针对 COVID-19 无症状感染率的贝叶斯推断
应用统计
2022-04-07 v2
摘要
为了加强推断，通常使用荟萃分析来汇总一组独立研究的信息。然而在某些情况下，数据可能不满足荟萃分析 underlying 的假设。使用三种比常见荟萃分析方法具有更一般结构的贝叶斯方法，我们可以展示在统计上合理的合并的程度与性质。在本文中，我们重新分析了若干综述的数据，这些综述的目标是对 COVID-19 无症状感染率进行推断。当不太可能所有真实效应量都来自单一来源时，研究者应当谨慎对待合并所有研究的数据。我们的发现与方法也适用于其他 COVID-19 结果变量，且更具一般性。
引用
@article{arxiv.2203.14381,
title = {Bayesian inference for asymptomatic COVID-19 infection rates},
author = {Dexter Cahoy and Joseph Sedransk},
journal= {arXiv preprint arXiv:2203.14381},
year = {2022}
}