中文

尊重随机化的beta-二项式模型及其与忽略随机化的标准beta-二项式模型在罕见事件meta分析中的比较

统计方法学 2026-06-26 v1
作者: Tim Mathes , Maxi Schulz , Oliver Kuss
在 arXiv 上查看 ↗ PDF ↗

摘要

背景：针对罕见事件meta分析的建议模型之一是beta-二项式模型(BBM)。与逆方差模型相比，该模型的主要优势在于可利用零格信息而无需连续性校正。标准BBM的缺点在于其忽略随机化。本文我们引入一种尊重随机化的BBM。方法：保留随机化的核心思想是使用公共beta的BBM。我们说明，在估计模型参数时通过对研究中四格表计数总和进行条件化，可保留随机化。我们开展了一项反映真实世界meta分析的模拟研究以比较这些模型。此外，我们探究了在何种情形下忽略随机化可能带来问题。结果：尊重随机化的BBM在分别映射Cochrane与非Cochrane综述中真实meta分析的模拟研究中表现良好。当纳入meta分析的研究样本量差异很大时，忽略随机化似乎会带来问题。然而，在异质性较高时，忽略随机化的BBM往往表现更优。结论：结果表明，当随机化均衡且纳入meta分析的研究规模差异不大时，使用忽略随机化的标准BBM通常无偏。但由于忽略随机化可能导致的生态偏倚是该模型固有的缺陷，且尊重随机化的BBM在模拟中表现出极为相似的结果，故一般可能更受青睐。关键词：beta-二项式模型，广义线性混合模型，meta分析，模拟研究，罕见事件，零事件

关键词

beta-二项式模型 随机化 meta分析 罕见事件 零事件 广义线性混合模型 模拟研究

引用

@article{arxiv.2606.27971,
  title  = {A beta-binomial model respecting randomization and its comparison to the standard beta-binomial model that ignores randomization for the meta-analysis of rare events},
  author = {Tim Mathes and Maxi Schulz and Oliver Kuss},
  journal= {arXiv preprint arXiv:2606.27971},
  year   = {2026}
}