我正在审查一篇论文,该论文对研究啮齿动物的某种行为进行了荟萃分析。
作者分析了约 20 项研究并进行了荟萃分析。然后,他们根据每项研究中使用的特定方法将这些研究分成子类别(同一事物可以用几种不同的方式测量),并为每组进行一项荟萃分析。
最后,他们以不同的方式(取决于另一个因素)拆分原始数据集,并进行了一些进一步的多重荟萃分析。
我真的不太熟悉荟萃分析,所以我想知道这是否是一种好的做法,或者他们是否应该将方法论作为他们整体分析的一个因素?如果将数据分成多个子组,是否应该进行多重比较校正?
我正在审查一篇论文,该论文对研究啮齿动物的某种行为进行了荟萃分析。
作者分析了约 20 项研究并进行了荟萃分析。然后,他们根据每项研究中使用的特定方法将这些研究分成子类别(同一事物可以用几种不同的方式测量),并为每组进行一项荟萃分析。
最后,他们以不同的方式(取决于另一个因素)拆分原始数据集,并进行了一些进一步的多重荟萃分析。
我真的不太熟悉荟萃分析,所以我想知道这是否是一种好的做法,或者他们是否应该将方法论作为他们整体分析的一个因素?如果将数据分成多个子组,是否应该进行多重比较校正?
为简单起见,我们假设有两个组,尽管多个组的问题是相同的。选择是 (a) 分别对每个组进行分析 (b) 以两级因子作为调节因子对整个数据集进行分析。
选项 (b) 的优点是您拥有更多数据,因此您对的估计会更精确。对于 20 项研究,无论如何它可能不是很精确(建议他们给出或的置信区间)。(b) 的一个小缺点是它假设在每个组中具有相同的值,但软件中有选项可以放宽该假设。这里有关于如何在 R 中使用 metafor 包执行此操作的详细信息。
如果分裂是基于理论,那么这里就没有真正的多重性问题,但如果它是数据驱动的,那么显然需要谨慎。
肯定应该进行多重比较校正。
就统计可靠性而言,荟萃分析……通常不是最高质量的。
这取决于使用不同方法获得的数据是否可以进行统计比较。通常在 MA 中,您首先显示整体结果,然后运行敏感性分析,例如分层分析。