用于校正结果报告偏倚的贝叶斯选择模型及其在心力衰竭干预荟萃分析中的应用
应用统计
2021-10-19 v1
摘要
多元荟萃分析(MMA)是联合估计多个结果处理效应的有力工具。然而，MMA 结果的有效性可能受结果报告偏倚(ORB)（即研究选择性报告结果的倾向）的损害。迄今 ORB 研究不足。由于 ORB 可导致偏倚结论，在存在 ORB 时校正效应量估计并量化其不确定性至关重要。为此，我们开发了一个贝叶斯选择模型以校正 MMA 中的 ORB，并进一步提出一种度量以量化 ORB 对 MMA 结果的影响。我们通过来自 Cochrane 系统评价数据库的 748 个双变量荟萃分析的元评价评估我们的方法。我们的模型受并应用于一项关于心力衰竭患者医院再入院与生活质量干预的荟萃分析。在我们的分析中，干预组医院再入院的相对风险(RR)在校正 ORB 后从一个显著下降（RR：0.931，95% 置信区间[CI]：0.862-0.993）变为统计上不显著的效果（RR：0.955，95% CI：0.876-1.051）。本研究表明，未考虑 ORB 可导致荟萃分析中不同的结论。
引用
@article{arxiv.2110.08849,
title = {A Bayesian Selection Model for Correcting Outcome Reporting Bias With Application to a Meta-analysis on Heart Failure Interventions},
author = {Ray Bai and Xiaokang Liu and Lifeng Lin and Yulun Liu and Stephen E. Kimmel and Haitao Chu and Yong Chen},
journal= {arXiv preprint arXiv:2110.08849},
year = {2021}
}
备注
26 pages, 5 tables, 8 figures