使用 metafor 的多级荟萃分析

Question

此代码是否适合使用 metafor 包在 R 中进行多级元分析？

我有嵌套在数据集（“数据”）中的文章（“引文”）中的效果大小（“id”）。澄清一下，在同一个已发表的作品中经常会报告多种效应量；并且不同的已发表作品通常使用相同的数据。

inf <- rma.mv(infcoef, infvar, random = ~ 1 | data/citation/id, data=dat)

我查看了Konstantopoulos, 2011，但我认为我有一个额外级别的聚类，所以我想确保我正确指定了模型。

谢谢！

Answer 1

我目前正在为我的综合考试进行荟萃分析，并且与您所说的模型几乎相同：我可以从同一项研究中提取多种效应量。我不适合使用metafor 的多级元分析模型，因为它没有适当地捕获相关的错误项。我在我的论文中写下了我的想法（仍在努力），所以这里是我的比较中关于如何解决这种情况的粗略解释：

我在 $m = 90$ 的研究中收集了 $k = 240$ 的效应量。表 2 描述了研究的分布：一半的研究 报告了不止一种效应量，三项研究报告为 多达 15 个效果大小。传统的元分析方法 假设所有效应量相互独立；这 在本分析中严重违反了假设，因为效果 从同一参与者中抽取的尺寸相互依赖。

理想情况下，可以使用多元荟萃分析来模拟这些 依赖关系；但是，这需要元分析员有权访问 到所有研究中所有测量的完整协方差矩阵。这是 在许多设置中都不现实 [@jackson2011multivariate]， 特别是在目前对文献的荟萃分析中，其中 (a) 研究人员几乎不发表这些信息，并且 (b) 该研究已经 在 70 年的过程中出版，使得获得这 许多论文研究的作者提供的信息是不可能的。
已提出多层次荟萃分析作为处理 效应大小之间的未知依赖关系 [@cheung2014modeling; @konstantopoulos2011 已修复； @ van2013three]。虽然有些人认为 个人可以在第 1 级建模，在第 2 级建模，以及 三级学习[例如，@cheung2014modeling]，三级 荟萃分析仍然假设残差在 集群 [@tanner2016handling]。这个假设被违反时 多个效应量来自相同的参与者。

当前“最先进的”[@polinin2017review] 对这些进行建模的方法 依赖关系和避免低估标准错误是使用 稳健的方差估计 [RVE; @hedges2010稳健； @tanner2016 处理]。我使用 RVE 进行了荟萃分析 robumeta R 包 [@fisher2015robumeta] 中的相关效应。

如上所述，我能够计算效果的方差 大小直接来自样本大小，但我无法计算 效应大小之间的协方差。 RVE 通过使用 每项研究的残差的叉积以估计 研究中效应大小的方差 - 协方差矩阵。虽然 每个研究中协方差矩阵的估计都不是很好， 组合方差估计收敛于真实方差，因为 研究数量接近无穷[@hedges2010robust]。

传统的荟萃分析权重效应大小通过使用倒数 方差。 RVE 使用 (a) 的倒数对每个效应大小进行加权 研究中所有效应量的平均方差（假设 跨效应量的恒定相关性）（b）除以数量 研究中的效应量。这确保了一项研究不会得到 “额外”的重量只是通过拥有更多的效果大小。

此方法主要用于此荟萃分析： 解释元回归系数。方差估计 在其他荟萃分析中发现的（例如，$Q、I^2、\tau^2$）并不精确 使用 RVE 时。鉴于 RVE 的这个缺点——以及我的主要关注点 解释元回归系数——我不会关注这些 估计。

参考资料（来自我的 .bib 文件，如果格式令人讨厌，请见谅）：

@article{jackson2011multivariate,
  title={Multivariate meta-analysis: Potential and promise},
  author={Jackson, Dan and Riley, Richard and White, Ian R},
  journal={Statistics in Medicine},
  volume={30},
  number={20},
  pages={2481--2498},
  year={2011},
  publisher={Wiley Online Library}
}
@article{cheung2014modeling,
  title={Modeling dependent effect sizes with three-level meta-analyses: A structural equation modeling approach},
  author={Cheung, Mike W L},
  journal={Psychological Methods},
  volume={19},
  number={2},
  pages={211--229},
  year={2014}
}
@article{konstantopoulos2011fixed,
  title={Fixed effects and variance components estimation in three-level meta-analysis},
  author={Konstantopoulos, Spyros},
  journal={Research Synthesis Methods},
  volume={2},
  number={1},
  pages={61--76},
  year={2011},
  publisher={Wiley Online Library}
}
@article{van2013three,
  title={Three-level meta-analysis of dependent effect sizes},
  author={Van den Noortgate, Wim and L{\'o}pez-L{\'o}pez, Jos{\'e} Antonio and Mar{\'\i}n-Mart{\'\i}nez, Fulgencio and S{\'a}nchez-Meca, Julio},
  journal={Behavior Research Methods},
  volume={45},
  number={2},
  pages={576--594},
  year={2013},
  publisher={Springer}
}
@article{tanner2016handling,
  title={Handling complex meta-analytic data structures using robust variance estimates: A tutorial in {R}},
  author={Tanner-Smith, Emily E and Tipton, Elizabeth and Polanin, Joshua R},
  journal={Journal of Developmental and Life-Course Criminology},
  volume={2},
  number={1},
  pages={85--112},
  year={2016},
  publisher={Springer}
}
@article{polanin2017review,
  title={A Review of Meta-Analysis Packages in {R}},
  author={Polanin, Joshua R and Hennessy, Emily A and Tanner-Smith, Emily E},
  journal={Journal of Educational and Behavioral Statistics},
  volume={42},
  number={2},
  pages={206--242},
  year={2017},
  publisher={SAGE Publications Sage CA: Los Angeles, CA}
}
@article{hedges2010robust,
  title={Robust variance estimation in meta-regression with dependent effect size estimates},
  author={Hedges, Leon V and Tipton, Elizabeth and Johnson, Matthew C},
  journal={Research synthesis methods},
  volume={1},
  number={1},
  pages={39--65},
  year={2010}
}
@article{fisher2015robumeta,
  title={robumeta: An {R}-package for robust variance estimation in meta-analysis},
  author={Fisher, Zachary and Tipton, Elizabeth},
  journal={arXiv preprint arXiv:1503.02220},
  year={2015}
}