Network Meta-analysis and Diffusion
网络荟萃分析与扩散AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要中的网络指荟萃分析的比较图和随机游走，没有社会网络或处理干扰的明确内容，故不归入网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
网络荟萃分析与扩散
- 研究问题
- 网络荟萃分析中，能否通过图上的扩散过程计算治疗效应估计的协方差，并解释回归估计与随机游走的联系？
- 方法与思路
- 作者用扩散矩阵的几何级数表示协方差矩阵，将同一性质扩展到帽子矩阵，并提供以 R 实现的可视化工具。
- 材料陈述的贡献
- 摘要称，治疗效应估计的协方差可在不进行矩阵求逆的情况下获得，并由此建立回归参数估计与网络随机游走的联系。
- 阅读关注点
- 应核对几何级数收敛条件、图连通性要求、与常规计算的数值一致性，以及可视化如何反映估计权重。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明计算复杂度或适用模型，也未研究个体间干扰效应。
原文摘要
We show that the covariance matrix of the treatment effect estimates in a network meta-analysis can be obtained without matrix inversion using a geometric series of diffusion matrices. This property extends to the hat matrix and provides a connection between parameter estimation in regression analysis and random walks on the network graph. We also provide a number of visualization tools implemented in R.