受这个问题的启发，特别是“问题 3”：

后验分布更难纳入荟萃分析，除非提供了分布的常客参数描述。

我最近一直在考虑将元分析纳入贝叶斯模型——主要是作为先验的来源——但是如何从另一个方向着手呢？如果贝叶斯分析确实变得更流行，并且变得非常容易合并到现有代码中（想到 SAS 9.2 及更高版本中的 BAYES 语句），我们应该更频繁地在文献中获得贝叶斯效应估计。

让我们假设我们有一个应用研究人员决定进行贝叶斯分析。使用我用于这个问题的相同模拟代码，如果他们使用常客框架，他们会得到以下常客估计：

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

使用标准的、全默认的和无信息的先验 BAYES 语句分析，没有理由有一个好的、对称的置信区间或标准误差。在这种情况下，后验很容易用正态分布来描述，因此可以将其描述为“足够接近”，但是如果有人报告贝叶斯效应估计和不对称可信区间会发生什么？是否有一种直接的方法可以将其包含在标准的荟萃分析中，或者是否需要将估计值硬塞回尽可能接近的参数描述分布？或者是其他东西？