[論文レビュー] Testing for publication bias in meta-analysis under Copas selection model

Rui Duan, Jin Piao+6 more|arXiv (Cornell University)|Jul 2, 2020

Statistical Methods in Clinical Trials参考文献 38被引用数 6

ひとこと要約

本稿では、非正則性およびパラメータの同定不能性により標準的検定手順が無効となる状況下でも、コパス選択モデルにおける出版バイアスを検出するための新しいスコア検定法を提案する。この手法は、パラメトリックブートストラップを用いてp値を計算するグリッドベースの最大化検定統計量を用いる。わずかなグリッド点数でも高い検出力を持つため、広く用いられる選択モデル下での出版バイアスに関する信頼できる仮説検定が可能になる。

ABSTRACT

In meta-analyses, publication bias is a well-known, important and challenging issue because the validity of the results from a meta-analysis is threatened if the sample of studies retrieved for review is biased. One popular method to deal with publication bias is the Copas selection model, which provides a flexible sensitivity analysis for correcting the estimates with considerable insight into the data suppression mechanism. However, rigorous testing procedures under the Copas selection model to detect bias are lacking. To fill this gap, we develop a score-based test for detecting publication bias under the Copas selection model. We reveal that the behavior of the standard score test statistic is irregular because the parameters of the Copas selection model disappear under the null hypothesis, leading to an identifiability problem. We propose a novel test statistic and derive its limiting distribution. A bootstrap procedure is provided to obtain the p-value of the test for practical applications. We conduct extensive Monte Carlo simulations to evaluate the performance of the proposed test and apply the method to several existing meta-analyses.

研究の動機と目的

• コパス選択モデル下での出版バイアスに対する厳密な仮説検定手順の欠如に応えること。
• 帰無仮説下でパラメータが消える場合に生じる標準的検定統計量の非正則性および非同定不能性の問題を解消すること。
• 感度分析の前段階で日常的に適用可能な、実用的で検定可能な出版バイアス検出手法を開発すること。
• タイプI誤り率および統計的検出力の観点から、さまざまなシナリオにおける検定の実証的性能を評価すること。
• 異質性のI²に類似した、出版バイアスリスクの数量的指標を提供すること。

提案手法

• 非正則性を扱えるように適合されたスコア検定原理に基づく新しい検定統計量を提案。
• 出版バイアスがないという帰無仮説下での検定統計量の漸近的分布を導出。
• 妥当な値の範囲で選択モデルのパラメータ（γ₀, γ₁）に対するグリッドサーチを実施し、スコア検定統計量を最大化。
• 複雑な標本分布を考慮するため、パラメトリックブートストラップ手順を用いてp値を推定。
• タイプI誤り率および検出力を評価するため、複数のシナリオ下でのシミュレーションデータに手法を適用。
• 実世界のメタアナリシスに手法を適用し、実用的有用性を検証。

実験結果

リサーチクエスチョン

• RQ1 非正則性およびパラメータの同定不能性があるにもかかわらず、コパス選択モデル下で有効な仮説検定を構築できるか？
• RQ2 本手法の性能（タイプI誤り率および検出力）は、既存手法と比較してどうなるか？
• RQ3 真の選択モデルパラメータが不明であり、グリッドサーチによって推定されなければならない場合でも、検定の統計的検出力は維持されるか？
• RQ4 本検定は、出版バイアスのリスクを評価するための日常的診断ツールとして機能できるか？
• RQ5 γ₀およびγ₁のグリッド点数の数が、検定の検出力および安定性にどのように影響するか？

主な発見

• 帰無仮説下でパラメータの同定不能性および特異なフィッシャー情報行列が生じるため、標準的スコア検定はコパスモデル下で無効である。
• グリッド最大化スコア検定統計量とブートストラップp値を用いた本手法は、シミュレーションのあらゆるシナリオで適切なタイプI誤り率を維持する。
• グリッド点数を増やすほど検出力が向上するが、閾値に達すると安定化するため、スパarsなグリッドでも頑健性が保証される。
• 真の（γ₀, γ₁）値が既知である理想状況と比較して良好な検出力を達成しているため、優れた実証的性能が示された。
• 本手法は、実用的で解釈可能な出版バイアスリスクの指標を提供する。p値が小さいほど、選択的出版のリスクが高くなる。
• 著者らは、特に未公表の研究を探索可能な状況では、コパスに基づく感度分析を実施する前段階として、本検定を予備的診断ツールとして使用することを推奨する。