Rastgele etkiler için alternatif ağırlıklandırma şemaları meta-analiz: eksik standart sapmalar

Standart sapmaları rapor etmeyen bir dizi çalışmayı kapsayan rastgele etkiler meta analizi üzerinde çalışıyorum; tüm çalışmalar örneklem büyüklüğünü bildirmektedir. SD eksik verilere yaklaşık veya dolaylı neden olabileceğine inanmıyorum. Tüm çalışmalarda standart sapmalar mevcut olmadığında, etki büyüklüğü olarak ham (standartlaştırılmamış) ortalama farklılıkları kullanan bir meta analiz nasıl ağırlıklandırılmalıdır? Tabii ki hala tau-kare tahmin edebilirim ve rastgele etkiler çerçevesinde kalmak için kullandığım ağırlıklandırma şemasına çalışma-arası varyans ölçüsünü dahil etmek istiyorum.

Aşağıda biraz daha fazla bilgi bulunmaktadır:

1. Ham ortalama farklılıkları neden hala yararlı olabilir: Veriler özünde anlamlı bir ölçekte rapor edilir: birim başına ABD doları. Dolayısıyla, ortalama farklılıkların bir meta-analizi derhal yorumlanabilir.

2. SD verilere neden yaklaşamıyorum ya da onu ima edemiyorum: Standart sapma verilerinin eksik olduğu çalışmalar, standart sapmaya yaklaşmak için yeterli veri içermez (yani medyan ve aralık literatürde asla rapor edilmez). Eksik verilerin gizlenmesi, çalışmaların büyük bir kısmının sd eksikliğinden kaçınılmaz görünmektedir ve çünkü çalışmalar, kapsanan coğrafi bölge ve anket protokolü açısından büyük farklılıklar göstermektedir.

3. Tipik olarak meta-analizde ham ortalama farklılıklarıyla yapılanlar: Çalışma ağırlıkları, ortalama farkın standart hatasını temel alır (tipik olarak örnek-boyut terimi ve havuzlanmış varyans ile hesaplanır). Bende yok. Rastgele etkili bir meta-analizde, çalışma ağırlıkları ayrıca çalışma-arası varyans için bir terim içerir. Bu bende var.

Bu bağlamda basit ters örneklemli ağırlıklandırma kullanılabilir mi? Tau-kare (veya çalışmalar arası dağılımın başka bir ölçüsü) tahminimi ağırlıklandırmaya nasıl dahil edebilirim?

Ağırlıkları ile ortalama farklılıkları meta-analiz ederseniz $n$ yerine $1/\text{SE}^2$(ters varyans) - eşit büyüklükteki grupların karşılaştırıldığı varsayılarak - bu, çalışmalarda değişkenliğin aynı olduğu varsayımı altında size uygun bir ortalama etki tahmini sağlar. Yani standart hatalar tam olarak olsaydı, ağırlıklar kullandıklarınızla orantılı olurdu.$2\hat{\sigma}/\sqrt{n}$ standart sapma için $\sigma$denemeler boyunca aynı olduğu varsayılmaktadır. Yine de, genel tahmininiz için anlamlı bir genel standart hata veya güven aralığı alamayacaksınız, çünkü bilgileri atıyorsunuz$\hat{\sigma}$ örnekleme değişkenliği üzerine.

Ayrıca, gruplar eşit büyüklükte değilse $n$ doğru ağırlık değildir, çünkü iki normal dağılımın farkı için standart hata $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ ve bu sadece $2\sigma/\sqrt{n}$, Eğer $n_1=n_2=n/2$ (artı $\sigma=\sigma_1=\sigma_2$).

Tabii ki eksik standart hataları, $\sigma$çalışmalarda aynıdır. Daha sonra standart bir hata bildirilmeyen çalışmalar, bildiğiniz ve yapılması kolay olan çalışmaların ortalaması ile aynı temel değişkenliğe sahiptir.

Başka bir düşünce, dönüştürülmemiş ABD doları veya birim başına ABD doları kullanmanın sorunlu olabileceği veya olmayabileceğidir. Bazen meta-analiz için ve daha sonra geri-dönüşümü için bir log-dönüşümü kullanmak istenebilir.

Genel olarak veri kümeniz ve özellikle meta-analitik tahminleriniz hakkında daha fazla ayrıntıya sahip olmanız faydalı olacaktır. Ayrıca, dahil ettiğiniz tüm çalışmaların ortalamalarının ve SD'lerinin ne olduğunu bilmek ilginç olacaktır.

Bunu söyledikten sonra, pragmatik yaklaşımım, ipucu olarak, örnek boyutu ağırlığını kullanmak (neden ters?) Olacaktır, ancak bunun en iyi gücü, birincil çalışmalar.

Meta-analizde örnek ağırlığının potansiyel kullanımı hakkında bazı yararlı referanslar:

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