Я работаю над метаанализом случайных эффектов, охватывающим ряд исследований, в которых не сообщается о стандартных отклонениях; все исследования указывают размер выборки. Я не верю, что можно приблизить или приписать отсутствующие данные SD. Как метаанализ, который использует сырые (нестандартные) средние различия как величину эффекта, должен быть взвешен, когда стандартные отклонения доступны не для всех исследований? Я, конечно, все еще могу оценить тау-квадрат и хотел бы включить эту меру дисперсии между исследованиями в любую схему взвешивания, которую я использую, чтобы остаться в рамках случайных эффектов.
Немного больше информации включено ниже:
Почему необработанные средние различия все еще могут быть полезны: данные представлены в значимой шкале: доллары США за единицу. Таким образом, мета-анализ средних различий может быть немедленно интерпретирован.
Почему я не могу аппроксимировать или вменять данные SD: исследования, для которых отсутствуют данные о стандартном отклонении, не включают достаточного количества данных для аппроксимации стандартного отклонения (т.е. медиана и диапазон никогда не сообщаются в литературе). Вменение отсутствующих данных представляется нецелесообразным, поскольку в значительной части исследований не хватает SD, а также потому, что исследования сильно различаются по географическому региону и протоколу обследования.
Что обычно делается с необработанными средними различиями в метаанализе: веса исследований основаны на стандартной ошибке средней разности (обычно рассчитывается с помощью термина размера выборки и объединенной дисперсии). У меня этого нет В мета-анализе случайных эффектов веса исследований также включают термин для дисперсии между исследованиями. У меня есть это.
Можно ли использовать в этом контексте простое взвешивание размера обратной выборки? Как бы я включил мою оценку тау-квадрат (или какой-то другой меры дисперсии между исследованиями) в вес?