Video Experimental Relacionado
Updated: Jul 11, 2026

Comparing Bibliometric Analysis Using PubMed, Scopus, and Web of Science Databases
Published on: October 24, 2019
Comparación de dos métodos para detectar el sesgo de publicación en el metanálisis
Jaime L Peters1, Alex J Sutton, David R Jones
1Centre for Biostatistics and Genetic Epidemiology, Department of Health Sciences, University of Leicester, Leicester, England. jlp9@leicester.ac.uk
Una nueva prueba de regresión basada en el tamaño de la muestra demuestra tasas de error de tipo I apropiadas para detectar el sesgo de publicación cuando se utiliza el logaritmo natural de la relación de probabilidades (lnOR). Esta prueba alternativa tiene un rendimiento comparable al de la prueba de regresión de Egger, ofreciendo un método confiable para el metanálisis.
Área de la Ciencia:
- La bioestadística es la bioestadística.
- Metodología de la investigación médica Metodología de la investigación médica.
- El metaanálisis.
Sus antecedentes:
- La prueba de regresión de Egger es una herramienta común para identificar el sesgo de publicación en los metanálisis.
- La fiabilidad de las gráficas de prueba y embudo de Egger se cuestiona cuando el logaritmo natural de la relación de probabilidades (lnOR) es la estimación resumida.
- El sesgo de publicación puede distorsionar los hallazgos de los metanálisis, lo que afecta a la medicina basada en la evidencia.
Objetivo del estudio:
- Para comparar el rendimiento de la prueba de regresión de Egger con una nueva prueba de regresión basada en el tamaño de la muestra.
- Para evaluar estas pruebas específicamente cuando el logaritmo natural de la relación de probabilidades (lnOR) sirve como la estimación resumida.
- Para evaluar la precisión y el poder de cada prueba en la detección de sesgo de publicación.
Principales métodos:
- Se realizaron metaanálisis simulados bajo varios escenarios, incluida la presencia o ausencia de sesgo de publicación y la heterogeneidad entre los estudios.
- Las tasas de error de tipo I (falsos positivos) se calcularon tanto para la prueba de regresión de Egger como para la prueba de regresión alternativa basada en el tamaño de la muestra.
- Se evaluó el poder (tasa de positivos reales) de cada prueba para detectar el sesgo de publicación existente.
Principales resultados:
- La prueba de regresión de Egger exhibió mayores tasas de error de tipo I en comparación con la prueba de regresión alternativa.
- La prueba de regresión alternativa mantuvo tasas de error de tipo I apropiadas en diferentes proporciones de probabilidades, números de estudio y niveles de heterogeneidad.
- Bajo una baja heterogeneidad entre los estudios, la prueba alternativa mostró una potencia comparable a la prueba de Egger para detectar el sesgo de publicación.
Conclusiones:
- La prueba de regresión alternativa demuestra tasas de error de tipo I apropiadas y reduce la correlación entre lnOR y su varianza.
- Esta prueba de regresión basada en el tamaño de la muestra se recomienda como un reemplazo para la prueba de regresión de Egger cuando se utiliza lnOR como la estimación resumida.
- Los hallazgos apoyan el uso de la prueba alternativa para una detección de sesgo de publicación más confiable en metaanálisis con estimaciones de lnOR.
Más Videos Relacionados
06:26Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)
Published on: November 27, 2019
08:36The Adjuvant Efficacy of Angong Niuhuang Pill in the Treatment of Viral Encephalitis: A Meta-Analysis of Randomized Controlled Trials
Published on: April 19, 2024
Videos de Conceptos Relacionados
Bonferroni Test
The means of different samples are first paired in all possible combinations.
The null hypothesis of the...
Bias
In statistics, a sampling bias is created when a sample is collected from a population, and some members of the population are not as likely to be chosen as others (remember, each member...
Statistical Inference Techniques in Hypothesis Testing: Parametric Versus Nonparametric Data
Parametric statistics, as the name suggests, assumes that data follow a specific distribution, often a normal distribution. This assumption enables robust hypothesis testing and estimation. Parametric methods, like the Student's t-test or Goodness-of-fit test, are frequently employed in biostatistics due to their robustness. For instance, comparing...
Friedman Two-way Analysis of Variance by Ranks
Comparing the Survival Analysis of Two or More Groups
The Mantel-Cox Log-Rank Test