比较的确定性并且熟悉 NMA 基本概念和传统的 GRADE 成对荟萃分析方法的系统评价作者有用。原始 GRADE NMA 指南的两个原则是，我们需要分别评估网络内每对成对比较的证据确定性，并且在这样做时我们需要同时考虑直接证据和间接证据。我们提出、讨论并说明了四个概念上的进步：（1）在对直接和间接估计进行评级以评估 NMA 估计时，无需考虑不精确性；（2）当直接证据的确定性很高且直接证据对网络估计的贡献至少与间接证据一样大时，无需对间接证据进行评级；（3）我们不应该相信网络整体不一致性统计测试来评估成对比较级别的不一致性；（4）在直接和间接证据之间存在不一致性的情况下，每个估计的证据的确定性可以帮助决定相信哪个估计。