-
基于二项式-正态层次模型框架下比例的贝叶斯Meta分析方法及实现
编辑人员丨2023/8/6
目的 介绍适用于比例Meta分析的二项式-正态层次模型及其贝叶斯方法实现.方法 阐述二项式-正态层次模型和正态-正态层次模型,分别在此两模型框架下,选择随机效应模型对两个文献数据重新分析.采用贝叶斯和频率学方法拟合二项式-正态层次模型;对数据未经或经logit转换后,采用倒方差法等经典频率学方法拟合正态-正态层次模型.结果 在二项式-正态层次模型框架下,采用贝叶斯方法获得合并比例的点估计及95％可信区间分别为0.057(0.039,0.077)和0.799(0.693,0.897),研究间方差分别为0.488和0.919;采用频率学方法获得合并比例的点估计及95％置信区间分别为0.056(0.041,0.078)和0.798(0.692,0.875),研究间方差分别为0.400和0.589.在正态-正态层次模型框架下,经logit转换后获得合并比例的点估计及95％置信区间分别为0.073(0.057,0.094)和0.754(0.661,0.827),研究间方差分别为0.170和0.301;直接合并原始数据获得合并比例的点估计及95％置信区间分别为0.049(0.032,0.065)和0.804(0.719,0.888),研究间方差分别为0.001和0.018.结论 不同模型可以获得不同的结果,NNHM可能低估研究间方差.基于二项式-正态层次模型框架下贝叶斯方法更适用于比例的Meta分析.
...不再出现此类内容
编辑人员丨2023/8/6
-
稀疏二分类数据贝叶斯Meta分析方法及实现
编辑人员丨2023/8/5
Meta分析可以定量、科学地合成研究结果,已在许多科学领域取得革命性的成果,有助于建立循证实践、解决相互矛盾的研究结果问题[1]. 众多医学Meta分析中涉及稀疏二分类数据的现象十分常见,即感兴趣的测量结局(如某种干预措施的不良事件)为二分类数据且十分稀疏,特别是在纳入Meta分析的单个研究中有1个或2个臂的事件发生数为0(分别称为"单零研究"或"双零研究") ,一项对500项Cochrane系统评价随机抽样调查的研究表明,有30％的系统评价中至少有1个研究1个臂的事件发生数为0[2]. 经典的 Meta 分析方法不适用于稀疏数据( sparse data) ,特别是纳入Meta分析中含有多个单零研究或双零研究时,在数据分析方法学方面面临着众多挑战,已引起国内外研究者的关注,相继提出多种模型和方法[3-6]. 本文介绍二项式-正态层次模型( BNHM )和贝塔-二项式模型( BBM) ,以及基于这两种模型框架下的贝叶斯Meta分析方法,并通过实例来介绍软件实现过程.
...不再出现此类内容
编辑人员丨2023/8/5
