メタ分析とスパースデータバイアス

多くの場合、個々の研究固有の推定値の一部が比較的小さな研究サンプルに基づいている設定では、多くの場合、一連の研究からの情報を組み合わせるためにメタ分析が行われます。ロジスティック回帰モデルをスパースデータセットに適合させることにより、関連性の最尤推定が得られる場合、有限サンプルバイアスが発生する場合があります。ここでは、ロジスティック回帰推定のメタ分析的要約を実施することにより、小規模研究からの情報を組み合わせることで、そのようなまばらなデータバイアスを伝播できることを示します。シミュレーションでは、ロジスティック回帰のメタ分析で発生した2つの課題を示しています。スパースデータの設定は次のとおりです。メタ分析の研究の数が増加するにつれて、名目よりも。

Meta-analyses are undertaken to combine information from a set of studies, often in settings where some of the individual study-specific estimates are based on relatively small study samples. Finite sample bias may occur when maximum likelihood estimates of associations are obtained by fitting logistic regression models to sparse data sets. Here we show that combining information from small studies by undertaking a meta-analytical summary of logistic regression estimates can propagate such sparse-data bias. In simulations, we illustrate 2 challenges encountered in meta-analyses of logistic regression results in settings of sparse data: 1) bias in the summary meta-analytical result and 2) confidence interval coverage that can worsen rather than improve, in terms of being less than nominal, as the number of studies in the meta-analysis increases.