稀疏二分类数据贝叶斯Meta分析方法及实现
Chinese Journal of Evidence Based Pediatrics(2020)
Abstract
Meta分析可以定量、科学地合成研究结果,已在许多科学领域取得革命性的成果,有助于建立循证实践、解决相互矛盾的研究结果问题[1]. 众多医学Meta分析中涉及稀疏二分类数据的现象十分常见,即感兴趣的测量结局(如某种干预措施的不良事件)为二分类数据且十分稀疏,特别是在纳入Meta分析的单个研究中有1个或2个臂的事件发生数为0(分别称为"单零研究"或"双零研究") ,一项对500项Cochrane系统评价随机抽样调查的研究表明,有30%的系统评价中至少有1个研究1个臂的事件发生数为0[2]. 经典的 Meta 分析方法不适用于稀疏数据( sparse data) ,特别是纳入Meta分析中含有多个单零研究或双零研究时,在数据分析方法学方面面临着众多挑战,已引起国内外研究者的关注,相继提出多种模型和方法[3-6]. 本文介绍二项式-正态层次模型( BNHM )和贝塔-二项式模型( BBM) ,以及基于这两种模型框架下的贝叶斯Meta分析方法,并通过实例来介绍软件实现过程.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined