使用一致性权重的多组观察性研究中多变量结果的无混杂荟萃分析框架
统计方法学
2023-07-03 v2
摘要
在对回顾性癌症患者队列进行荟萃分析时，研究不同癌症亚型间靶癌基因表达的差异备受关注，因为结果可能揭示新的肿瘤发生机制并改进筛查和治疗策略。加权方法有助于在多项观察性研究中进行多组潜在结果的无混杂比较。例如，Guha 等人（2022）引入了一致性权重，通过最大化有效样本量来实现生存结果的整合分析。然而，目前尚不清楚如何使用这种或其他加权方法来分析各种连续、分类、有序或多变量结果，特别是当研究兴趣优先考虑事后分析提出的不常见或计划外估计量时；例如，组潜在结果的百分位数和矩，以及多变量结果的成对相关性。本文提出了一种统一的荟萃分析方法，可适应各种类型的终点，并促进了与大多数加权框架兼容的新估计量。在温和的假设下研究了估计量的渐近性质。对于样本量不足的组，我们设计了量化估计不确定性的小样本程序。我们对多站点 TCGA 乳腺癌数据进行了荟萃分析，揭示了浸润性导管癌和浸润性小叶癌这两种亚型中八个靶基因的 mRNA 差异表达模式。
引用
@article{arxiv.2212.09128,
title = {Unconfounded Meta-analytical Frameworks for Multivariate Outcomes in Multigroup Observational Studies using Concordant Weights},
author = {Subharup Guha and David C. Christiani and S. V. Subramanian and Yi Li},
journal= {arXiv preprint arXiv:2212.09128},
year = {2023}
}
备注
Another manuscript (arXiv ID 2306.16715) presents a substantially revised and different version of this work