Assessing the Robustness of Meta-Analysis for the Fixed-Effect Model
Notice bibliographique
Résumé
The current meta-analysis methods for the fixed-effect model with continuous outcome variables have been developed based on the assumption that the variation of the outcome variable between patients within treatment groups for each study follows a normal distribution. However, real-world data does not always follow a normal distribution, which may lead to unreliable meta-analysis results. This study uses the Monte Carlo simulation to evaluate robustness by comparing the analysis results with the truth when the normal assumption is violated; performance measures include the relative bias of the estimated treatment effect, the coverage probability of the estimates, and the power and type I error rate of the test of the null hypothesis. We simulate various non-normal outcome data, including a mixture of normals, lognormal, gamma, and χ^2 distributions. We examine the impact of the sample size per study, the number of studies, the magnitude of skewness, and the effect sizes on the results. The results show that small studies with highly skewed data provide non-robust meta-analysis results for a fixed-effect model. Moreover, increasing the number of studies without sufficient sample sizes worsens the relative bias, coverage probability, and power. Therefore, this simulation suggests that investigators must be cautious when applying the fixed-effect model to small studies, particularly with respect to the potential non-normality of the data. This study recommends that investigators include large trials whenever possible. If large trials are not feasible, they should always assess the normality of the datasets and select an appropriate meta-analysis method to obtain robust results. This will help ensure that policies and guidelines are based on reliable evidence, thereby minimizing the risk of implementing ineffective and harmful policies and guidelines.
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 | 0,462 | 0,679 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,033 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».