ดังนั้นคุณจะรวมการประมาณแบบเบย์ในการวิเคราะห์อภิมานอย่างไร

ได้รับแรงบันดาลใจจากคำถามนี้และโดยเฉพาะ "ปัญหา 3":

การแจกแจงด้านหลังนั้นค่อนข้างยากกว่าที่จะรวมเข้ากับการวิเคราะห์เมตาเว้นแต่ว่ามีการแจกแจงรายละเอียดเชิงพารามิเตอร์ของการแจกแจงแบบสม่ำเสมอ

ฉันคิดว่าเมื่อไม่นานมานี้มีการผสมผสาน meta-analysis เข้ากับแบบจำลอง Bayesian ซึ่งส่วนใหญ่เป็นแหล่งของนักบวช - แต่จะไปในทิศทางอื่นได้อย่างไร? หากการวิเคราะห์แบบเบย์กลายเป็นที่นิยมมากขึ้นและกลายเป็นเรื่องง่ายมากที่จะรวมเข้ากับโค้ดที่มีอยู่ (คำสั่ง BAYES ใน SAS 9.2 และเหนือขึ้นไป) เราควรได้รับผลการประเมินแบบเบย์ในวรรณคดีบ่อยขึ้น

ลองทำเป็นว่าเรามีนักวิจัยประยุกต์ที่ตัดสินใจทำการวิเคราะห์แบบเบย์ ใช้รหัสจำลองเดียวกับที่ฉันใช้สำหรับคำถามนี้ถ้าพวกเขาไปกับกรอบบ่อยๆพวกเขาต้องการประมาณการบ่อยต่อไปนี้:

log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633

การใช้การวิเคราะห์คำสั่ง BAYES แบบมาตรฐานที่เป็นค่าเริ่มต้นและไม่เป็นทางการทั้งหมดนั้นไม่มีเหตุผลที่จะมีช่วงเวลาที่ดีความเชื่อมั่นแบบสมมาตรหรือข้อผิดพลาดมาตรฐาน ในกรณีนี้หลังส่วนใหญ่นั้นอธิบายได้ง่ายโดยการแจกแจงแบบปกติดังนั้นใคร ๆ ก็สามารถอธิบายได้ว่ามันเป็นแบบ "ใกล้พอ" แต่จะเกิดอะไรขึ้นถ้ามีคนรายงานการประมาณค่าผลเบย์และช่วงเวลาที่ไม่สมมาตร มีวิธีการที่ตรงไปตรงมาในการวิเคราะห์เมตาดาต้ามาตรฐานหรือไม่จำเป็นต้องมีการประเมินรองเท้ากลับเข้าไปในการแจกแจงแบบอธิบายพารามิเตอร์ที่ใกล้เคียงที่สุดหรือไม่? หรืออย่างอื่น?

อื่น ๆ อีก. ในการทำการวิเคราะห์แบบเบย์จากผลการศึกษาหลายอย่างซึ่งระบุพารามิเตอร์เดียวกัน (หรือพารามิเตอร์) คุณต้องได้รับโอกาส - หรือการประมาณของพวกเขา - และคูณพวกมันก่อน

หากการวิเคราะห์ของแต่ละคนได้รายงานการอนุมานแบบเบย์ของตัวเองสิ่งนี้จะเป็นไปไม่ได้แม้ว่าการประมาณนั้นอาจเป็นไปได้ อย่างมีความสุขเอกสารส่วนใหญ่จะรายงานสรุปข้อมูลโดยตรงก่อนที่จะให้การอนุมานแบบเบย์อย่างเต็มที่ สำหรับคุณอนุมานแบบเบย์, คุณสามารถเริ่มต้นด้วยบทสรุปที่และเพิ่มของคุณก่อน