Các lược đồ trọng số thay thế cho phân tích meta hiệu ứng ngẫu nhiên: thiếu độ lệch chuẩn

9

Tôi đang nghiên cứu phân tích meta hiệu ứng ngẫu nhiên bao gồm một số nghiên cứu không báo cáo độ lệch chuẩn; tất cả các nghiên cứu làm báo cáo kích thước mẫu. Tôi không tin rằng có thể ước tính hoặc đánh giá dữ liệu thiếu SD. Làm thế nào một phân tích tổng hợp sử dụng sự khác biệt thô (không đạt tiêu chuẩn) có nghĩa là kích thước hiệu ứng được cân nhắc khi độ lệch chuẩn không có sẵn cho tất cả các nghiên cứu? Tất nhiên, tôi vẫn có thể ước tính bình phương và muốn kết hợp phương pháp đo phương sai giữa nghiên cứu trong bất kỳ sơ đồ trọng số nào tôi sử dụng để duy trì trong khung hiệu ứng ngẫu nhiên.

Một ít thông tin được bao gồm dưới đây:

Tại sao sự khác biệt trung bình thô vẫn có thể hữu ích: Dữ liệu được báo cáo theo thang đo có ý nghĩa nội tại: đô la Mỹ trên mỗi đơn vị. Vì vậy, một phân tích tổng hợp về sự khác biệt trung bình sẽ có thể được giải thích ngay lập tức.
Tại sao tôi không thể ước tính hoặc đánh giá dữ liệu SD: Các nghiên cứu thiếu dữ liệu độ lệch chuẩn không bao gồm đủ dữ liệu để xấp xỉ độ lệch chuẩn (nghĩa là trung bình và phạm vi không bao giờ được báo cáo trong tài liệu). Việc cung cấp dữ liệu bị thiếu dường như không thể thực hiện được vì một phần lớn các nghiên cứu bị thiếu sd và bởi vì các nghiên cứu khác nhau rất nhiều về khu vực địa lý và giao thức khảo sát.
Những gì thường được thực hiện với sự khác biệt trung bình thô trong phân tích tổng hợp: Trọng số nghiên cứu dựa trên sai số chuẩn của chênh lệch trung bình (thường được tính với thuật ngữ cỡ mẫu và phương sai gộp). Tôi không có cái này. Trong phân tích tổng hợp hiệu ứng ngẫu nhiên, các trọng số nghiên cứu cũng bao gồm một thuật ngữ cho phương sai giữa các nghiên cứu. Tôi có cái này

Có thể sử dụng trọng số nghịch đảo cỡ mẫu đơn giản trong bối cảnh này không? Làm thế nào tôi có thể kết hợp ước tính của tôi về bình phương tau (hoặc một số biện pháp khác về phân tán giữa các nghiên cứu) vào trọng số?

— Jennifer
nguồn

Nếu bạn đang chuẩn bị để quy cho ước tính của bạn của từ các nghiên cứu bạn có thì tại sao bạn không muốn giá trị quy cho các sai số chuẩn?

τ^{2}

$\tau^2$

— mdewey

Nếu bạn thực hiện các trọng số dựa trên kích thước mẫu, thì bạn cho rằng độ lệch chuẩn của kết quả là hoàn toàn giống nhau trong tất cả các thử nghiệm. Nếu bạn nghĩ rằng nó có thể thay đổi, có lẽ tốt hơn là làm một cái gì đó tinh vi hơn. Cũng lưu ý rằng đô la Mỹ trên mỗi đơn vị là một thang đo có vấn đề ở chỗ tôi sẽ mong đợi sự biến động sẽ lớn hơn đối với các giá trị trung bình lớn hơn. Không chắc chắn liệu những người trong lĩnh vực của bạn đã có một số cách hợp lý để thử nghiệm điều đó (chẳng hạn như chuyển đổi log hoặc một số phương pháp hợp lý khác)?

— Bjorn

2

Nếu bạn phân tích tổng hợp một sự khác biệt trung bình với trọng số thay vì (phương sai nghịch đảo) - giả sử các nhóm có kích thước bằng nhau được so sánh - điều này giúp bạn ước tính hiệu ứng trung bình phù hợp theo giả định rằng sự thay đổi là như nhau trên các nghiên cứu. Tức là các trọng số sẽ tỷ lệ thuận với các trọng số bạn sử dụng, nếu các lỗi tiêu chuẩn hoàn toàn chính xác là cho độ lệch chuẩn được giả định là giống hệt nhau trong các thử nghiệm. Mặc dù vậy, bạn sẽ không còn nhận được lỗi tiêu chuẩn hoặc khoảng tin cậy tổng thể có ý nghĩa đối với ước tính tổng thể của mình, bởi vì bạn đang vứt bỏ thông tin về biến thiên lấy mẫu. $n$ $1/\text{SE}^2$ $2\hat{\sigma}/\sqrt{n}$ $\sigma$ $\hat{\sigma}$

Cũng lưu ý rằng nếu các nhóm không có kích thước bằng nhau không phải là trọng số chính xác, vì lỗi tiêu chuẩn cho sự khác biệt của hai bản phân phối bình thường là và đây chỉ là đơn giản hóa thành , nếu (cộng với ). $n$ $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ $2\sigma/\sqrt{n}$ $n_1=n_2=n/2$ $\sigma=\sigma_1=\sigma_2$

Tất nhiên, bạn có thể đánh giá các lỗi tiêu chuẩn còn thiếu theo giả định rằng là giống nhau trong các nghiên cứu. Sau đó, các nghiên cứu không có lỗi tiêu chuẩn được báo cáo có độ biến thiên cơ bản tương đương với mức trung bình của các nghiên cứu mà bạn biết và điều đó dễ thực hiện. $\sigma$

Một suy nghĩ khác là việc sử dụng đô la Mỹ chưa được chuyển đổi hoặc đô la Mỹ trên mỗi đơn vị có thể hoặc không có vấn đề. Đôi khi nó có thể được sử dụng, ví dụ như chuyển đổi log để phân tích meta và sau đó chuyển đổi ngược lại sau đó.

— Bjorn
nguồn

1

Sẽ rất hữu ích khi có thêm thông tin chi tiết về tập dữ liệu của bạn nói chung và các ước tính phân tích tổng hợp của bạn nói riêng. Ngoài ra, sẽ rất thú vị khi biết mức trung bình và SD của các nghiên cứu hoàn chỉnh mà bạn đang đưa vào là gì.

Như đã nói, cách tiếp cận thực tế của tôi sẽ là, như bạn gợi ý, sử dụng trọng số cỡ mẫu (tại sao lại nghịch đảo?), Nhưng hãy nhớ rằng đây sẽ là một phân tích tổng hợp tạo ra giả thuyết, có sức mạnh lớn nhất sẽ xác định chính xác những nhược điểm của nghiên cứu chính.

Dưới đây là một số tài liệu tham khảo hữu ích về tiềm năng sử dụng trọng số mẫu trong phân tích tổng hợp:

http://facemony.cas.usf.edu/mbrannick/ con / conf / sOP0808tsts

https://www.meta-analysis.com/doads/Meta%20Analysis%20Fixed%20vs%20Random%20effects.pdf

http://epm.sagepub.com/content/70/1/56.abab

— Joe_74
nguồn