랜덤 효과 메타 분석을위한 대체 가중치 체계 : 표준 편차 누락

9

나는 표준 편차를보고하지 않는 여러 연구를 다루는 무작위 효과 메타 분석을 연구하고 있습니다. 모든 연구는 표본 크기를보고합니다. SD 누락 데이터를 근사화하거나 대치 할 수 있다고 생각하지 않습니다. 원시 (비 표준화)를 사용하는 메타 분석은 모든 연구에서 표준 편차를 사용할 수없는 경우 효과 크기에 가중치를 적용 할 때 차이를 어떻게 의미해야합니까? 물론, 여전히 타우 제곱을 추정 할 수 있으며 랜덤 효과 프레임 워크에 머무르기 위해 사용하는 가중치 체계에 연구 간 편차 측정을 통합하고 싶습니다.

좀 더 자세한 정보는 다음과 같습니다.

원시 평균 차이가 여전히 유용한 이유 : 데이터는 본질적으로 의미있는 척도로보고됩니다 (단위당 미국 달러). 따라서 평균 차이의 메타 분석은 즉시 해석 가능합니다.
SD 데이터를 근사화하거나 대치 할 수없는 이유 : 표준 편차 데이터가 누락 된 연구에 표준 편차를 근사화하기에 충분한 데이터가 포함되어 있지 않습니다 (즉, 문헌에서 중앙값 및 범위는보고되지 않음). 누락 된 데이터를 대치하는 것은 연구의 대부분이 sd를 누락했기 때문에 바람직하지 않은 것으로 보이며, 연구는 지리적 영역과 조사 프로토콜에 따라 크게 달라지기 때문입니다.
메타 분석에서 원시 평균 차이로 일반적으로 수행되는 작업 : 연구 가중치는 평균 차이의 표준 오차 (일반적으로 표본 크기 항 및 풀링 된 분산으로 계산)를 기반으로합니다. 나는 이것을 가지고 있지 않다. 랜덤 효과 메타 분석에서 연구 가중치에는 연구 간 차이에 대한 용어도 포함됩니다. 내가 이거 가지고있어.

이 맥락에서 간단한 역 샘플 크기 가중치를 사용할 수 있습니까? tau-squared (또는 다른 학문 간 분산 측정)의 추정치를 가중치에 어떻게 통합합니까?

— 제니퍼
소스

연구에서 의 추정치를 무시할 준비가 되었다면 왜 표준 오차의 값을 무시하지 않습니까?

τ^{2}

$\tau^2$

— mdewey

표본 크기를 기준으로 가중치를 수행하는 경우 결과의 표준 편차가 모든 시행에서 정확히 같다고 가정합니다 . 당신이 그것이 다를 수 있다고 생각한다면, 아마도 더 정교한 것을하는 것이 더 나을 것입니다. 또한 단위당 미국 달러는 평균 값이 클수록 변동성이 커질 것이라는 점에서 문제가되는 규모라는 점에 유의하십시오. 해당 분야의 사람들이 이미 잘 처리 한 방법으로 로그 처리 또는 다른 합리적인 접근 방법을 가지고 있는지 확실하지 않습니까?

— Björn

2

(역 분산) 대신 가중치가 평균 차이를 메타 분석하는 경우 (동일 분산) 동일한 크기의 그룹을 비교한다고 가정하면 다음과 같은 가정하에 적절한 평균 효과 추정치를 얻습니다. 가변성은 연구에서 동일합니다. 즉, 표준 오차가 모든 시험에서 동일하다고 가정 되는 표준 편차 에 대해 정확히 인 경우 가중치는 사용하는 가중치에 비례합니다 . 샘플링 변동성에 대한 정보 를 버리기 때문에 더 이상 전체 추정치에 대해 의미있는 전체 표준 오차 또는 신뢰 구간을 얻지 못합니다 . $n$ $1/\text{SE}^2$ $2\hat{\sigma}/\sqrt{n}$ $\sigma$ $\hat{\sigma}$

또한 참고 그룹은 동일한 크기가 아닌 경우 즉 개의 정규 분포의 차이에 대한 표준 오차가 있기 때문에, 정확한 중량 아니다 이 단지이 (+ ) 인 경우 단순화됩니다 . $n$ $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ $2\sigma/\sqrt{n}$ $n_1=n_2=n/2$ $\sigma=\sigma_1=\sigma_2$

물론 가 모든 연구에서 동일 하다는 가정하에 누락 된 표준 오류를 무시할 수 있습니다. 그런 다음보고 된 표준 오류가없는 스터디는 스터디의 평균과 동일한 기본 변동성을 가지므로 쉽게 알 수 있습니다. $\sigma$

또 다른 생각은 변형되지 않은 미국 달러 또는 단위당 미국 달러를 사용하는 것이 문제가 될 수도 있고 아닐 수도 있다는 것입니다. 때로는 로그 변환을 사용하여 메타 분석 한 다음 나중에 역변환하는 것이 바람직 할 수 있습니다.

— 비욘
소스

1

일반적으로 데이터 세트 및 특히 메타 분석 추정값에 대한 자세한 정보를 얻는 것이 유용합니다. 또한 포함하는 전체 연구의 평균과 SD가 무엇인지 아는 것이 흥미로울 것입니다.

말하지만, 실용적 접근 방식은 샘플 크기 가중치를 사용하는 것입니다 (반전 이유는 무엇입니까?). 그러나 이것이 가설을 생성하는 메타 분석이 될 것임을 기억하십시오. 기본 연구.

메타 분석에서 샘플 가중치의 잠재적 사용에 대한 유용한 참고 자료는 다음과 같습니다.

http://faculty.cas.usf.edu/mbrannick/papers/conf/SIOP08Wts.doc

https://www.meta-analysis.com/downloads/Meta%20Analysis%20Fixed%20vs%20Random%20effects.pdf

http://epm.sagepub.com/content/70/1/56.abstract

— Joe_74
소스