基于准似然的诊断研究 meta 分析中解决出版偏误的灵敏度分析
应用统计
2024-06-07 v1
摘要
出版偏误（PB）是 meta 分析中的一个重要威胁，因为结果显著的研究更可能被发表在科学期刊上。灵敏度分析提供了一种灵活的方法来解决PB并检查未发表研究的影响。Copas提出一种基于 t 统计量的选择模型用于灵敏度分析。这种 t 统计量选择模型是可解释的，并且可以对偏斜的 funnel 图中所示的研究之间的有偏出版抽样进行建模。在诊断研究的 meta 分析中，汇总接收者工作特征曲线是整合来自 individual 研究报告的灵敏度和特异性双变量结果的重要工具。以往的研究在双变量正态模型上处理PB，但这些方法依赖于对经验logit转换后的灵敏度和特异性进行正态近似，这在稀疏数据情景下并不适合。相对于双变量正态模型，使用双变量二项模型将在-study 模型中的正态近似替换为准似然模型，在有限样本性质方面具有更好的表现。在本研究中，我们将Copas t 统计量选择模型应用于双变量二项模型的诊断研究 meta 分析。鉴于我们是首次将Copas t 统计量选择模型应用于双变量二项模型，我们通过几个真实世界的诊断研究 meta 分析以及模拟研究来评估了我们提出的方法。
引用
@article{arxiv.2406.04095,
title = {A likelihood-based sensitivity analysis for addressing publication bias in meta-analysis of diagnostic studies using exact likelihood},
author = {Taojun Hu and Yi Zhou and Xiao-Hua Zhou and Satoshi Hattori},
journal= {arXiv preprint arXiv:2406.04095},
year = {2024}
}