Pracuję nad metaanalizą efektów losowych obejmującą szereg badań, w których nie zgłoszono odchyleń standardowych; we wszystkich badaniach podano wielkość próby. Nie sądzę, że możliwe jest przybliżenie lub przypisanie brakujących danych SD. W jaki sposób metaanaliza wykorzystująca surowe (niestandaryzowane) powinna oznaczać różnice jako wielkość efektu, gdy odchylenia standardowe nie są dostępne dla wszystkich badań? Mogę oczywiście nadal oszacować kwadrat tau i chciałbym włączyć tę miarę wariancji między badaniami do dowolnego schematu ważenia, którego używam, aby pozostać w ramach efektów losowych.
Nieco więcej informacji znajduje się poniżej:
Dlaczego surowe średnie różnice mogą być nadal przydatne: Dane są przedstawiane w istotnej skali: dolary amerykańskie na jednostkę. Metaanaliza średnich różnic byłaby natychmiast możliwa do interpretacji.
Dlaczego nie mogę aproksymować ani przypisywać danych SD: Badania, dla których brakuje danych odchylenia standardowego, nie zawierają wystarczających danych do przybliżenia odchylenia standardowego (tj. Mediana i zakres nigdy nie są publikowane w literaturze). Przypisywanie brakujących danych wydaje się niewskazane, ponieważ w dużej części badań brakuje SD, a ponieważ badania różnią się znacznie pod względem regionu geograficznego i protokołu badania.
Co zwykle wykonuje się z surowymi średnimi różnicami w metaanalizie: Wagi do badań oparte są na standardowym błędzie średniej różnicy (zwykle obliczanym na podstawie wielkości próby i wariancji zbiorczej). Nie mam tego W metaanalizie efektów losowych wagi badania zawierają również termin na wariancję między badaniami. Mam to.
Czy w tym kontekście można zastosować proste odwrotne ważenie wielkości próby? Jak włączyłem swoje oszacowanie kwadratu tau (lub innej miary rozproszenia między badaniami) do wagi?