Bayesci istatistikler meta analizi geçersiz kılıyor mu?

Sadece bir meta-analizi geçersiz kılarsa, Bayesian istatistiklerinin ilk çalışmadan sonuncuya kadar uygulanıp uygulanmayacağını merak ediyorum.

Örneğin, farklı zaman noktalarında yapılmış 20 çalışmayı varsayalım. İlk çalışmanın tahmini veya dağılımı, daha önce bilgilendirici olmayan bir şekilde yapılmıştır . İkinci çalışma, posterior dağılımı önceki gibi kullanır. Yeni posterior dağılım şimdi üçüncü çalışma için önceden olduğu gibi kullanılmaktadır.

Sonunda, daha önce yapılmış olan tüm tahminleri veya verileri içeren bir tahminimiz var. Meta analiz yapmak mantıklı mı?

İlginç bir şekilde, bu analizin sırasını değiştirmenin, son posterior dağılımı, sırasıyla tahminini de değiştireceğini düşünüyorum.

Açıkladığınız şey Bayesian güncellemesi . Sonraki denemelerin değiştirilebilir olduğunu varsayabilirseniz, önceki sırayla, tümünü bir kerede veya farklı bir sırayla güncellemeniz önemli değildir (bkz. Örneğin burada veya burada ). Önceki deneyler gelecekteki deneylerinizi etkiliyorsa, klasik meta analiz durumunda da dikkate alınmayacak bir bağımlılık olacağına dikkat edin (değiştirilebilirlik varsa).

Bilginizi Bayesian güncellemesini kullanarak güncellemek mükemmel bir mantıklıdır, çünkü bunu yapmanın başka bir yolu, daha sonra klasik meta-analiz kullanmaktır. Geleneksel meta-analizi modası geçip geçmeyeceği sorusu fikir tabanlıdır ve Bayesci bakış açısını benimsemek isteyip istemediğinize bağlıdır. Her iki yaklaşım arasındaki en önemli fark Bayesci durumda önceki varsayımlarınızı açıkça belirtmenizdir.

Eminim birçok insan bir meta-analizin amacının ne olduğunu tartışacaktır, ancak belki de meta-meta düzeyde bu analizin amacı, birleştirilmiş bir parametre tahmini elde etmek yerine çalışmaları incelemektir . Etkilerin birbirleriyle tutarlı, aynı yönde olup olmadığı, yaklaşık olarak örnek boyutunun kökü ile ters orantılı olan CI sınırlarına sahip olup olmadığıyla ilgileniyoruz. Ancak tüm çalışmalar, bir ilişki veya tedavi etkisi için aynı etki büyüklüğüne ve büyüklüğüne işaret ettiğinde, gözlemlenen şeyin bir “gerçek” olabileceğini bir miktar güvenle bildirme eğilimindeyiz.

Gerçekten de, heterojenliği hesaba katmak için rastgele etkilerle çoklu çalışmalardan elde edilen kanıtları bir araya getirmek gibi birleştirilmiş bir analiz yürütmenin sık kullanılan yolları vardır. Bayesci bir yaklaşım, bunun hoş bir modifikasyonudur, çünkü bir çalışmanın diğerini nasıl bilgilendirebileceği konusunda açık olabilirsiniz.

Aynı şekilde, tipik bir (sık) meta analizinin yapabileceği gibi "çalışmaları incelemek" için Bayesci yaklaşımlar da vardır, ancak burada tarif ettiğiniz şey bu değildir.

Tamamen prospektif araştırmanın aksine meta-analiz yapmak istediğinde, Bayesian yöntemlerini daha doğru meta-analiz elde etmesine izin vermek olarak görüyorum. Örneğin, Bayesci biyoistatist David Spiegelhalter yıllar önce meta-analiz için en sık kullanılan yöntem olan DerSimonian ve Laird yönteminin aşırı güvendiğini gösterdi. Ayrıntılar için http://www.citeulike.org/user/harrelfe/article/13264878 adresine bakın.

Önceki yazılarla ilgili olarak, çalışma sayısı sınırlı olduğunda, bunu önceki çalışmalardan posterior dağılımın herhangi bir şekil olmasını sağlayan ve değiştirilebilirlik varsayımı gerektirmeyen Bayesian güncelleme olarak düşünmeyi tercih ediyorum. Sadece uygulanabilirlik varsayımı gerektirir.

Bu soru hakkında önemli bir açıklama.

Bayes ortamlarında kesinlikle bir meta-analiz yapabilirsiniz. Ama sadece Bayes perspektif kullanarak yok değil sen meta-analizde endişe edilmesi gereken tüm şeyleri unutmak için izin!

En doğrudan nokta, meta-analizler için iyi yöntemlerin, altta yatan etkilerin incelenmesi için tek tip bir çalışma olmadığı anlamına gelmesidir. Örneğin, iki farklı çalışmadaki ortalamayı birleştirmek istiyorsanız, araçlar hakkında düşünmek yardımcı olur.

$\mu_1 = \mu + \alpha_1$

$\mu_2 = \mu + \alpha_2$

$\alpha_1 + \alpha_2 = 0$

$\mu_1$$\mu_2$$\mu$$\alpha_1$$\alpha_2$$\alpha_1$$\alpha_2$

$\alpha = 0$

Sonuç olarak, hayır, Bayesci yöntemler meta-analiz alanını geçersiz kılmaz. Aksine, Bayesci yöntemler meta-analizlerle el ele çalışır.

Ana endişeleri daha fazla veri toplamaya değer olup olmadığını veya yeterli olup olmadığını yeterince yeterli olup olmadığını tespit etmek olsa da, insanlar meta-analizi kümülatif olarak gerçekleştirdiğinizde ne olduğunu analiz etmeye çalışmışlardır. Örneğin burada J Clinic Epid'deki Wetterslev ve meslektaşları . Aynı yazarların bu tema üzerinde bulunması oldukça kolay olan bir dizi yayını vardır. En azından bazılarının açık erişim olduğunu düşünüyorum.