Apakah statistik Bayesian membuat meta-analisis usang?

18

Saya hanya ingin tahu apakah statistik Bayesian akan diterapkan secara konsekuen dari studi pertama hingga terakhir jika ini membuat meta-analisis usang.

Sebagai contoh, mari kita asumsikan 20 studi yang telah dilakukan pada titik waktu yang berbeda. Perkiraan atau distribusi studi pertama dilakukan dengan informasi sebelumnya yang tidak informatif . Studi kedua menggunakan distribusi posterior sebagai sebelumnya. Distribusi posterior baru sekarang digunakan sebagai sebelum studi ketiga dan seterusnya.

Pada akhirnya kami memiliki estimasi yang berisi semua estimasi atau data yang telah dilakukan sebelumnya. Apakah masuk akal untuk melakukan meta-analisis?

Menariknya, saya kira bahwa mengubah urutan analisis ini juga akan mengubah distribusi posterior terakhir, dengan hormat, perkiraan.

giordano
sumber

Jawaban:

14

Apa yang Anda gambarkan disebut pembaruan Bayesian . Jika Anda dapat berasumsi bahwa uji coba selanjutnya dapat ditukar, maka tidak masalah jika Anda memperbarui sebelumnya secara berurutan, sekaligus, atau dalam urutan yang berbeda (lihat misalnya di sini atau di sini ). Perhatikan bahwa jika eksperimen sebelumnya memengaruhi eksperimen masa depan Anda, maka juga dalam kasus meta-analisis klasik akan ada ketergantungan yang tidak dipertimbangkan (jika mengasumsikan dapat dipertukarkan).

Sangat masuk akal untuk memperbarui pengetahuan Anda menggunakan pembaruan Bayesian, karena itu hanyalah cara lain untuk melakukannya, kemudian menggunakan meta-analisis klasik. Pertanyaan apakah itu membuat meta-analisis tradisional menjadi usang, atau tidak, didasarkan pada pendapat dan tergantung apakah Anda bersedia untuk mengadopsi sudut pandang Bayesian. Perbedaan paling penting antara kedua pendekatan adalah bahwa dalam kasus Bayesian Anda secara eksplisit menyatakan asumsi Anda sebelumnya.

Tim
sumber
1
Saya menurunkan jawaban ini, bukan karena secara definitif salah, tetapi karena dalam hal pertanyaan yang diajukan OP, sangat mudah untuk sampai pada kesimpulan yang salah. Saya percaya OP bertanya "dengan melakukan pembaruan Bayesian, dapatkah saya mengabaikan masalah mendasar dengan meta-analisis"? Mungkin mudah untuk salah menafsirkan jawaban ini sebagai "ya, selama Anda tidak memiliki masalah dengan analisis Bayesian". Seperti yang saya tunjukkan dalam jawaban saya, bukan itu masalahnya.
Cliff AB
1
@CliffAB Saya tidak berpikir interpretasi Anda atas pertanyaan itu benar. Sementara saya memutakhirkan jawaban Anda karena membawa masalah penting, saya memahami pertanyaan ketika menanyakan apakah pembaruan Bayesian dapat digunakan untuk melakukan meta-analisis. Jawaban saya adalah ya itu bisa dan saya tidak menyatakan di mana pun bahwa ketika melakukannya Anda sedang mendekati masalah dengan mengabaikan aturan dasar meta-analisis.
Tim
Mungkin saya salah membaca maksud OP. Tetapi dalam kutipan berikut "Pada akhirnya kami memiliki perkiraan yang berisi semua perkiraan yang telah dilakukan sebelumnya. Apakah masuk akal untuk melakukan meta-analisis?", Jawabannya harus "Ya!", Bukan "Anda tidak harus jika Anda melakukan pembaruan Bayesian ", yang saya baca sebagai apa yang mereka maksudkan.
Cliff AB
1
@CliffAB jika analisis sekuensial (bukan meta-analisis tetapi sesuatu yang lebih dekat dengan apa yang dijelaskan OP) dilakukan dengan menggunakan pembaruan Bayesian, maka semua informasi - dari sebelumnya dan dari data yang muncul pada uji coba berikutnya - maka memang tidak perlu untuk meta analysis, karena Anda memperbarui pengetahuan Anda secara berurutan dan sudah memiliki perkiraan Anda.
Tim
1
@CliffAB Saya tidak setuju dengan Anda. Tampaknya ketidaksepakatan kami didasarkan pada fakta bahwa Anda tampaknya menganggap pertanyaan ini sebagai pertanyaan tentang melakukan meta-analisis klasik. Di sisi lain, seperti yang sudah saya nyatakan, saya membacanya sebagai masalah yang lebih luas, sehingga jawaban saya tidak jelas dan tidak berfokus pada masalah analitik data tertentu.
Tim
15

Saya yakin banyak orang akan berdebat tentang apa tujuan dari meta-analisis itu, tetapi mungkin pada tingkat meta-meta titik analisis tersebut adalah untuk mempelajari studi daripada memperoleh estimasi parameter yang dikumpulkan. Kami tertarik pada apakah efek konsisten antara satu sama lain, dari arah yang sama, memiliki batas CI yang berbanding terbalik dengan akar ukuran sampel kira-kira, dan sebagainya. Hanya ketika semua penelitian tampaknya menunjukkan efek dan ukuran efek yang sama untuk hubungan atau efek pengobatan, kita cenderung melaporkan, dengan keyakinan tertentu, bahwa apa yang telah diamati mungkin merupakan "kebenaran".

Memang, ada cara-cara yang sering dilakukan untuk melakukan analisis gabungan, seperti hanya mengumpulkan bukti dari berbagai penelitian dengan efek acak untuk menjelaskan heterogenitas. Pendekatan Bayesian adalah modifikasi yang bagus dari ini, karena Anda dapat secara eksplisit tentang bagaimana satu studi dapat menginformasikan yang lain.

Sama juga, ada pendekatan Bayesian untuk "mempelajari studi" sebagai analisis meta khas (sering) yang mungkin dilakukan, tetapi bukan itu yang Anda gambarkan di sini.

AdamO
sumber
2
Berikut ini adalah presentasi yang menarik tentang Bayesian Meta-Analysis oleh Chuan Zhou dari Departemen Biostatistik di Vanderbilt University. Mungkin Frank Harrell akrab dengannya: biostat.mc, vanderbilt.edu / wiki / pub / Main / BayesianDataAnalysisWithOpenBUGSAndBRugs / BUGSintro_0306.pdf.
Michael R. Chernick
Saya setuju bahwa perhatian utama adalah mempelajari penelitian . Sebenarnya, saya juga akan menyatakan ini berlaku untuk studi tunggal ( studi pengamatan ). Kekhawatiran saya adalah jika data (perkiraan, CI, SE) dari studi tunggal sebagian diperbarui Bayesian dapatkah studi ini digunakan untuk meta-analisis?
giordano
@giordano per bit "pelajari pengamatan" Anda, yang tampaknya menjadi tujuan diagnostik. Jika Anda memiliki studi yang inferensi utamanya berasal dari pembaruan Bayesian tetapi studi tersebut masih independen satu sama lain, Anda dapat menggunakan pendekatan meta-analitik yang khas (analog Bayesian yang sering atau perkiraan) mengingat bahwa spesifikasi yang tepat dari prior sekarang menjadi salah satu dari banyak hal-hal yang dapat mengarah pada temuan yang tidak konsisten. Jika mereka tidak independen maka Anda perlu memperhitungkan ketergantungan itu, dengan cara yang dapat menarik Hukum Bayes tetapi tidak menjadi "Bayesian" per se.
AdamO
11

Ketika seseorang ingin melakukan meta-analisis sebagai lawan dari penelitian prospektif penuh, saya melihat metode Bayesian memungkinkan seseorang untuk mendapatkan meta-analisis yang lebih akurat. Sebagai contoh, ahli biostatistik Bayesian David Spiegelhalter menunjukkan tahun yang lalu bahwa metode yang paling umum digunakan untuk meta-analisis, metode DerSimonian dan Laird, terlalu percaya diri. Lihat http://www.citeulike.org/user/harrelfe/article/13264878 untuk detailnya.

Terkait dengan posting sebelumnya ketika jumlah studi terbatas Saya lebih suka menganggap ini sebagai pembaruan Bayesian, yang memungkinkan distribusi posterior dari studi sebelumnya menjadi bentuk apa pun dan tidak memerlukan asumsi pertukaran. Itu hanya membutuhkan asumsi penerapan.

Frank Harrell
sumber
6

Satu klarifikasi penting tentang pertanyaan ini.

Anda tentu dapat melakukan meta-analisis di pengaturan Bayesian. Tetapi hanya dengan menggunakan perspektif Bayesian tidak memungkinkan Anda untuk melupakan semua hal yang harus Anda perhatikan dalam meta-analisis!

Yang paling langsung ke titik adalah bahwa metode yang baik untuk meta-analisis mengakui bahwa efek yang mendasari studi belum tentu seragam untuk dipelajari. Sebagai contoh, jika Anda ingin menggabungkan rata-rata dari dua studi yang berbeda, akan sangat membantu untuk memikirkan rata-rata sebagai

μ1=μ+α1

μ2=μ+α2

α1+α2=0

μ1μ2μα1α2α1α2

α=0

Jadi sebagai kesimpulan, tidak, metode Bayesian tidak membuat bidang meta-analisis menjadi usang. Sebaliknya, metode Bayesian bekerja dengan baik dengan meta-analisis.

Cliff AB
sumber
5

Orang-orang telah mencoba menganalisis apa yang terjadi ketika Anda melakukan meta-analisis secara kumulatif meskipun perhatian utama mereka adalah menentukan apakah perlu mengumpulkan lebih banyak data atau sebaliknya apakah cukup sudah cukup. Misalnya Wetterslev dan rekannya di J Clin Epid di sini . Penulis yang sama memiliki sejumlah publikasi tentang tema ini yang cukup mudah ditemukan. Saya pikir setidaknya beberapa dari mereka adalah akses terbuka.

Nyonya
sumber
1
Terima kasih untuk referensi. Saya tidak tahu tentang kumulatif meta-analisis ( CM ). Saya pikir meta-analisis kumulatif menurut [definisi] ini ( bandolier.org.uk/booth/glossary/cumulative.html ) tidak sama dengan dimasukkannya studi seperti yang saya nyatakan dalam pertanyaan saya. Dalam CM setiap studi adalah studi yang berbeda (sering?) Sedangkan studi yang disebutkan dalam pertanyaan saya sudah berisi studi sebelumnya.
giordano
3
Makalah yang Anda kutip merujuk pada uji klinis berurutan, misalnya beberapa perbandingan pada titik waktu dalam studi tunggal yang sama. Istilah "meta-analisis" di sini tampaknya memiliki makna khusus yang tidak berlaku untuk pertanyaan OP.
AdamO
@ AdamO Saya setuju bahwa penggunaan frasa "analisis sekuensial uji coba" di sini menyesatkan tetapi diarahkan pada meta-analisis dan saya telah meninjau beberapa artikel untuk jurnal yang telah menggunakannya dalam meta-analisis mereka untuk tujuan yang saya sarankan.
mdewey