[論文レビュー] A Robust Bayesian Copas Selection Model for Quantifying and Correcting Publication Bias

Ray Bai, Lifeng Lin+2 more|arXiv (Cornell University)|May 6, 2020

Meta-analysis and systematic reviews参考文献 40被引用数 5

ひとこと要約

本稿では、研究固有の効果に重たい尾を持つ分布（例：スチューデントのt分布、ラプラス分布）を用いることで、正規性の破れに対する耐性を高める、頑健なベイジアン・コパス選択モデル（RBC）を提案する。このモデルは、出版バイアスを是正するものであり、バイアスの大きさを測るためのヘリンジャーディスタンスに基づく指標Dを導入している。1,500件のコクランメタアナリシスのうち79.7％はバイアスが無視できる程度であったが、1.2％は非常に高いバイアスを示しており、標準的なメタアナリシスと比較して、是正済みの治療効果推定値は顕著に低くなった。

ABSTRACT

The validity of conclusions from meta-analysis is potentially threatened by publication bias. Most existing procedures for correcting publication bias assume normality of the study-specific effects that account for between-study heterogeneity. However, this assumption may not be valid, and the performance of these bias correction procedures can be highly sensitive to departures from normality. Further, there exist few measures to quantify the magnitude of publication bias based on selection models. In this paper, we address both of these issues. First, we explore the use of heavy-tailed distributions for the study-specific effects within a Bayesian hierarchical framework. The deviance information criterion (DIC) is used to determine the appropriate distribution to use for conducting the final analysis. Second, we develop a new measure to quantify the magnitude of publication bias based on Hellinger distance. Our measure is easy to interpret and takes advantage of the estimation uncertainty afforded naturally by the posterior distribution. We illustrate our proposed approach through simulation studies and meta-analyses on lung cancer and antidepressants. To assess the prevalence of publication bias, we apply our method to 1500 meta-analyses of dichotomous outcomes in the Cochrane Database of Systematic Reviews. Our methods are implemented in the publicly available R package RobustBayesianCopas.

研究の動機と目的

• 研究固有の効果の正規性仮定の違反に対して感受性が強い既存のコパス選択モデルの問題を解決すること。
• ランダム効果に重たい尾を持つ分布を用いることで、モデルの安定性を高める、頑健なベイジアンフレームワークの構築。
• ヘリンジャーディスタンスに基づく、解釈が容易な新しいバイアス測定指標Dの導入。
• 提案手法を用いて、大規模なメタアナリシスのコホート全体における出版バイアスの広がりを評価すること。
• 実用的実装を可能とする、公開可能なRパッケージ（RobustBayesianCopas）の提供。

提案手法

• 研究固有のランダム効果に柔軟で重たい尾を持つ分布（正規分布、ラプラス分布、スチューデントのt分布、スラッシュ分布）を用いたベイジアン階層的フレームワーク内でコパス選択モデルを適応。
• 最適な分布選択のため、デビアンス情報基準（DIC）を用いる。
• 標準モデルとバイアス是正モデルにおける治療効果の事後分布間のヘリンジャーディスタンスに基づく、新しいバイアス評価指標Dを提案。
• RBCモデル下での事後分布および信用区間を取得するために、マルコフ連鎖モンテカルロ（MCMC）サンプリングを用いる。
• 代替のランダム効果分布の間で、適合度と複雑さのバランスを取るために、DICを用いたモデル選択を実施。
• 再現性とアクセス性を高めるために、Rパッケージ「RobustBayesianCopas」を用いて手法を実装。

実験結果

リサーチクエスチョン

• RQ1 研究固有の効果の正規性仮定が破られた場合、コパス選択モデルのモデル性能はどのように変化するか？
• RQ2 非正規性下でも、重たい尾を持つ分布を用いることで、メタアナリシスにおけるバイアス是正の耐性が向上するか？
• RQ3 統計的に解釈可能で、不確実性を反映した形で、出版バイアスの大きさをどのように測定できるか？
• RQ4 コクランデータベース内の代表的で大規模なメタアナリシスのコホートにおいて、出版バイアスの広がりはどの程度か？
• RQ5 バイアス是正済みの治療効果推定値は、標準的なメタアナリシス推定値とどの程度異なるか？

主な発見

• 肺がんに関するメタアナリシスにおいて、標準的なメタアナリシスは治療効果を θ̂_mle = 0.41（95％信頼区間：0.36, 0.46）と推定したが、RBCモデルでは顕著に低い推定値 θ̂_rbc = 0.24（95％信用区間：0.13, 0.36）が得られた。
• 抗うつ薬に関するメタアナリシスでは、ヘリンジャーディスタンス指標Dが0.95に達し、非常に高い出版バイアスを示しており、是正済みと非是正済みの事後分布間にほとんど重複がなかった。
• コクランデータベースの二値アウトカムに関する1,500件のメタアナリシスにおいて、79.7％が無視できるバイアス（D ≤ 0.25）、15.9％が中程度のバイアス（0.25 < D ≤ 0.5）、3.2％が高いバイアス（0.5 < D ≤ 0.75）、1.2％が非常に高いバイアス（0.75 < D ≤ 1）を示した。
• 非正規性下のシミュレーションスタディにおいて、RBCモデルでスチューデントのt分布またはラプラス分布をランダム効果に用いた場合、正規分布仮定よりも常に低いDIC値を示し、性能が優れていた。
• 真の研究固有効果の分布が正規性から逸脱している状況において、RBCモデルは、治療効果推定値の是正において優れた耐性と信頼性を示した。
• Rパッケージ「RobustBayesianCopas」は、CRANに公開され、広範なアクセス性と再現性を実現した。