Copas-Heckman型敏感性分析在广义线性混合模型下罕见事件meta分析中发表偏倚的应用
统计方法学
2025-08-22 v2 应用统计
摘要
在系统综述和meta分析中，发表偏倚(PB)是严重问题之一，主要由学术文献的选择性发表引起。尽管已有许多方法处理PB，但几乎所有方法都基于正态-正态(NN)随机效应模型，假设数据在研究内和研究间水平均服从正态分布。对于罕见事件meta分析（数据包含罕见事件发生），标准NN随机效应模型可能表现不佳。相反，一些广义线性混合模型(GLMM)采用精确分布描述研究内水平的事件数，提供了替代方案，并在实践中广泛使用。然而，在GLMM中处理PB的可用方法有限。为解决这一局限，我们提出了一个敏感性分析框架，用于评估PB在各种GLMM中的影响。该框架基于著名的Copas-Heckman型敏感性分析方法开发，可轻松使用标准软件实现，计算成本低。本文通过模拟研究评估所提方法在调整PB方面的性能，并与相关现有方法进行比较。还分析了几个真实世界示例，以展示我们的提议在评估PB对罕见事件结局的优势比和比例meta分析中潜在影响方面的广泛适用性。
引用
@article{arxiv.2405.03603,
title = {Copas-Heckman-type sensitivity analysis for publication bias in rare-event meta-analysis under generalized linear mixed models},
author = {Yi Zhou and Taojun Hu and Yuji Sakamoto and Ao Huang and Xiao-Hua Zhou and Satoshi Hattori},
journal= {arXiv preprint arXiv:2405.03603},
year = {2025}
}