Flujo de trabajo bayesiano para el modelo de ajuste de sesgos en metaanálisis

Área de la Ciencia:

• Estadística
• Bioestadística
• Síntesis de Evidencia

Sus antecedentes:

• Los modelos jerárquicos bayesianos son valiosos para el ajuste de sesgos en metaanálisis.
• Su complejidad y sensibilidad a las priors requieren marcos de aplicación sistemáticos.

Objetivo del estudio:

• Demostrar un flujo de trabajo bayesiano para aplicar y evaluar modelos de ajuste de sesgos en metaanálisis.
• Comparar un modelo estándar de efectos aleatorios con un modelo de ajuste de sesgos.

Principales métodos:

• Se aplicó un flujo de trabajo bayesiano a un conjunto de datos del mundo real y a un estudio de simulación.
• Se comparó un modelo estándar de efectos aleatorios con un modelo de ajuste de sesgos.
• Se evaluó el rendimiento del modelo utilizando el criterio de información ampliamente aplicable y los intervalos creíbles.

Principales resultados:

• Los resultados mostraron alta sensibilidad a la prior sobre la probabilidad de sesgo.
• El modelo de efectos aleatorios tuvo una mejor precisión predictiva, mientras que el modelo de ajuste de sesgos produjo intervalos creíbles más amplios y conservadores.
• Las simulaciones confirmaron la recuperación de parámetros con priors bien especificadas.

Conclusiones:

• El flujo de trabajo bayesiano proporciona un enfoque principista para diagnosticar las sensibilidades del modelo en metaanálisis.
• Asegura la aplicación transparente y robusta de modelos complejos de ajuste de sesgos en la síntesis de evidencia.