Metaanálisis con priors de Jeffreys: Propiedades frecuentistas empíricas

Área de la Ciencia:

• Bioestadística
• Modelado Estadístico

Sus antecedentes:

• Los métodos de metaanálisis frecuentistas pueden producir intervalos de confianza amplios y estimaciones de heterogeneidad sesgadas en estudios pequeños.
• Los métodos bayesianos ofrecen una alternativa, particularmente cuando se utilizan priors específicos como el prior de Jeffreys.

Objetivo del estudio:

• Evaluar el rendimiento frecuentista de los métodos bayesianos que emplean el prior invariante de Jeffreys para el metaanálisis de efectos aleatorios.
• Comparar estos enfoques bayesianos con los métodos frecuentistas establecidos en metaanálisis pequeños.

Principales métodos:

• Se realizó un estudio de simulación a gran escala para evaluar métodos bayesianos utilizando dos formas del prior de Jeffreys (Jeffreys1 y Jeffreys2).
• Se evaluó el rendimiento para la estimación puntual e intervalar de los parámetros de la media y la heterogeneidad.
• Se compararon los métodos con los enfoques frecuentistas óptimos para metaanálisis pequeños de resultados binarios y continuos.

Principales resultados:

• Para metaanálisis pequeños con resultados binarios, el prior Jeffreys2 demostró ventajas en la estimación puntual e intervalar de la media, mejorando la eficiencia y la cobertura frecuentista.
• Para metaanálisis pequeños con resultados continuos, se encontró que los métodos frecuentistas estándar eran superiores.
• El método óptimo para estimar la heterogeneidad dependió de los valores específicos de heterogeneidad.

Conclusiones:

• El prior bayesiano Jeffreys2 muestra una promesa para mejorar el metaanálisis de resultados binarios, particularmente en tamaños de muestra pequeños.
• Los métodos frecuentistas siguen siendo el enfoque recomendado para metaanálisis pequeños de datos continuos.
• El paquete R bayesmeta implementa estos priors de Jeffreys y los extiende a la metarregresión.