メタアナリシスの著者ネットワークバイアス

Marvin Rieck¹, Anne-Christine Mupepele², Carsten F Dormann¹

¹Department of Biometry and Environmental System Analysis, https://ror.org/0245cg223University of Freiburg, Germany.

Research synthesis methods

|February 18, 2026

まとめ

著者ネットワークのバイアスはメタアナリシスの結果を歪める可能性があります. この研究は,このバイアスを検出および修正するための新しい方法を導入し,定量研究合成の信頼性を高めています.

科学分野:

統計局統計局統計局統計局統計局
バイオ統計学バイオ統計学
ビビロメトリクス (Bibliometrics) とは

背景:

メタアナリシスは,定量的な研究合成に不可欠ですが,バイアスに敏感です.
主要研究における著者の重複から生じる著者ネットワークのバイアスは,メタ解析の質を損なう可能性があります.
このバイアスは,共同著作による効果サイズが独立していないことから生じます.

研究の目的:

メタ解析における著者ネットワークのバイアスを検出および修正するための新しい方法を導入する.
定量的な研究合成の信頼性と有効性を高めること.
メタアナリティクスの研究でしばしば見過ごされるバイアスの原因に対処するために.

主な方法:

非独立した効果サイズを特定するために,著者ネットワークを活用する新しい方法を提案しました.
バイアス会計の階層的なレベルとして,著者クラスターを持つ多層モデルを使用しました.
シミュレーションデータと9つの例示的なメタ解析の分析を通じて方法を検証しました.

主要な成果:

新しい方法は,著者の重複によって引き起こされる非独立した効果サイズを効果的に検出し,修正します.
シミュレーションデータ分析により,この方法の有効性が確認されました.
現実世界のメタアナリシスへの適用は,その実用的な有用性を実証しました.

結論:

開発された方法は,メタ解析における著者ネットワークのバイアスを軽減するための信頼できるアプローチを提供します.
このテクニックは,既存のメタアナリシスワークフローに容易に統合でき,特にRのメタフォアパッケージを使用します.
著者ネットワークのバイアスを取り除くことは,メタ分析結果の全体的な品質と信頼性を改善するために不可欠です.

キーワード:

著者の依存性著者の依存性著者の影響は,著者の影響に影響を及ぼす.著者ネットワークバイアスコラボレーション・ネットワーク・コラボレーション・ネットワークメタアナリシスのメタ分析独立性がないこと

さらに関連する動画

08:51

Author Spotlight: Unveiling Neural Mechanisms Through Automated Evaluation of Motor Learning and Myelin Plasticity Studies Using the Erasmus Ladder

Published on: December 15, 2023

2.1K

関連する概念動画

01:22

Bias

7.4K

Bias refers to any tendency that prevents a question from being considered unprejudiced. In research, bias occurs when one outcome or answer is selected or encouraged over others in sampling or testing. Bias can occur during any research phase, including study design, data collection, analysis, and publication.
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...

7.4K

01:29

Bias in Epidemiological Studies

1.4K

Biases can arise at various stages of research, from study design and data collection to analysis and interpretation. Recognizing and addressing these biases is essential to ensure the validity and reliability of epidemiological findings.Broadly speaking, biases in epidemiology fall into three main categories: selection bias, information bias, and confounding. A more detailed description of possible biases is:

1.4K

01:17

Correspondence Bias

240

Correspondence bias, also referred to as the fundamental attribution error, describes the tendency to attribute another person’s behavior to internal characteristics rather than situational influences. This cognitive bias leads individuals to overlook external factors that may be influencing actions, thereby fostering potentially inaccurate assessments of others’ intentions and dispositions.Empirical Evidence for Correspondence BiasResearch has consistently demonstrated the...

240

01:27

Correlation and Causation

43.1K

Statistical tests can calculate whether there is a relationship, or correlation, between independent and dependent variables. An indirect relationship of the variables signifies a correlation, while a direct relationship shows causation. If it is determined that no connection exists between the variables, then the correlation is a coincidence.
Correlation versus Causation
If the dependent variable increases or decreases when the independent variable increases, there is a positive or negative...

Pedigree Analysis

Hardy-Weinberg Principle

76.7K

Diploid organisms have two alleles of each gene, one from each parent, in their somatic cells. Therefore, each individual contributes two alleles to the gene pool of the population. The gene pool of a population is the sum of every allele of all genes within that population and has some degree of variation. Genetic variation is typically expressed as a relative frequency, which is the percentage of the total population that has a given allele, genotype or phenotype.