Meta-Analysis of Rare Binary Adverse Event Data
罕见二元不良事件数据的元分析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。
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：摘要围绕罕见二元事件的元分析，未明确讨论因果识别或所列其他领域细分问题。
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…
关注这篇论文的作者
罕见二元不良事件数据的元分析
- 研究问题
- 在不良事件发生率很低时，基于矩的固定效应与随机效应元分析如何估计平均治疗效应和研究间异质性？
- 方法与思路
- 作者考察传统估计与检验，提出不加权平均治疗效应估计量、新异质性估计量和参数自助异质性检验，并用模拟比较。
- 材料陈述的贡献
- 摘要称矩估计的偏差随事件稀少程度增加，新方法减少但未完全消除偏差，并通过稳定冠心病治疗数据比较方法。
- 阅读关注点
- 应核对治疗效应的度量、零事件研究的处理、异质性估计的构造，以及参数自助检验在不同稀有程度下的表现。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；不能推断刊本变化。摘要未说明效应尺度、数据生成条件及偏差减少的数值幅度。
原文摘要
We examine the use of fixed-effects and random-effects moment-based meta-analytic methods for analysis of binary adverse event data. Special attention is paid to the case of rare adverse events which are commonly encountered in routine practice. We study estimation of model parameters and between-study heterogeneity. In addition, we examine traditional approaches to hypothesis testing of the average treatment effect and detection of the heterogeneity of treatment effect across studies. We derive three new methods, simple (unweighted) average treatment effect estimator, a new heterogeneity estimator, and a parametric bootstrapping test for heterogeneity. We then study the statistical properties of both the traditional and new methods via simulation. We find that in general, moment-based estimators of combined treatment effects and heterogeneity are biased and the degree of bias is proportional to the rarity of the event under study. The new methods eliminate much, but not all of this bias. The various estimators and hypothesis testing methods are then compared and contrasted using an example dataset on treatment of stable coronary artery disease.