通过经验似然实现信息整合：选择性综述与新思想
统计方法学
2024-07-02 v1 应用统计
摘要
信息整合在医学研究中发挥着关键作用，通过整合和分析来自多个独立研究的数据集，有助于发现由于单个研究中样本量有限而可能难以发现的宝贵见解。然而，由于需要保护敏感参与者信息以及涉及繁琐的行政程序，共享来自独立研究的原始数据 presents significant challenges。本文首先提供了关于通过经验似然进行信息整合的最新方法ological发展的选择性综述，其中只需要摘要信息，而无需原始数据。随后，我们引入了新的见解和一个可能具有更广泛应用的框架。此外，这个新的框架比经典经验似然方法更具计算便利性。我们提供了数值评估来评估其性能，并在结尾讨论了各种扩展。
引用
@article{arxiv.2407.00561,
title = {Advancing Information Integration through Empirical Likelihood: Selective Reviews and a New Idea},
author = {Chixiang Chen and Jia Liang and Elynn Chen and Ming Wang},
journal= {arXiv preprint arXiv:2407.00561},
year = {2024}
}