Schemi di ponderazione alternativa per meta-analisi di effetti casuali: deviazioni standard mancanti

9

Sto lavorando a una meta-analisi di effetti casuali che copre una serie di studi che non riportano deviazioni standard; tutti gli studi riportano la dimensione del campione. Non credo che sia possibile approssimare o imputare i dati mancanti SD. In che modo una meta-analisi che utilizza differenze grezze (non standardizzate) significa che la dimensione dell'effetto dovrebbe essere ponderata quando le deviazioni standard non sono disponibili per tutti gli studi? Ovviamente, posso ancora stimare il tau-quadrato e vorrei incorporare quella misura della varianza tra gli studi in qualsiasi schema di ponderazione che utilizzo per rimanere nel quadro degli effetti casuali.

Di seguito sono incluse alcune informazioni in più:

Perché le differenze medie grezze potrebbero essere ancora utili: i dati sono riportati in una scala intrinsecamente significativa: dollari USA per unità. Quindi, una meta-analisi delle differenze medie sarebbe immediatamente interpretabile.
Perché non riesco ad approssimare o imputare i dati SD: gli studi per i quali mancano i dati di deviazione standard non includono dati sufficienti per approssimare una deviazione standard (cioè la mediana e l'intervallo non sono mai riportati in letteratura). L'imposizione dei dati mancanti sembra sconsigliabile in quanto una grande parte degli studi manca di sd e poiché gli studi differiscono notevolmente in termini di area geografica coperta e protocollo di indagine.
Cosa si fa in genere con le differenze medie grezze nella meta-analisi: i pesi dello studio si basano sull'errore standard della differenza media (in genere calcolato con il termine delle dimensioni del campione e la varianza aggregata). Non ho questo In una meta-analisi ad effetti casuali, i pesi dello studio includono anche un termine per la varianza tra gli studi. Ho questo.

In questo contesto è possibile utilizzare una semplice ponderazione inversa delle dimensioni del campione? Come incorporerei la mia stima del tau-quadrato (o qualche altra misura di dispersione tra studi) nella ponderazione?

— Jennifer
fonte

τ^{2}

$\tau^2$

Se si eseguono pesi in base alla dimensione del campione, si assume che la deviazione standard del risultato sia esattamente la stessa in tutte le prove. Se pensi che possa variare, sarebbe presumibilmente meglio fare qualcosa di più sofisticato. Si noti inoltre che il dollaro USA per unità rappresenta una scala problematica in quanto mi aspetto che la variabilità sia maggiore per valori medi più grandi. Non sei sicuro che le persone nel tuo campo abbiano già qualche modo sensato e ben collaudato di affrontarlo (come la trasformazione dei tronchi o altri approcci sensibili)?

— Björn,

2

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

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

$\sigma$

Un altro pensiero è che l'utilizzo di dollari statunitensi non trasformati o dollari statunitensi per unità potrebbe o meno essere problematico. A volte può essere desiderabile utilizzare, ad esempio, una trasformazione del log per la meta-analisi e successivamente la successiva trasformazione.

— Björn
fonte

1

Sarebbe utile avere maggiori dettagli sul set di dati in generale e in particolare sulle stime meta-analitiche. Inoltre, sarebbe interessante sapere quali sono le medie e le SD degli studi completi che stai includendo.

Detto questo, il mio approccio pragmatico sarebbe, come suggerisci, utilizzare la ponderazione della dimensione del campione (perché inversa?), Ma ricorda che questa sarà al massimo una meta-analisi che genera ipotesi, la cui maggiore forza sarà individuare gli svantaggi di studi primari.

Ecco alcuni riferimenti utili sul potenziale utilizzo della ponderazione dei campioni nella meta-analisi:

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
fonte