Prediction intervals for random-effects meta-analysis based on confidence distributions and Edgington's method.

چکیده اصلی

Statistical inference about the average effect in random-effects meta-analysis has been considered insufficient in the presence of substantial between-study heterogeneity. Predictive distributions are well suited for quantifying heterogeneity since they are interpretable on the effect scale and provide clinically relevant information about future events. We construct predictive distributions accounting for uncertainty through confidence distributions from Edgington's p-value combination method and the generalized heterogeneity statistic. Simulation results suggest that 95% prediction intervals typically achieve nominal coverage when more than three studies are available and effectively reflect skewness of effect estimates in scenarios with 20 or fewer studies. Formulations that ignore uncertainty in heterogeneity estimation typically fail to achieve correct coverage, underscoring the need for this adjustment in random-effects meta-analysis.

ترجمه فارسی چکیده

استنباط آماری در مورد اثر متوسط در آنالیز متاآنالیز اثر تصادفی، در صورت وجود همگنی قابل توجه بین مطالعات، ناکافی تلقی می‌شود. توزیع‌های پیش‌بینی برای کمی‌سازی همگنی مناسب هستند، زیرا قابل تفسیر بر مقیاس اثر هستند و اطلاعات بالینی مرتبطی در مورد رویدادهای آتی ارائه می‌دهند. ما توزیع‌های پیش‌بینی را با در نظر گرفتن عدم قطعیت از طریق توزیع‌های اطمینان از روش ترکیب p-value ادجینگتون و آماره همگنی تعمیم‌یافته می‌سازیم. نتایج شبیه‌سازی نشان می‌دهد که فاصله‌های پیش‌بینی ۹۵٪ معمولاً پوشش نامی را در صورت در دسترس بودن بیش از سه مطالعه به دست می‌آورند و در سناریوهای با ۲۰ مطالعه یا کمتر، به طور مؤثر بر خمیدگی برآوردهای اثر بازتاب می‌دهند. فرمول‌هایی که عدم قطعیت در برآورد همگنی را نادیده می‌گیرند، معمولاً پوشش صحیح را به دست نمی‌آورند که نیاز به این اصلاح در آنالیز متاآنالیز اثر تصادفی را برجسته می‌کند.

متن کامل اصلی