# Introduction（引言）

當多個處理時機在不同 RCT 中各自與標準治療比較，其相互之間的相對優勢無法由傳統 Meta 分析直接得出。網絡 Meta 分析（NMA）以共同對照組為連接，能在不需頭對頭試驗的情況下提供間接比較。本專案是 early-immuno-timing 的姊妹研究，專注於以 NMA 方法量化早期 Stage II-III NSCLC 之新輔助、圍術期與輔助免疫治療策略的相對效益。

# Methods（方法）

研究以 R 為主要實作語言，採貝氏 NMA 框架（gemtc、multinma），符合 PRISMA-NMA 報告規範。納入標準為 Stage II-III 可切除 NSCLC 之 RCT，處理為三類時機之一。主要終點為 EFS／DFS，次要終點包括 OS 與重大不良事件。

模型診斷包含異質性、不一致性檢驗，以及 SUCRA 排序機率。亞組分析依 PD-L1 表達、組織學亞型與分期細分。所有分析腳本與資料萃取以 Git 管理，便於審稿時提供可重現的計算紀錄。

# Results（結果）

NMA 結果提供一個排序視角：在 EFS 表現上，新輔助與圍術期常排序於輔助之前；在 OS 表現上則需更多追蹤資料；在毒性上，新輔助／圍術期可能因合併化療而顯著上升。SUCRA 結果有助於臨床醫師在多策略並列時做整體權衡。

# Discussion（討論）

本研究展示 NMA 在快速演進治療領域的及時整合價值。其貢獻在於以可量化方式解答「最佳時機」問題。限制方面，NMA 結論依賴試驗一致性假設，需謹慎做敏感性分析；不同地區之健保可及性使結論的臨床轉譯需在地化。未來可結合 IPD-NMA 與真實世界資料以更貼近臨床決策。

# 連結

• GitHub：htlin222/early-immuno-timing-nma
• 主要語言：R
• 最後更新：2026-02-20