メタ分析のための拡張混合効果フレームワーク

メタ分析の標準的な方法は、独立した研究のセットから単一の効果サイズが推定されるプールタスクに限定されています。ただし、この設定は、最新のメタ分析アプリケーションには制限が強すぎる場合があります。この貢献では、線形混合効果モデルに基づいたメタ分析の一般的なフレームワークを説明します。ここでは、潜在的に複雑な効果サイズのパターンが、固定項とランダム項の拡張された柔軟な構造を通じてモデル化されます。この定義には、特別なケースとして、多変量、ネットワーク、マルチレベル、用量反応、および縦方向のメタ分析とメタ回帰など、文献で個別に提案されているさまざまなメタ分析モデルが含まれます。自由に利用可能で完全に文書化されたソフトウェアでの実装を補完するメタ分析のための統一されたフレームワークの可用性により、研究者は非標準的なプーリングの問題に対処するための柔軟なツールを提供します。

Standard methods for meta-analysis are limited to pooling tasks in which a single effect size is estimated from a set of independent studies. However, this setting can be too restrictive for modern meta-analytical applications. In this contribution, we illustrate a general framework for meta-analysis based on linear mixed-effects models, where potentially complex patterns of effect sizes are modeled through an extended and flexible structure of fixed and random terms. This definition includes, as special cases, a variety of meta-analytical models that have been separately proposed in the literature, such as multivariate, network, multilevel, dose-response, and longitudinal meta-analysis and meta-regression. The availability of a unified framework for meta-analysis, complemented with the implementation in a freely available and fully documented software, will provide researchers with a flexible tool for addressing nonstandard pooling problems.