个体参与者数据Meta分析中处理效应的学生化置换检验

Meta分析是一种成熟的工具，用于整合来自多个独立研究的数据，每项研究通常比较实验处理与对照组的效应。虽然Meta分析常使用汇总的研究摘要进行，但也可使用个体参与者数据（IPD）进行。经典Meta分析模型可通过在线性混合模型框架内构建，推广以处理连续型IPD。IPD Meta分析通常基于少量研究。技术上，对总体处理效应的推断可使用Student-t近似进行。然而，由于某些方法可能无法充分控制I类错误，Satterthwaite法或Kenward-Roger法被建议用于设定自由度参数。后者还调整了处理效应估计量的标准误。尽管如此，这些方法可能偏保守。鉴于已知置换检验能控制I类错误并对分布假设的违反具有稳健性，我们提出一种针对处理效应的学生化置换检验，基于IPD Meta分析中跨研究的标准化残差进行置换。同时，我们基于该检验构建处理效应的置信区间。第一个区间由置换分布的百分位数导出。第二个区间通过搜索与效应估计值最接近且与真实效应恰好存在显著性差异的值得到。在模拟研究中，我们展示了所提方法的满意表现，通常比竞争方法产生更短的置信区间。