Skema pembobotan alternatif untuk meta analisis efek acak: tidak ada standar deviasi

9

Saya sedang mengerjakan meta-analisis efek acak yang mencakup sejumlah studi yang tidak melaporkan penyimpangan standar; semua penelitian melaporkan ukuran sampel. Saya tidak percaya mungkin untuk memperkirakan atau menyalahkan data SD yang hilang. Bagaimana seharusnya meta-analisis yang menggunakan perbedaan rata-rata mentah (tidak standar) sebagai ukuran efek ditimbang ketika standar deviasi tidak tersedia untuk semua studi? Saya bisa, tentu saja masih memperkirakan tau-kuadrat dan ingin memasukkan ukuran perbedaan antar-studi dalam skema bobot apa pun yang saya gunakan untuk tetap berada dalam kerangka kerja efek-acak.

Informasi lebih lanjut disertakan di bawah:

Mengapa perbedaan rata-rata mentah mungkin masih berguna: Data dilaporkan dalam skala yang secara intrinsik bermakna: dolar AS per unit. Jadi, meta-analisis perbedaan rata-rata akan segera ditafsirkan.
Mengapa saya tidak bisa memperkirakan atau menyalahkan data SD: Studi yang data deviasinya standar tidak ada tidak menyertakan cukup data untuk memperkirakan deviasi standar (yaitu median dan rentang tidak pernah dilaporkan dalam literatur). Mempertanyakan data yang hilang tampaknya tidak disarankan karena sebagian besar studi hilang sd, dan karena studi sangat berbeda dalam hal wilayah geografis yang dicakup dan protokol survei.
Apa yang biasanya dilakukan dengan perbedaan rata-rata mentah dalam meta-analisis: Bobot studi didasarkan pada kesalahan standar dari perbedaan rata-rata (biasanya dihitung dengan istilah ukuran sampel dan varian gabungan). Saya tidak punya ini. Dalam meta-analisis efek-acak, bobot penelitian juga termasuk istilah untuk varian antar-studi. Aku punya ini.

Dapatkah pembobotan ukuran sampel terbalik sederhana digunakan dalam konteks ini? Bagaimana saya memasukkan perkiraan tau-kuadrat (atau ukuran lain dari dispersi antar studi) ke dalam pembobotan?

stata missing-data meta-analysis meta-regression Jennifer
sumber

τ^{2}

$\tau^2$

Jika Anda melakukan pembobotan berdasarkan ukuran sampel, maka Anda menganggap bahwa standar deviasi dari hasil sama persis dalam semua percobaan. Jika Anda berpikir itu mungkin berbeda, mungkin akan lebih baik untuk melakukan sesuatu yang lebih canggih. Perhatikan juga bahwa dolar AS per unit adalah skala yang bermasalah karena saya berharap variabilitasnya menjadi lebih besar untuk nilai rata-rata yang lebih besar. Tidak yakin apakah orang-orang di bidang Anda sudah memiliki cara yang masuk akal yang telah teruji untuk menangani hal itu (seperti transformasi log atau pendekatan masuk akal lainnya)?

Björn

2

$n$ $1/\text{SE}^2$ $2\hat{\sigma}/\sqrt{n}$ $\sigma$ $\hat{\sigma}$

$n$ $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ $2\sigma/\sqrt{n}$ $n_1=n_2=n/2$ $\sigma=\sigma_1=\sigma_2$

$\sigma$

Pemikiran lain adalah bahwa menggunakan dolar AS yang tidak diubah atau dolar AS per unit mungkin atau mungkin tidak bermasalah. Kadang-kadang dapat diinginkan untuk menggunakan misalnya transformasi log untuk meta-analisis dan kemudian untuk kembali transformasi sesudahnya.

Björn
sumber

1

Akan bermanfaat untuk memiliki lebih banyak detail pada dataset Anda secara umum, dan estimasi meta-analitik Anda pada khususnya. Selain itu, akan menarik untuk mengetahui apa saja rata-rata dan SD dari studi lengkap yang Anda sertakan.

Karena itu, pendekatan pragmatis saya akan, seperti yang Anda sarankan, untuk menggunakan pembobotan ukuran sampel (mengapa terbalik?), Tetapi ingat ini akan menjadi meta-analisis penghasil hipotesis terbaik, yang kekuatan terbesarnya akan menunjukkan dengan tepat pada kelemahan dari studi utama.

Berikut adalah beberapa referensi bermanfaat tentang potensi penggunaan bobot sampel dalam meta-analisis:

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
sumber

Skema pembobotan alternatif untuk meta analisis efek acak: tidak ada standar deviasi

Jawaban: