Meta-analysis models relaxing the random effects normality assumption: methodological systematic review and simulation study
放松随机效应正态假设的Meta分析模型：系统综述与模拟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：摘要研究通用Meta分析中的研究间分布与汇总推断，未提供所列领域细分的直接依据。
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…
放松随机效应正态假设的Meta分析模型：系统综述与模拟
- 研究问题
- 当研究间效应分布存在偏态、厚尾或混合结构时，替代正态随机效应的Meta分析模型如何表现，均值效应能否充分概括高度异质的证据？
- 方法与思路
- 作者系统综述非正态研究间分布模型，并在改变研究间方差、分布形状和研究数量的22种场景下，比较15种频率学派或贝叶斯模型。
- 材料陈述的贡献
- 摘要称综述识别27篇文章中的24种模型；模拟中模型间偏差差异较小、覆盖率差异更大，高研究间方差场景下所有模型的均值估计均明显偏误。
- 阅读关注点
- 应核对综述纳入标准、模拟效应与观测数据的生成机制、先验及区间构造，特别是高异质性下均值偏误的来源和替代汇总目标。
- 阅读边界
- 这是arXiv预印本，不能据此认定已同行评审或期刊接收。摘要未说明完整模拟设置与偏误幅度，不能据此判断某类非正态模型普遍更优。
原文摘要
Random effects meta-analysis is widely used for synthesizing studies under the assumption that underlying effects come from a normal distribution. However, under certain conditions the use of alternative distributions might be more appropriate. We conducted a systematic review to identify articles introducing alternative meta-analysis models assuming non-normal between-study distributions. We identified 27 eligible articles suggesting 24 alternative meta-analysis models based on long-tail and skewed distributions, on mixtures of distributions, and on Dirichlet process priors. Subsequently, we performed a simulation study to evaluate the performance of these models and to compare them with the standard normal model. We considered 22 scenarios varying the amount of between-study variance, the shape of the true distribution, and the number of included studies. We compared 15 models implemented in the Frequentist or in the Bayesian framework. We found small differences with respect to bias between the different models but larger differences in the level of coverage probability. In scenarios with large between-study variance, all models were substantially biased in the estimation of the mean treatment effect. This implies that focusing only on the mean treatment effect of random effects meta-analysis can be misleading when substantial heterogeneity is suspected or outliers are present.