Neu in 
Leave-One-Out-Meta-Analyse
Bei der Leave-One-Out-Meta-Analyse werden mehrere Meta-Analysen durchgeführt, indem bei jeder Analyse eine Studie ausgeschlossen wird. Es ist üblich, dass Studien übertriebene Effektgrößen produzieren, was die Gesamtergebnisse verzerren kann. Die Leave-One-Out-Meta-Analyse ist nützlich, um den Einfluss der einzelnen Studien auf die Gesamteffektgrößenschätzung zu untersuchen und einflussreiche Studien zu identifizieren.
Sie können jetzt eine Leave-One-Out-Meta-Analyse durchführen, indem Sie die neue Leave-One-Out-Option mit Meta-Summarize und Meta-Forestplot verwenden.
Zeigen Sie, wie es funktioniert
Wir werden den bcgset-Datensatz von Colditz et al. (1994) verwenden. Dieser Datensatz wurde bereits mit meta esize als Metadaten deklariert. Der BCG-Impfstoff wird zur Prävention von Tuberkulose (TB) eingesetzt. Es sind insgesamt 13 Studien in der Meta-Analyse enthalten.
Höhepunkte
- Funktionen, die Dauern berechnen, wie z. B. Alter und andere Unterschiede zwischen Datumswerten
- Funktionen, die relative Daten oder Daten aus anderen Daten berechnen, z. B. den vorherigen oder nächsten Geburtstag oder Jahrestag relativ zu einem bestimmten Datum
- Funktionen, die die verschiedenen Komponenten aus Datumswerten und Variablen extrahieren
. webuse bcgset (Efficacy of BCG vaccine against tuberculosis; set with -meta esize-)
Angenommen, Sie haben eine Meta-Analyse durchgeführt und Sie vermuten, dass einige Studien potenzielle Ausreißer sein könnten. Sie können die Leave-One-Out-Meta-Analyse verwenden, um den Einfluss dieser potenziellen Ausreißer auf die Schätzung der Gesamteffektgröße zu quantifizieren
. meta forestplot, leaveoneout rr
Für jede Studie entspricht die angezeigte Effektgröße einer Gesamteffektgröße, die aus einer Meta-Analyse unter Ausschluss dieser Studie berechnet wurde. Der Leave-One-Out-Forest-Plot zeigt auch eine vertikale Linie bei der Gesamteffektgröße basierend auf dem vollständigen Satz von Studien (ohne Auslassung), um zu helfen, einflussreiche Studien zu erkennen.
Das Weglassen von Studie 4 (Hart & Sutherland, 1977) oder 8 (TPT Madras, 1980) scheint einen relativ größeren Einfluss (im Vergleich zu anderen Studien) auf die Schätzung der Gesamteffektgröße zu haben. Das Weglassen von Studie 4 führt zu einer Erhöhung des Gesamtrisikoverhältnisses um etwa 0,04, während das Weglassen von Studie 8 zu einer Verringerung des Gesamtrisikoverhältnisses um etwa 0,04 führt.
Referenzen
Colditz, G.A., T.F. Brewer, C.S. Berkey, M.E. Wilson, E. Burdick, H.V. Fineberg, and F. Mosteller. 1994. Efficacy of BCG vaccine in the prevention of tuberculosis. Meta-analysis of the published literature. JAMA, 271: 698–702.