Мета-регрессия
 | Эта статья включает список общих ссылок , но в ней отсутствуют достаточные соответствующие встроенные цитаты . ( Июль 2012 г. ) |
Мета-регрессия определяется как метаанализ , который использует регрессионный анализ для объединения, сравнения и синтеза результатов исследований из нескольких исследований с поправкой на влияние доступных ковариат на переменную ответа. Мета-регрессионный анализ направлен на примирение противоречивых исследований или подтверждение последовательных; Таким образом, метарегрессионный анализ характеризуется сопоставленными исследованиями и соответствующими наборами данных — независимо от того, является ли переменная ответа данными уровня исследования (или, что эквивалентно, совокупными ) или данными отдельных участников (или данными отдельных пациентов в медицине). Набор данных является агрегированным , если он состоит из сводных статистических данных, таких как среднее значение выборки , размер эффекта или отношение шансов . С другой стороны, данные отдельных участников в некотором смысле являются необработанными , поскольку все наблюдения сообщаются без сокращений и, следовательно, без потери информации. Совокупные данные легко собираются с помощью поисковых систем в Интернете и, следовательно, не являются дорогостоящими. Однако данные отдельных участников обычно конфиденциальны и доступны только внутри группы или организации, проводившей исследования.
Хотя метаанализ данных наблюдений также находится в стадии обширных исследований, [1] [2] литература по-прежнему в основном сосредоточена на объединении рандомизированных контролируемых исследований (РКИ) . В РКИ исследование обычно включает исследование, состоящее из групп препаратов . Группа терапию относится к группе участников, которые получали одинаковую , вмешательство или лечение . Метаанализ, в котором некоторые или все исследования проводятся более чем в двух группах, называется сетевым метаанализом , непрямым метаанализом или сравнением множественных методов лечения . также является обобщающим термином, Несмотря на то, что метаанализ иногда подразумевается, что все включенные исследования имеют строго два направления в каждом — одни и те же два метода лечения во всех исследованиях — чтобы отличить его от сетевого метаанализа. Мета-регрессию можно классифицировать таким же образом — мета-регрессию и сетевую мета-регрессию — в зависимости от количества различных обработок в регрессионном анализе.
Метаанализ (и метарегрессия) часто ставится на вершину иерархии доказательств при условии, что анализ состоит из данных отдельных участников рандомизированных контролируемых клинических исследований. [3] Мета-регрессия играет решающую роль в учете ковариатных эффектов, особенно при наличии категориальных переменных, которые можно использовать для анализа подгрупп.
Мета-регрессионные модели
[ редактировать ]Мета-регрессия охватывает большой класс моделей, которые могут различаться в зависимости от характеристики имеющихся в распоряжении данных. Как правило, не существует универсального описания моделей метарегрессии. Данные отдельных участников, в частности, позволяют гибко моделировать, отражая различные типы переменных ответа: непрерывную, подсчетную, пропорциональную и корреляционную. Однако совокупные данные обычно моделируются как нормальная линейная регрессия y tk = x tk ′ β + ε tk с использованием центральной предельной теоремы и преобразования переменных, где нижний индекс k указывает на k -е исследование или испытание, t обозначает t -е лечение, y tk указывает конечную точку ответа для -й руки k -го исследования t , x tk — вектор ковариат уровня руки, ε tk — это термин ошибки, который независимо и одинаково распределяется как нормальное распределение. Например, доля выборки может p̂tk быть преобразована логитом или арксинусом перед моделированием метарегрессии, т. е. y tk = logit( p̂ tk ) или y tk = arcsin( p̂ tk ). Аналогично Фишеру z -преобразование может использоваться для выборочных корреляций, т.е. y tk = arctanh( r tk ). Наиболее распространенной сводной статистикой, сообщаемой в исследовании, является выборочное среднее и выборочное стандартное отклонение, и в этом случае никаких преобразований не требуется. Также возможно вывести модель совокупных данных из базовой модели данных об отдельных участниках. Например, если yitk i — это двоичный ответ, либо ноль, либо единица, где дополнительный индекс на i - выборки p̂tk го участника, доля как выборочное среднее yitk указывает для i = 1, 2, ..., n tk может не требовать каких-либо преобразований, если теорема Муавра – Лапласа предполагается, что действует отсутствует, . Обратите внимание: если мета-регрессия проводится на уровне исследования, а не на уровне группы, индекс t указывающий лечение, назначенное для соответствующей группы.
Одно из наиболее важных различий в моделях метаанализа заключается в том, следует ли предполагать гетерогенность между исследованиями. Если исследователь предполагает, что исследования не являются гетерогенными , это означает, что исследования различаются только из-за ошибки выборки, без существенной разницы между исследованиями, и в этом случае никакой другой источник вариаций не будет учитываться в модели. С другой стороны, если исследования неоднородны, необходимо учитывать дополнительный источник(и) вариаций, помимо ошибки выборки, представленной ε tk . В конечном итоге это приводит к выбору между мета-регрессией с фиксированным эффектом и мета-регрессией со случайным эффектом (строго говоря, со смешанным эффектом).
Мета-регрессия с фиксированным эффектом
[ редактировать ]Мета-регрессия с фиксированным эффектом отражает убеждение в том, что в участвующих исследованиях отсутствуют существенные различия. Мета-регрессия с фиксированным эффектом на уровне руки записывается как y tk = x tk ′ β + ɛ tk . Если доступны только сводные статистические данные на уровне исследования, индекс t для назначения лечения можно опустить, получив y k = x k ′ β + ɛ k . Член ошибки включает в себя член дисперсии σ tk 2 (или σ k 2 ), которое невозможно оценить, если только выборочная дисперсия s tk 2 (или s k 2 ) сообщается, а также y tk (или y k ). Чаще всего предполагается, что дисперсия модели одинакова для всех групп и исследований, и в этом случае все индексы опускаются, т. е. σ 2 . Если вариация между исследованиями незначительна, оценки параметров будут смещены, и соответствующий статистический вывод не может быть обобщен.
Мета-регрессия со смешанным эффектом
[ редактировать ]Термины «мета-регрессия со случайным эффектом» и «мета-регрессия со смешанным эффектом» эквивалентны. Хотя название модели случайного эффекта сигнализирует об отсутствии фиксированных эффектов, что технически лишило бы ее права называться регрессионной моделью, можно утверждать, что модификатор случайный эффект только добавляет, а не отнимает то, что должна включать любая регрессионная модель. : фиксированные эффекты. Google Trends указывает, что по состоянию на 24 июля 2021 года оба термина пользуются одинаковым уровнем признания в публикациях. [4]
Мета-регрессия со смешанным эффектом включает в себя термин случайного эффекта в дополнение к фиксированным эффектам, что позволяет предположить, что исследования неоднородны. Случайные эффекты, обозначаемые w tk ′ γ k , отражают изменчивость между испытаниями. Тогда полная модель принимает вид y tk = x tk ′ β + w tk ′ γ k + ε tk . Случайные эффекты в мета-регрессии предназначены для отражения зашумленных эффектов лечения (если не предполагается и не моделируется иное), что означает, что длина соответствующего вектора коэффициентов γ k должна быть такой же, как количество процедур, включенных в исследование. Это означает, что лечение само по себе считается источником изменений в переменной результата — например, группа, получающая плацебо, не будет иметь такой же уровень вариабельности уровня холестерина, как другая, которая получает препарат, снижающий уровень холестерина. Ограничивая наше внимание узким определением метаанализа, включающим два метода лечения, γ k является двумерным, т. е. γ k = ( γ 1k , γ 2k ) ′ , для которого модель преобразуется как y tk = x tk ′ β + γ тк + ε тк . Преимущество записи модели в матрично-векторной записи состоит в том, что корреляция между обработками Corr( γ 1k , γ 2k ), можно исследовать. Тогда вектор случайных коэффициентов γk обозначаемого является зашумленной реализацией реального эффекта лечения, γ . Обычно предполагается, что распределение γ k относится к семейству масштабов местоположения , в первую очередь, к многомерному нормальному распределению , т. е. γ k ~ N ( γ , Ω).
Какую модель выбрать
[ редактировать ]Мета-регрессия использовалась как метод получения улучшенных оценок параметров, которые могут быть непосредственно полезны политикам. Мета-регрессия обеспечивает основу для репликации и предлагает анализ чувствительности для спецификации модели. [5] Существует ряд стратегий идентификации и кодирования эмпирических данных наблюдений. Модели метарегрессии могут быть расширены для моделирования зависимости внутри исследования, избыточной гетерогенности и выбора публикаций. [5] Модель регрессии с фиксированным эффектом не допускает вариаций внутри исследования. Модель смешанных эффектов допускает вариации внутри исследования и между исследованиями и поэтому считается наиболее гибкой моделью для выбора во многих приложениях. Хотя предположение о гетерогенности можно проверить статистически , и это широко распространенная практика во многих областях, если за этим тестом следует еще один набор регрессионного анализа, соответствующий статистический вывод подлежит так называемому выборочному выводу . [6] Эти тесты на гетерогенность также не делают вывод об отсутствии гетерогенности, даже если они оказываются незначительными, и некоторые исследователи советуют в любом случае выбирать мета-регрессию со смешанным эффектом. [7]
Приложения
[ редактировать ]Мета-регрессия — это статистически строгий подход к систематическим обзорам . Недавние приложения включают количественные обзоры эмпирической литературы по экономике, бизнесу, энергетической и водной политике. [8] Мета-регрессионный анализ использовался в исследованиях эластичности цен и доходов на различные товары и налоги. [8] влияние производительности на транснациональные компании, [9] и расчеты стоимости статистической жизни (VSL). [10] Другие недавние метарегрессионные анализы были сосредоточены на уточнении эластичности, полученной на основе функций спроса. Примеры включают эластичность собственных цен на алкоголь, табак, воду и энергию. [8]
В области энергосбережения мета-регрессионный анализ использовался для оценки поведенческих информационных стратегий в жилищном секторе электроснабжения. [11] В анализе водной политики мета-регрессия использовалась для оценки оценки экономии затрат в результате приватизации местных государственных услуг по распределению воды и сбору твердых отходов. [12] Мета-регрессия становится все более популярным инструментом для оценки имеющихся данных в исследованиях анализа затрат и выгод политики или программы, распределенных по нескольким исследованиям.
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Строуп, Донна Ф.; Берлин, Джесси; Мортон, Салли; Олкин, Ингрэм; Уильямсон, Дэвид; Ренни, Драммонд; Мохер, Дэвид; Беккер, Бетси; Сайп, Тереза; Такер, Стивен (19 апреля 2000 г.). «Метаанализ наблюдательных исследований в эпидемиологии. Предложение для отчетности». ДЖАМА . 283 (15): 2008. doi : 10.1001/jama.283.15.2008 .
- ^ Мюллер, Моника; Д'Аддарио, Маддалена; Эггер, Матиас; Севальос, Мириам; Деккерс, Олаф; Магглин, Катрина; Скотт, Пиппа (декабрь 2018 г.). «Методы систематического обзора и метаанализа наблюдательных исследований: систематический обзор рекомендаций» . Методология медицинских исследований BMC . 18 (1): 44. дои : 10.1186/s12874-018-0495-9 . ПМЦ 5963098 . ПМИД 29783954 .
- ^ Исследования, Центр оценки лекарств и (27 апреля 2020 г.). «Метаанализ рандомизированных контролируемых клинических исследований для оценки безопасности лекарственных средств или биологических продуктов для человека» . Управление по контролю за продуктами и лекарствами США .
- ^ «Гугл Тренды» . Гугл Тренды .
- ^ Jump up to: а б Т. Д. Стэнли и Стивен Б. Джаррелл (1989). Мета-регрессионный анализ: количественный метод исследования литературы. Журнал экономических обзоров , 19 (3) 299-308.
- ^ Бенджамини, Йоав (16 декабря 2020 г.). «Выборочный вывод: тихий убийца воспроизводимости» . Гарвардский обзор науки о данных . 2 (4). дои : 10.1162/99608f92.fc62b261 .
- ^ Томпсон, Саймон Г.; Хиггинс, Джулиан П.Т. (15 июня 2002 г.). «Как следует проводить и интерпретировать мета-регрессионный анализ?». Статистика в медицине . 21 (11): 1559–1573. дои : 10.1002/сим.1187 .
- ^ Jump up to: а б с ТД Стэнли и Христос Дукульягос (2009). Мета-регрессионный анализ в экономике и бизнесе , Нью-Йорк: Routledge.
- ^ Х. Горг и Эрик Штробл (2001). Транснациональные компании и побочные эффекты производительности: метаанализ. Экономический журнал , 111 (475) 723-739.
- ^ Ф. Беллаванс, Жорж Дионн и Мартин Лебо (2009). Ценность статистической жизни: метаанализ с использованием регрессионной модели со смешанными эффектами, Journal of Health Economics , 28(2) 444-464.
- ^ М. А. Дельмас, Мириам Фишляйн и Омар И. Асенсио (2013). Информационные стратегии и поведение по сохранению энергии: метаанализ экспериментальных исследований 1975-2012 гг. Энергетическая политика , 61, 729-739.
- ^ Г. Бел, Ксавье Фагеда и Милдред Э. Уорнер (2010). Является ли частное производство общественных услуг дешевле общественного? Мета-регрессионный анализ твердых отходов и услуг водоснабжения. Журнал политического анализа и управления. 29(3), 553-577.
Дальнейшее чтение
[ редактировать ]- Томпсон, СГ; Хиггинс, JPT (2002). «Как следует проводить и интерпретировать мета-регрессионный анализ?». Статистика в медицине . 21 (11): 1559–1573. дои : 10.1002/сим.1187 . ПМИД 12111920 .
- Робертс, Колин; Стэнли, Т.Д. (2005). Мета-регрессионный анализ: проблемы предвзятости публикаций в экономике . Уайли-Блэквелл. ISBN 978-1-4051-3799-7 .
- Фихтбауэр, В. (2010). «Проведение метаанализа на R с помощью пакета метафор» . Журнал статистического программного обеспечения . 36 (3): 3. doi : 10.18637/jss.v036.i03 .
- Диас, С.; Саттон, Эй Джей; Велтон, Нью-Джерси; Адес, А.Е. (2013), «Синтез данных для принятия решений 3: гетерогенность - сибгруппы, метарегрессия, предвзятость и корректировка предвзятости», Medical Decision Making , 33 (5): 618–640, doi : 10.1177/0272989X13485157 , PMC 3704206 , ПМИД 23804507
- Типтон, Э .; Пустеёвский, Ю.Э.; Ахмади, Х. (2019), «История метарегрессии: технические, концептуальные и практические разработки между 1974 и 2018 годами», Research Synthesis Methods , 10 (2): 161–179, doi : 10.1002/jrsm.1338
- Хиггинс, JPT; Лопес-Лопес, AM; Алоэ, AM (2021), «Мета-регрессия», в Шмиде, Швейцария; Белый, И.; Стейнен, Т. (ред.), Справочник по метаанализу , Chapman & Hall/CRC, doi : 10.1201/9781315119403 , ISBN 9781315119403
- Рёвер, К.; Фриде, Т. (2023), «Использование пакета Bayesmeta R для мета-регрессии байесовских случайных эффектов», Компьютерные методы и программы в биомедицине , 229 : 107303, arXiv : 2209.06004 , doi : 10.1016/j.cmpb.2022.107303