変量効果メタ分析の代替重み付けスキーム：標準偏差の欠落

私は、標準偏差を報告しない多くの研究をカバーする変量効果メタ分析に取り組んでいます。すべての研究はサンプルサイズを報告しています。SDの欠損データを概算または推定することはできないと思います。すべての研究で標準偏差が利用できない場合、生の（非標準化）平均差を効果サイズとして重み付けするメタ分析はどのように重み付けする必要がありますか？もちろん、タウ2乗を推定することもできます。ランダム効果フレームワーク内に留まるために使用する重み付けスキームに、スタディ間の分散の測定値を組み込みたいと思います。

もう少し情報が含まれています：

1. 生の平均値の差が依然として有用である理由：データは、本質的に意味のあるスケール（単位あたりの米ドル）で報告されます。したがって、平均差のメタ分析はすぐに解釈できます。

2. SDデータを概算または推定できない理由：標準偏差データが欠落している研究には、標準偏差を概算するのに十分なデータが含まれていません（つまり、中央値と範囲が文献で報告されることはありません）。研究の大部分がsdを欠いているため、欠落しているデータを補うことはお勧めできません。これは、研究が対象地域と調査プロトコルの点で大きく異なるためです。

3. メタアナリシスの生の平均差で通常行われること：研究の重みは、平均差の標準誤差に基づいています（通常、サンプルサイズの項とプールされた分散で計算されます）。これを持っていない。変量効果メタ分析では、研究の重みには、研究間の分散の用語も含まれます。これがあります。

このコンテキストで単純な逆サンプルサイズの重み付けを使用できますか？タウ2乗の推定値（または研究間の分散のその他の測定値）を重み付けにどのように組み込みますか？

$n$$1/\text{SE}^2$$2\hat{\sigma}/\sqrt{n}$$\sigma$$\hat{\sigma}$

$n$$\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$$2\sigma/\sqrt{n}$$n_1=n_2=n/2$$\sigma=\sigma_1=\sigma_2$

$\sigma$

もう1つの考えは、変換されていない米ドルまたは単位あたりの米ドルを使用すると、問題が発生する場合とそうでない場合があります。場合によっては、たとえばログ変換を使用してメタ分析し、その後で逆変換することが望ましい場合があります。

データセット全般、特にメタ分析の見積もりについて、より詳細な情報があると便利です。さらに、あなたが含めている完全な研究の平均とSDが何であるかを知ることは興味深いでしょう。

とは言っても、私の実用的なアプローチは、ヒントとして、サンプルサイズの重み付けを使用することです（なぜ逆ですか？）が、これはせいぜい仮説を生成するメタ分析であり、その最大の強みは、一次研究。

以下は、メタ分析におけるサンプルの重み付けの潜在的な使用に関するいくつかの有用な参照です。

http://faculty.cas.usf.edu/mbrannick/papers/conf/SIOP08Wts.doc

https://www.meta-analysis.com/downloads/Meta%20Analysis%20Fixed%20vs%20Random%20effects.pdf

http://epm.sagepub.com/content/70/1/56.abstract