Publication Bias and Meta-Analysis for 2×2 Tables: An Average Markov Chain Monte Carlo EM Algorithm
2×2 表元分析中的发表偏差：平均蒙特卡洛 EM 算法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：摘要研究发表偏差、元分析与蒙特卡洛计算，未直接讨论因果识别或经济行为的离散选择问题。
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
2×2 表元分析中的发表偏差：平均蒙特卡洛 EM 算法
- 研究问题
- 当正向研究结果更容易发表、偏差校正依赖不可检验假设时，如何对 2×2 表的元分析开展敏感性分析并估计参数？
- 方法与思路
- 作者采用精确条件分布开展敏感性分析，以马尔可夫链蒙特卡洛 EM 算法计算最大似然估计，并提出自动调整迭代次数的规则。
- 材料陈述的贡献
- 摘要称提供发表偏差的敏感性分析方法，并建议提高估计精度和自动选择迭代次数的规则，但未展示具体效果。
- 阅读关注点
- 应核对发表选择机制的假设、敏感性参数与精确条件分布，以及蒙特卡洛误差控制和迭代次数规则的适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要；发表偏差校正依赖不可检验假设，敏感性分析不能消除这一限制，算法细节与数值表现未说明。
原文摘要
Summary A major difficulty in meta-analysis is publication bias. Studies with positive outcomes are more likely to be published than studies reporting negative or inconclusive results. Correcting for this bias is not possible without making untestable assumptions. In this paper, a sensitivity analysis is discussed for the meta-analysis of 2×2 tables using exact conditional distributions. A Markov chain Monte Carlo EM algorithm is used to calculate maximum likelihood estimates. A rule for increasing the accuracy of estimation and automating the choice of the number of iterations is suggested.