[논문 리뷰] Testing for publication bias in meta-analysis under Copas selection model

Rui Duan, Jin Piao외 6명|arXiv (Cornell University)|2020. 07. 02.

Statistical Methods in Clinical Trials참고 문헌 38인용 수 6

한 줄 요약

이 논문은 비정규성과 매개변수 식별불능성으로 인해 표준 검정 절차가 무효화되는 상황에서 Copas 선택 모델 하에 메타분석에서 출판 편향을 탐지하기 위한 새로운 점수 기반 검정을 제안한다. 이 방법은 표본 분포의 복잡성을 고려하여 p-값을 계산하기 위해 파arametric 부트스트랩을 사용하는 격자 기반 최대화 검정 통계량을 사용하며, 이는 제한된 격자 포인트 수에서도 높은 검정력과 신뢰할 수 있는 가설 검정을 가능하게 하여 널리 사용되는 선택 모델 하에서 출판 편향에 대한 신뢰할 수 있는 검정을 제공한다.

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.

연구 동기 및 목표

• Copas 선택 모델 하에서 출판 편향에 대한 엄밀한 가설 검정 절차의 부족을 해결하기 위해.
• 귀무가설 하에서 매개변수가 0이 되는 경우 발생하는 비정규성과 표준 검정 통계량의 매개변수 식별불능 문제를 해결하기 위해.
• 감도 분석 이전에 일상적으로 적용할 수 있는 실용적이고 검증 가능한 출판 편향 탐지 방법을 개발하기 위해.
• 다양한 시나리오에서 유의수준 오류와 통계적 검정력 측면에서 검정의 경험적 성능을 평가하기 위해.
• 이질성에 대한 I²와 유사한 출판 편향 위험의 정량적 측정 기준을 제공하기 위해.

제안 방법

• 비정규성이 존재하는 Copas 선택 모델을 고려하여 조정된 점수 검정 원리를 기반으로 한 새로운 검정 통계량을 제안한다.
• 출판 편향이 없는 귀무가설 하에서 검정 통계량의 점근적 분포를 유도한다.
• 유의미한 값들에 대해 선택 모델 매개변수 (γ₀, γ₁) 에 대한 격자 탐색을 수행하여 가능한 값들 중에서 점수 검정 통계량을 최대화한다.
• 복잡한 표본 분포를 반영하기 위해 파라메트릭 부트스트랩 절차를 사용하여 p-값을 추정한다.
• 유의수준 오류와 검정력을 평가하기 위해 다양한 시나리오 하에서 시뮬레이션된 데이터에 방법을 적용한다.
• 실제 메타분석에 방법을 적용하여 실용적 유용성을 입증한다.

실험 결과

연구 질문

• RQ1 비정규성과 매개변수 식별불능성으로 인해 표준 점수 검정이 무효화되는 상황에서 Copas 선택 모델 하에 유효한 가설 검정을 개발할 수 있는가?
• RQ2 제안된 검정의 성능이 기존 방법과 비교해 유의수준 오류와 검정력 측면에서 어떻게 다른가?
• RQ3 진짜 선택 모델 매개변수 (γ₀, γ₁) 가 알려져 있지 않고 격자 탐색을 통해 추정되어야 할 경우에도 검정이 높은 통계적 검정력을 유지하는가?
• RQ4 이 검정이 메타분석에서 출판 편향 위험을 평가하기 위한 일상적인 진단 도구로 기능할 수 있는가?
• RQ5 γ₀ 및 γ₁에 대한 격자 포인트 수가 검정의 검정력과 안정성에 어떻게 영향을 미치는가?

주요 결과

• 귀무가설 하에서 매개변수 식별불능성과 특이한 피셔 정보 행렬로 인해 표준 점수 검정은 Copas 모델 하에서 무효하다.
• 부트스트랩 p-값을 사용하는 격자 최대화 점수 검정 통계량을 기반으로 한 제안된 검정은 시뮬레이션 시나리오 전반에서 적절한 유의수준 오류 비율을 유지한다.
• 검정력은 격자 포인트 수가 증가함에 따라 증가하지만 특정 임계값을 초과하면 안정화되며, 이는 희소한 격자에서도 강건함을 보임을 시사한다.
• 진짜 (γ₀, γ₁) 값이 알려진 이상적인 상황과 비교해도 양호한 검정력을 확보함으로써 강력한 경험적 성능을 입증한다.
• 이 방법은 실용적이고 해석 가능한 출판 편향 위험 측정 기준을 제공하며, 더 낮은 p-값은 선택적 게재 위험이 높다는 것을 의미한다.
• 저자들은 특히 비공개 연구를 찾는 것이 가능할 경우, Copas 기반 감도 분 析를 수행하기 이전에 이 검정을 사전 진단 도구로 사용할 것을 권장한다.