Bayesian meta-analysis of studies with rare events: Do the choice of prior distributions and the exclusion of studies without events in both arms matter?
Notice bibliographique
Résumé
Randomized controlled trials (RCTs) analyzing serious adverse events often observe low incidence and might even observe zero events in either or both of the treatment and control arms. In the meta-analysis of RCTs of adverse events, it is unclear whether trials with zero events in both arms provide any information for the summary risk ratio (RR) or odds ratio (OR). Studies with zero events in both arms are usually excluded in both frequentist and Bayesian meta-analysis. We used a fully probabilistic approach—a Bayesian framework—for the meta-analysis of studies with rare events, and systematically assessed whether exclusion of studies with no events in both arms produced different results compared to keeping all studies in the meta-analysis. We did this by conducting a simulation study in which we assessed the bias in the point estimate of the log(OR) and the coverage of the 95% posterior interval for the log(OR) for different analytical decisions and choices in fixed effect and random effects meta-analysis. We used simulated data generated from a known fixed effect or random effects data scenario (each scenario with a 1000 meta-analysis data-set). We found that the uniform and Jeffrey’s prior on the baseline risk in the control group leads to biased results and a reduced coverage, and that setting the prior distribution on the log(odds) scale worked better. We also found nearly identical results regardless of whether studies with no events in both arms were excluded or not.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,399 | 0,672 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,023 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».