Zainspirowany tym pytaniem, a zwłaszcza „Problemem 3”:
Rozkłady tylne są nieco trudniejsze do włączenia do metaanalizy, chyba że podano częsty, parametryczny opis rozkładu.
Ostatnio dużo myślałem o włączeniu metaanalizy do modelu bayesowskiego - przede wszystkim jako źródła priorytetów - ale jak to zrobić w drugą stronę? Jeśli analiza bayesowska rzeczywiście stanie się popularniejsza i bardzo łatwo będzie ją włączyć do istniejącego kodu (przychodzi na myśl wypowiedź BAYES w SAS 9.2 i powyżej), powinniśmy częściej uzyskiwać szacunki bayesowskie w literaturze.
Udajmy przez chwilę, że mamy badacza stosowanego, który postanowił przeprowadzić analizę bayesowską. Korzystając z tego samego kodu symulacyjnego, którego użyłem w tym pytaniu , gdyby zastosowali frameworki, otrzymaliby następujące prognozy częstokrzyskie:
log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633
Używając standardowej, całkowicie domyślnej i nieinformacyjnej analizy instrukcji BAYES priors, nie ma powodu, aby mieć ładne, symetryczne przedziały ufności lub standardowe błędy. W tym przypadku tył można dość łatwo opisać rozkładem normalnym, więc można go po prostu opisać jako taki i być „wystarczająco blisko”, ale co się stanie, jeśli ktoś zgłosi oszacowanie efektu Bayesa i asymetryczny wiarygodny przedział? Czy istnieje prosty sposób na uwzględnienie tego w standardowej metaanalizie, czy też należy ponownie oszacować szacunek do opisanego parametrycznie rozkładu, który jest jak najbardziej zbliżony? Albo coś innego?