利用临床试验注册库通过逆概率加权校正荟萃分析中的发表偏倚

发表偏倚是开展系统综述与荟萃分析时的一大关切。基于选择模型已发展出多种敏感性分析或偏倚校正方法，相较于广泛使用的剪补法这一偏倚校正方法，它们具有一定优势。然而，基于选择模型的似然方法可能难以获得精确估计与合理的置信区间，或需要进行复杂的敏感性分析过程。本文利用临床试验注册库中已开展但仍未发表试验的信息，开发了一种简单的发表偏倚校正方法。我们将发表偏倚问题视为非随机缺失下的缺失数据问题，引入选择函数参数估计的估计方程。借助估计得到的选择函数，我们引入逆概率加权（IPW）方法来估计各研究的总体均值。此外，提出了基于IPW的异质性度量，如研究间方差与I2度量。我们提出了构建渐近置信区间的方法，并建议以基于参数自助法（parametric bootstrapping）的区间作为替代。数值实验表明，估计量成功消除了偏倚，置信区间的经验覆盖概率接近名义水平。另一方面，在某些情景下渐近置信区间比自助置信区间宽得多。因此，推荐在实际中使用后者。