이 질문과 특히 "문제 3"에서 영감을 얻었습니다.
분포에 대한 빈번하고 매개 변수적인 설명이 제공되지 않는 한 사후 분포는 메타 분석에 통합하기가 다소 어렵습니다.
나는 메타 분석을 베이 즈 모델에 통합하는 것에 대해 최근에 많은 생각을 해왔다. 베이지안 분석이 실제로 대중화되고 기존 코드에 통합하기가 매우 쉬워지면 (SAS 9.2 이상의 BAYES 문이 떠오를 경우), 문헌에서 베이지안 추정 효과를 더 자주 받아야합니다.
베이지안 분석을 실행하기로 결정한 응용 연구원이 있다고 가정 해 봅시다. 이 질문에 사용한 것과 동일한 시뮬레이션 코드를 사용 하여 잦은 프레임 워크를 사용하면 다음과 같은 잦은 예상치가 산출됩니다.
log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633
표준, 모든 기본 및 정보가없는 사전 BAYES 문 분석을 사용하면 대칭 대칭 구간이 훌륭하거나 표준 오류가 발생할 이유가 없습니다. 이 경우 사후는 정규 분포로 쉽게 설명 할 수 있으므로이를 간단히 설명하고 "충분히 근접"할 수 있지만 누군가 베이지안 효과 추정치와 비대칭 신뢰성있는 간격을보고하면 어떻게됩니까? 표준 메타 분석에이를 포함시킬 수있는 간단한 방법이 있습니까, 아니면 추정치를 가능한 한 가까운 파라 메트릭 방식으로 분포시켜야합니까? 또는 다른 것?
3
약하지 않은 사전 정보를 통합하는 경우 메타 분석에서 동일한 사전 정보를 사용하는 여러 연구에서 해당 정보를 두 번 계산하지 않도록해야한다는 추가 문제도 있습니다.
—
존 살바 티어
어쩌면 첫 번째 연구부터 시작하여 반복 할 수도 있습니다. 각 연구의 후부는 이전 다음이 될 것입니다. 간격이 왜곡되면 게시 가능성에 대해 이야기하고 있습니까? 시간이 지남에 따라 변화하는 분포의 결과 "곡선"은 현장 개발에 대한 정보도 제공합니다. 그래도 출판 편견을 보는 좋은 방법이 있습니까? 아마도 너무 많은 연속적인 "긍정적 인"결과가 감지되는 일종의 제어 차트 일 것입니다.
—
Rosser