用于评估均值差荟萃分析异质性的常权Q统计量的模拟研究

随机效应荟萃分析中的多种问题源于使用估计逆方差（IV）权重的传统$Q$统计量。在先前关于标准化均值差和对数优势比的工作中，我们发现使用仅含组水平样本量的权重的整体效应估计量具有更优性能。具有那些权重的$Q$统计量具有DerSimonian和Kacker所提出的形式。该$Q$与具有IV权重的$Q$的分布通常必须被近似。我们研究了这些分布的近似方法，作为检验和估计研究间方差（$\tau^2$）的基础。某些近似需要$Q$的方差和三阶矩，我们推导了它们。我们描述了以均值差作为效应量的模拟研究的设计与结果，该研究为评估近似的准确性、检验的水平和功效以及$\tau^2$估计的偏差提供了框架。使用基于样本量的权重的$Q$及其精确分布（可用于均值差并由Farebrother算法求值）即使在非常小且不平衡的样本量下也提供精确的水平。相应的$\tau^2$估计量在10个或更多小型研究中几乎无偏。在这些情况下，该性能优于异质性标准检验的极度宽松行为以及基于逆方差权重的估计量的较大偏差。