[論文レビュー] robumeta: An R-package for robust variance estimation in meta-analysis

Zachary F. Fisher, Elizabeth Tipton|arXiv (Cornell University)|Mar 7, 2015

Advanced Statistical Methods and Models参考文献 26被引用数 280

ひとこと要約

この論文は、未知または複雑な依存構造によって効果量が非独立となる状況においても有効な推論を可能にする、メタアナリシスにおける頑健な分散推定（RVE）を実装したrobumeta Rパッケージを紹介する。大標本および小標本補正付きRVE推定器を実装しており、40件未満の研究でもメタ回帰の精度を向上させ、階層的重み付けとグループ平均およびグループ中心化予測子を用いた効果量の分解を可能にする。

ABSTRACT

Meta-regression models are commonly used to synthesize and compare effect sizes. Unfortunately, traditional meta-regression methods are ill-equipped to handle the complex and often unknown correlations among non-independent effect sizes. Robust variance estimation (RVE) is a recently proposed meta-analytic method for dealing with dependent effect sizes. The robumeta package provides functions for performing robust variance meta-regression using both large and small sample RVE estimators under various weighting schemes. These methods are distribution free and provide valid point estimates, standard errors and hypothesis tests even when the degree and structure of dependence between effect sizes is unknown.

研究の動機と目的

• 未知または複雑な共分散構造によって効果量が非独立となる状況における従来のメタ回帰の限界を解消すること。
• Rで頑健な分散推定（RVE）を実装し、研究内相関の知識がなくても有効な標準誤差と仮説検定を提供すること。
• 近年開発された補正を用いて小標本設定に拡張し、研究数が40未満の状況でもカバレッジと推論の精度を向上させること。
• 分布に依存しない、使いやすいツールを研究者に提供し、非対称または偏った共変数およびネストされた研究デザインに対応すること。

提案手法

• 一般状況下でも一貫した点推定と有効な標準誤差を生み出すために、頑健な分散推定（RVE）を用いる。依存構造が未知であっても有効である。
• 大標本および小標本補正付きRVE推定器を適用し、特に40件未満の研究で有限標本性能を向上させる。
• 効果量が研究内または治療施設内にネストされている場合に依存をモデル化するため、階層的効果重み付け（HIER）を実装する。
• 予測子（例：フォローアップ期間）のグループ平均およびグループ中心化変換を用い、クラスタ内およびクラスタ間効果を別々に推定する。
• 自由度が低いか不均衡な場合に推論を改善するために、Satterthwaiteの自由度近似を適用する。
• RVE手法に準拠したフォレストプロットおよびモデル診断用関数を提供する。

実験結果

リサーチクエスチョン

• RQ1 共分散構造が未知または誤りである非独立効果量の状況において、頑健な分散推定（RVE）が有効な推論を提供できるか。
• RQ2 研究数が40未満の小標本設定においてRVEの性能はどのように変化するか。また、補正を施すことでカバレッジと第一種の過誤率が改善されるか。
• RQ3 非対称または偏った共変数が、RVEにおけるSatterthwaite自由度の信頼性にどの程度影響を与えるか。
• RQ4 予測子（例：フォローアップ期間）のクラスタ内およびクラスタ間効果を、階層的メタ回帰モデルでどのように分離できるか。
• RQ5 心理学、教育、医学を含む多様なメタアナリティクスの文脈において、研究内相関の完全な知識がなくても、RVEを一貫して適用可能か。

主な発見

• robumetaパッケージは、大標本および小標本補正付きRVE推定器を成功裏に実装しており、40件未満の研究を含むメタ回帰における推論を顕著に改善している。
• Tipton（in press）が開発した小標本補正は、研究数が少ない場合や共変数が非対称な場合に、標準誤差と信頼区間の精度を著しく向上させる。
• 実応用例では、飲酒の摂取行動を基準変数として用いる場合、その効果が陽性かつ統計的に有意（p = 0.0035）であることが判明し、このような研究では治療効果量が高くなる傾向がある。
• フォローアップ期間の予測子に対するSatterthwaite自由度は4未満であったため、これらの効果の推論は信頼性が低く、非対称な共変数に関するシミュレーション結果とも整合する。
• フォローアップ期間のグループ平均およびグループ中心化変換により、研究内および研究間効果を分離でき、結果の解釈性が向上した。
• パッケージは、正確な依存構造が不明な状況下でも、非独立効果量を扱うメタ回帰を実施しながら、有効な統計的推論を維持できる。