×
哈本·迈克尔;苏珊娜·桑顿;谢明戈;田璐

关于荟萃分析随机效应模型的精确推断，很少有研究。 （英语） Zbl 1436.62606号

生物计量学 75，第2期，485-493（2019）.
摘要：我们描述了一种精确、无条件、非随机的程序，用于在正态-正态随机效应荟萃分析中产生总平均值的置信区间。该程序以基于太少初级研究的荟萃分析为目标，例如，考虑到传统的渐近估计。，R.DerSimonian公司和N.莱尔德[“临床试验的荟萃分析”，对照临床试验7，第3期，177-188（1986；doi:10.1016/0197-2456（86）90046-2)]，或基于非参数重采样的程序，例如。，S.刘等【“广义固定效应和随机效应模型的meta分析的精确推断”，Biostat.Epidemiol.2，No.1，1-22（2018；网址：10.1080/24709360.2017.1400714)]. 很少有研究的荟萃分析很常见，最近22453例健康相关荟萃分析的一个样本发现每个荟萃分析平均有3个主要研究[J.戴维等，“meta-分析的特征及其成分研究Cochrane系统评论数据库：横截面描述性分析”，BMC Med.Res.Methodol。11，第160条，第11页（2011年；doi:10.1186/1471-2288-11-160)]. 因此，需要可靠而有效的推理程序来处理这种设置。如果荟萃分析包含1项以上的研究且满足模型假设，则所得CI的覆盖水平保证高于标称水平，直至蒙特卡罗误差。在采用多种技术加速计算后，可以在个人计算机上轻松构建新的CI。模拟表明，拟议CI通常并不过于保守。我们通过几个对比的荟萃分析实例来说明该方法，以研究钙摄入量对骨密度的影响。

引用于2文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62G15年 非参数容差和置信区域

关键词：

骨密度;精确推断;荟萃分析;小样本;置信区间
PDF格式BibTeX公司 XML格式引用
\textit{H.Michael}等人，《生物统计学》75，第2期，485--493（2019年；Zbl 1436.62606）
全文： 内政部 链接

参考文献：

[1] Berkey，C.S.、Hoaglin，D.C.、Mosteller，F.和Colditz，G.A.（1995年）。用于元分析的随机效应回归模型。Stat Med14，395-411。
[2] Bodnar，O.、Link，A.、Arendacká，B.、Possolo，A.和Elster，C.（2017年）。使用非信息先验的随机效应元分析中的贝叶斯估计。Stat Med36，378-399。
[3] Claggett，B.、Xie，M.和Tian，L.（2014）。使用固定、未知、研究特定参数进行Meta分析。美国国家统计协会期刊1091660-1671·Zbl 1368.62107号
[4] 戴维·J、特纳·R·M、克拉克·M·J和希金斯·J·P（2011年）。cochrane系统综述数据库中荟萃分析及其成分研究的特征：横断面描述性分析。BMC医学研究方法11，160。
[5] DerSimonian，R.和Laird，N.（1986年）。临床试验的荟萃分析。对照临床试验7177-188。
[6] Follmann，D.A.和Proschan，M.A.（1999年）。随机效应元分析中的有效推断。生物统计学55，732-737·Zbl 1059.62646号
[7] Hardy，R.J.和Thompson，S.G.（1996年）。随机效应元分析的似然方法。Stat Med15，619-629。
[8] Hartung，J.和Knapp，G.（2001年）。在具有正态分布响应的荟萃分析中测试总体治疗效果。Stat Med201771-1782年。
[9] Higgins，J.、Thompson，S.G.和Spiegelhalter，D.J.（2009）。随机效应元分析的重新评估。J R Stat Soc系列A：Stat Soc172137-159。
[10] Higgins，J.和Whitehead，A.（1996年）。在荟萃分析中借鉴外部试验的优势。Stat Med15，2733-2749。
[11] Hoaglin，D.C.（2016）。元分析中对q和cochran q检验的误解。Stat Med35，485-495。
[12] IntHout，J.、Ioannidis，J.P.和Borm，G.F.（2014）。随机效应元分析的Hartung‐Knapp‐Sidik‐Jonkman方法简单易行，大大优于标准的DerSimonian‐Laird方法。BMC医学研究方法14，25。
[13] Kontopantelis，E.、Reeves，D.等人（2010年）。metan：随机效应元分析。统计J10，395。
[14] Lehmann，E.L.和Romano，J.P.（2006）。测试统计假设。施普林格科技与商业媒体·2018年6月17日
[15] Liu，S.、Lee，S.和Xie，M.（2017）。广义固定效应和随机效应模型的元分析的精确推理。生物统计流行病学，2，1-22。
[16] Noma，H.（2011年）。基于Bartlett型校正的随机效应荟萃分析的置信区间。Stat Med30，3304-3312。
[17] Raghunathan，T.（1993）。多中心临床试验的二进制数据分析。生物技术80127-139·Zbl 0775.62309号
[18] Raudenbush，S.W.（2009）。分析效应大小：随机效应模型。《研究综合与元分析手册》，第二版，295-316。
[19] Röver，C.（2017）。使用bayesmeta R包进行贝叶斯随机效应元分析。ArXiv电子打印。
[20] Sidik，K.和Jonkman，J.N.（2006年）。随机效应元分析的稳健方差估计。计算统计数据分析503681-3701·Zbl 1445.62287号
[21] Smith，T.C.、Spiegelhalter，D.J.和Thomas，A.（1995）。随机效应元分析的贝叶斯方法：一项比较研究。Stat Med14，2685-2699。
[22] Tai，V.、Leung，W.、Grey，A.、Reid，I.R.和Bolland，M.J.（2015）。钙摄入量和骨密度：系统综述和荟萃分析。BMJ351，h4183。
[23] Vangel，M.G.和Rukhin，A.L.（1999年）。实验室间研究中异方差单向随机效应方差分析的最大似然分析。生物统计学55，129-136·Zbl 1059.62563号
[24] Viechtbauer，W.（2005年）。随机效应模型中元分析方差估计的偏差和效率。教育行为杂志Stat30，261-293。
[25] Wang，R.、Tian，L.、Cai，T.和Wei，L.（2010）。元分析中随机效应分布百分位数的非参数推断程序。Ann Appl Stat4，520·Zbl 1189.62177号
[26] Wang，Y.和Tian，L.（2018）。元分析中精确推理的有效数值算法。《统计模拟杂志》88646-656·Zbl 1524.62010年
[27] 谢先生。和Singh，K.（2013）。置信分布，参数的频率分布估计：综述。国际统计版次81，3-39·Zbl 1416.62170号
[28] Zeng，D.和Lin，D.（2015）。随机效应元分析。生物特征102，281-294·Zbl 1452.62862号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。