[论文解读] A regression-based method for detecting publication bias in multivariate meta-analysis

Chuan Hong, Jing Zhang+4 more|arXiv (Cornell University)|Feb 12, 2020

Meta-analysis and systematic reviews参考文献 20被引用 6

一句话总结

本文提出了一种新颖的多变量得分检验（MPBT），通过联合建模多个相关结局，将Egger的回归检验扩展至多变量设置，用于检测多变量元分析中的发表偏倚。该方法通过在结局间借用信息，提高了统计效能，并能处理完全未发表和选择性报告的结局，在模拟研究中优于单变量方法。

ABSTRACT

Publication bias occurs when the publication of research results depends not only on the quality of the research but also on its nature and direction. The consequence is that published studies may not be truly representative of all valid studies undertaken, and this bias may threaten the validity of systematic reviews and meta-analyses - on which evidence-based medicine increasingly relies. Multivariate meta-analysis has recently received increasing attention for its ability reducing potential bias and improving statistical efficiency by borrowing information across outcomes. However, detecting and accounting for publication bias are more challenging in multivariate meta-analysis setting because some studies may be completely unpublished whereas some studies may selectively report part of multiple outcomes. In this paper, we propose a score test for jointly testing publication bias for multiple outcomes, which is novel to the multivariate setting. The proposed test is a natural multivariate extension of the univariate Egger's test, and can handle the above mentioned scenarios simultaneously, It accounts for correlations among multivariate outcomes, while allowing different types of outcomes, and can borrow information across outcomes. The proposed test is shown to be more powerful than the Egger's test, Begg's test and Trim and Fill method through simulation studies. Two data analyses are given to illustrate the performance of the proposed test in practice.

研究动机与目标

• 解决在多个相关结局可能被选择性报告的多变量元分析中检测发表偏倚的挑战。
• 开发一种联合检验多个结局发表偏倚的方法，克服单变量方法的局限性。
• 通过在结局间借用信息，提高统计效能，特别是在研究数量较少的情况下。
• 处理完全未发表的研究以及仅选择性报告部分结局的研究。
• 提供一种稳健的多变量Egger回归检验扩展，可适应不同类型和尺度的结局。

提出的方法

• 提出一种得分检验（MPBT），通过多变量随机效应模型将Egger的单变量回归检验扩展至多变量结局。
• 同时建模多个结局的效应量估计与其精度（标准误）之间的关系。
• 通过纳入结局间的组内相关性以提高效率和效能，假设这些相关性已知或可估计。
• 采用联合似然框架，同时检验所有结局中无发表偏倚的原假设。
• 应用多变量回归模型，允许截距在不同结局间变化，斜率则表示发表偏倚导致的不对称性。
• 通过利用多变量相关结构，支持不同类型（如连续型、二分类）和尺度的结局。

实验结果

研究问题

• RQ1 多变量Egger检验能否比单变量方法更有效地检测具有多个相关结局的元分析中的发表偏倚？
• RQ2 当研究完全未发表或仅选择性报告部分结局时，所提出的方法在检测发表偏倚方面表现如何？
• RQ3 在结局间借用信息是否能提高检测发表偏倚的统计效能，尤其是在研究数量较少的情况下？
• RQ4 与Egger检验、Begg检验及Trim and Fill方法相比，MPBT在控制第一类错误率和效能方面表现如何？
• RQ5 该方法是否可应用于不同类型和尺度的结局，如临床试验中的疗效和安全性？

主要发现

• 在模拟研究中，所提出的MPBT在低研究数量设置下，统计效能显著优于Egger检验、Begg检验和Trim and Fill方法。
• MPBT在各种模拟情景下，包括不同相关性结构和结局类型，均有效控制了第一类错误率。
• 在药物洗脱支架的元分析中，MPBT同时检测出疗效和安全性结局存在显著发表偏倚，而单变量检验未能检测出敏感性结局的偏倚。
• 该方法成功识别出特异性漏斗图中的不对称性，与视觉检查一致，且在检测偏倚方面优于Trim and Fill方法。
• 模拟结果表明，即使组内相关性为估计值而非已知值，MPBT仍保持稳健性，但已知相关性可进一步提升性能。
• 在涉及混合结局（如疗效和安全性）的临床元分析中，该方法尤其具有优势，因为将结局合并为单一指标在临床上无意义。