对数正态数据的对数响应比 meta 分析中研究间方差与总体效应估计的模拟研究

随机效应 meta 分析方法需要研究间方差 $\tau^2$ 的估计值。$\tau^2$ 估计量的性能（通过偏差和覆盖率衡量）影响了它们在评估研究级效应异质性中的实用性，同时也影响了相关总体效应估计量的性能。对于效应量度对数响应比（LRR，也称为均值比的对数，RoM），我们回顾了 $\tau^2$ 的四个点估计量（DerSimonian-Laird (DL)、限制最大似然和 Mandel 与 Paule (MP) 等流行方法，以及不太熟悉的 Jackson 方法），$\tau^2$ 的四个区间估计量（轮廓似然、Q 轮廓、Biggerstaff 与 Jackson 以及 Jackson），总体效应的五个点估计量（与 $\tau^2$ 点估计量相关的四个估计量，以及一个仅使用研究级样本量作为权重的估计量），以及总体效应的七个区间估计量（基于 $\tau^2$ 点估计量的四个、Hartung-Knapp-Sidik-Jonkman (HKSJ) 区间、使用 $\tau^2$ 的 MP 估计量代替 DL 估计量的 HKSJ 修正版，以及一个基于样本量加权估计量的区间）。我们通过从对数正态分布数据的大量模拟中获得了实证证据。