Схемы альтернативного взвешивания для мета-анализа случайных эффектов: отсутствуют стандартные отклонения


9

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:

  1. 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.

  2. 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.

  3. 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?


Если вы готовы вменять свою оценку в исследованиях, которые у вас есть, то почему вы не хотите вменять значения стандартной ошибки? τ2
mdewey

Если вы делаете вес , основанный на размере выборки, то предположит , что стандартное отклонение результатов в точности то же самое во всех испытаниях. Если вы думаете, что это может измениться, вероятно, было бы лучше сделать что-то более сложное. Также обратите внимание, что доллары США на единицу представляют собой проблематичную шкалу, поскольку я ожидаю, что изменчивость будет больше при больших средних значениях. Не уверен, что у людей в вашей области уже есть какой-то разумный, хорошо проверенный способ справиться с этим (например, преобразование логарифмов или другой разумный подход)?
Бьёрн

Ответы:


2

N1/SE22σ^/Nσσ^

Nσ12/N1+σ22/N22σ/NN1знак равноN2знак равноN/2σзнак равноσ1знак равноσ2

σ

Другая мысль заключается в том, что использование нетрансформированных долларов США или долларов США за единицу может быть или не быть проблематичным. Иногда может быть желательно использовать, например, преобразование журнала для мета-анализа, а затем для обратного преобразования впоследствии.


1

Было бы полезно получить более подробную информацию о вашем наборе данных в целом и ваших метааналитических оценках в частности. Кроме того, было бы интересно узнать, каковы средние и средние значения для полных исследований, которые вы включаете.

Сказав это, мой прагматический подход будет, как вы намекаете, использовать взвешивание размера выборки (почему обратный?), Но помните, что в лучшем случае это будет метаанализ, генерирующий гипотезы, чья самая сильная сторона будет заключаться в выявлении недостатков начальные исследования.

Вот несколько полезных ссылок на потенциальное использование выборочного веса в мета-анализе:

http://faculty.cas.usf.edu/mbrannick/papers/conf/SIOP08Wts.doc

https://www.meta-analysis.com/downloads/Meta%20Analysis%20Fixed%20vs%20Random%20effects.pdf

http://epm.sagepub.com/content/70/1/56.abstract

Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.