聚合数据元分析的模拟模型：合并效应量与发表偏倚的评估
应用统计
2022-01-19 v2 统计方法学
摘要
模拟研究常用于评估新开发元分析方法的表现。对于为聚合数据元分析开发的方法，研究者常直接模拟聚合数据，而非模拟本应在现实中据以计算聚合数据的个体参与者数据。显然，聚合数据统计量的分布特征可由潜在个体数据的分布假设推导，但这些假设在出版物中常未被明确说明。本文给出了由连续个体数据的异方差混合效应模型导出的聚合数据统计量分布。据此，我们提供了直接模拟聚合数据统计量的步骤。我们还通过描述理论差异并对三种元分析方法（DerSimonian 与 Laird 的合并估计量以及用于调整发表偏倚的 Trim & Fill 和 PET-PEESE 方法）进行模拟研究，将我们的分布发现与文献中使用的其他聚合数据模拟方法进行比较。我们表明，聚合数据模拟模型的选择可能对元分析方法的表现（及其结论）产生相关影响。我们建议在使用新方法论研究时采用多种聚合数据模拟模型以判定敏感性，否则应明确将导致模拟中所用聚合数据统计量分布选择的个体参与者数据模型。
引用
@article{arxiv.2009.06305,
title = {Simulation Models for Aggregated Data Meta-Analysis: Evaluation of Pooling Effect Sizes and Publication Biases},
author = {Edwin R. van den Heuvel and Osama Almalik and Zhuozhao Zhan},
journal= {arXiv preprint arXiv:2009.06305},
year = {2022}
}
备注
26 pages, 6 tables