基于弱信息先验的贝叶斯估计在小样本meta分析中的应用

发布时间：2024-03-09 09:38

　　目的:本研究针对meta分析中具有研究价值但研究数量有限的问题,介绍四种传统频率学派meta分析方法和三种贝叶斯学派meta分析方法的基本原理,模拟接近实际情况的小样本量四格表数据并进行实例分析,比较传统频率学派meta分析和贝叶斯学派meta分析的性能差异,评价不同方法在研究间异质性的偏倚、均方误差、效应量区间宽度、覆盖率等方面的优劣,为选择恰当的小样本量meta研究方法提供建议。方法:模拟小样本情况下不同纳入研究数、不同研究间异质性对各方法的影响。对每个给定的纳入研究数和研究间异质性的结合,均产生10000个数据集。数据产生根据Turner等人对Cochrane系统评价数据库涉及14886项结果为二分类的meta分析研究。利用本篇涉及的七种方法分别对不同纳入研究数(2,3,4,5)和不同研究间异质性(0,0.01,0.04,0.16,0.25,1,2)结合情境下的280000个数据集进行分析、评价。研究七种方法在小样本情况下的适用性及存在的问题。实例为不同剂量克拉生坦在动脉瘤性蛛网膜下腔出血后治疗脑血管痉挛的疗效和安全性评价。研究终点包括迟发性缺血性神经功能受损的发生与否和是否使用...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图1三种弱信息先验的概率密度分布图

图1三种弱信息先验的概率密度分布图弱信息先验尺度参数的选择在分析纳入研究数非常少的meta分析情况时，其中关于研究间异质性的信法从数据中获得太多，所以优先考虑信息丰富的先验。根据具体情况，常常信息表明异质性的值在哪些范围更合适，哪些范围更不合适。由正态—正态易知95%....

图2=0.59三种弱信息先验分布的累积概率值95%据此我们可以设定以上三种弱信息先验的尺度参数分别为：半正态（=0.3）分布，半cauchy(0.05)分布，半t(0.21,df4)分布

图3不同尺度参数的概率密度函数图

图3不同尺度参数的概率密度函数图软件实现R软件metafor包中escalc命令计算本篇各个研究四格表数据的效应量和相差。该包中rma.uni（等同于rma）函数可实现频率学派PM法分别联合两种可估计法HKSJ法和改进的HKSJ法；贝叶斯学派的实现....

图4贝叶斯和频率学派不同方法在不同纳入研究数和不同研究间异质性的偏倚图4展示了不同方法在不同值情况下，产生研究间异质性估计值偏倚的情况，偏倚的大小、正负依赖于不同的估计方法、真实值的大小以及纳入研究数的多少

16图4贝叶斯和频率学派不同方法在不同纳入研究数和不同研究间异质性的偏倚图4展示了不同方法在不同值情况下，产生研究间异质性估计值偏倚的情况，偏倚的大小、正负依赖于不同的估计方法、真实值的大小以及纳入研究数的多少。频率学派方法在值较小时容易高估，尤其在纳....

本文编号：3923231