Statistical model assessment in published dose-response meta-analyses is suboptimal: evidence from a methodological review and reanalysis of 242 datasets
Notice bibliographique
Résumé
OBJECTIVES: Dose-response meta-analysis (DRMA) is a crucial clinical and epidemiological research tool for synthesizing exposure-risk relationships. Despite its growing use, facilitated by the availability of statistical software, the appropriateness of the underlying statistical methods has not been thoroughly explored. This study aims to evaluate the reporting quality of key statistical measures in DRMA and compare their performance using empirical datasets. STUDY DESIGN AND SETTING: We performed a systematic literature search to identify relevant studies, from which we extracted datasets and study characteristics. We fitted linear, quadratic polynomial and restricted cubic spline (RCS) models with fixed and non-fixed knots selection procedures. Key measures assessed included non-linearity, goodness-of-fit (GoF), model comparison, and the impact of outlying studies on statistical results. We compared P-values for non-linearity, GoF test for each model pair, and used the Akaike information criterion for model comparison. We evaluated the influence of individual studies on non-linearity and GoF using a leave-one-out (LOO) approach. RESULTS: We included 146 unique DRMA studies, from which 242 datasets were extracted with median (interquartile range) of 9 (7, 14) individual studies. While the non-linearity test was conducted in 102/124 (82.3%) studies, other measures were infrequently reported. Only 13/146 (10.0%) studies assessed GoF, 10/79 (12.7%) provided model comparison results, and 46/146 (31.5%) examined the impact of outlying studies. Our reanalysis of 242 datasets demonstrated that the RCS model with a non-fixed knots selection procedure identified more non-linearity (110/242, 45.5%) and fitted well (205/242, 84.7%) than other models. The LOO approach showed that conclusions regarding non-linearity and GoF changed in approximately 50% of cases after excluding a single study, regardless of the model used. CONCLUSION: Our analysis reveals suboptimal attention to key statistical issues in published DRMA studies. RCS with non-fixed knots selection have shown potential advantages than a few other alternative modeling approaches. To strengthen the credibility of meta-analytic findings, it is advisable for researchers to integrate both clinical judgment and rigorous statistical model evaluation in their analyses. The LOO assessment underscores the necessity for methods that can identify and accommodate outlying studies in DRMA.
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 | 0,379 | 0,706 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,040 |
| Bibliométrie | 0,017 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».