在单臂证据合成中如何量化研究间的异质性?-这取决于!

科学领域:

• 生物统计学 生物统计学
• 进行元分析的方法论.
• 证据综合研究

背景情况:

• 随机效应元分析模型需要估计异质差异 (${\tau }^2).$
• 对于最佳的异质差异估计器,没有共识,特别是对于面临独特挑战的单臂观测研究.
• 现有的文献缺乏在这些特定情况下对异质差异估计器的系统比较.

研究的目的:

• 在典型的单臂元分析场景中研究不同异质差异估计器的性能.
• 通过模拟和经验性的儿科应用来比较各种估计器的优势.
• 评估高级期刊中异质差异估计器的当前实践和报告质量.

主要方法:

• 基于方法多样性的随机效应元分析的七个异质差异估计器进行了比较.
• 在单臂元分析设置中进行了连续和二进制结果的模拟研究.
• 进行了非系统的文献审查,以评估期刊中估计器的当前使用和报告质量.

主要成果:

• 所有评估的异质性估计器都表现出不精确性,并且经常无法捕捉到真正的异质性,特别是在很少的研究或罕见的二进制事件中.
• 许多估计器产生了零异质性估计,即使异质性存在.
• 总体效应估计在估计者之间是强大的,但预测间隔显著变化,突出估计者依赖的不确定性.

结论:

• 估计者之间存在异质差异估计的实质差异,但在单臂元分析中对其选择的关注不足.
• 需要提高对不同异质差异估计器及其属性的认识和实际考虑.
• 建议在最终确定元分析结论之前,通过敏感性分析评估一系列可信的估计值.