Alternatywne schematy wag dla metaanalizy efektów losowych: brak standardowych odchyleń

9

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?

— Jennifer
źródło

Jeśli jesteś gotowy przypisać swoje oszacowanie podstawie przeprowadzonych badań, dlaczego nie chcesz przypisywać wartości błędu standardowego?

τ^{2}

$\tau^2$

— mdewey

Jeśli robisz wagi na podstawie wielkości próbki, zakładasz, że odchylenie standardowe wyniku jest dokładnie takie samo we wszystkich próbach. Jeśli uważasz, że może się to różnić, prawdopodobnie lepiej byłoby zrobić coś bardziej wyrafinowanego. Zauważ również, że dolary amerykańskie na jednostkę stanowią problematyczną skalę, ponieważ spodziewałbym się, że zmienność będzie większa dla większych średnich wartości. Nie jesteś pewien, czy ludzie w Twojej dziedzinie mają już jakiś rozsądny, sprawdzony sposób radzenia sobie z tym (na przykład przekształcanie logów lub inne rozsądne podejście)?

— Björn

2

Jeśli metaanalizujesz średnie różnice o wadze zamiast o (wariancja odwrotna) - przy założeniu, że porównywane są grupy o równej wielkości - otrzymujesz odpowiednią ocenę średniego efektu przy założeniu, że zmienność jest taka sama we wszystkich badaniach. To znaczy, że wagi byłyby proporcjonalne do tych, których użyłbyś, gdyby wszystkie standardowe błędy były dokładnie dla odchylenia standardowego które zakłada się, że jest identyczne we wszystkich próbach. Nie będziesz już otrzymywać znaczącego ogólnego błędu standardowego lub przedziału ufności dla ogólnego oszacowania, ponieważ wyrzucasz informacje na temat zmienności próbkowania. $n$ $1/\text{SE}^2$ $2\hat{\sigma}/\sqrt{n}$ $\sigma$ $\hat{\sigma}$

Zauważ też, że jeśli grupy nie są równej wielkości to nie jest to poprawna waga, ponieważ standardowy błąd różnicy dwóch rozkładów normalnych to i tylko to upraszcza do , jeśli (plus ). $n$ $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ $2\sigma/\sqrt{n}$ $n_1=n_2=n/2$ $\sigma=\sigma_1=\sigma_2$

Można oczywiście przypisać brakujące błędy standardowe przy założeniu, że jest taki sam we wszystkich badaniach. Następnie badania bez zgłoszonego błędu standardowego mają tę samą zmienność podstawową, co średnia badań, dla których je znasz i jest to łatwe do zrobienia. $\sigma$

Inną myślą jest to, że używanie nietransformowanych dolarów amerykańskich lub dolarów amerykańskich na jednostkę może, ale nie musi być problematyczne. Czasami może być pożądane użycie np. Transformacji logów do metaanalizy, a następnie późniejszej transformacji wstecznej.

— Björn
źródło

1

Przydałoby się mieć więcej szczegółów na temat zestawu danych, a zwłaszcza metaanalizy. Ponadto byłoby interesujące dowiedzieć się, jakie są średnie i SD z pełnych badań, które włączasz.

Powiedziawszy to, moim pragmatycznym podejściem byłoby, jak sugerujesz, stosowanie ważenia wielkości próby (dlaczego odwrotnie?), Ale pamiętaj, że będzie to w najlepszym przypadku metaanaliza generująca hipotezy, której największą siłą będzie wskazanie wad studia podstawowe.

Oto kilka przydatnych odniesień na temat potencjalnego zastosowania ważenia próbek w metaanalizie:

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

— Joe_74
źródło