大規模な研究で小さな効果を見つけることが出版バイアスを示すのはなぜですか?


32

いくつかの方法論論文(eg Egger et al 1997a、1997b)では、以下のようなファンネルプロットを使用して、メタ分析によって明らかにされた出版バイアスを議論しています。 心筋梗塞におけるベータ遮断薬の漏斗プロット

1997bの論文は続けて、「出版バイアスが存在する場合、発表された研究のうち、最大のものが最小の効果を報告することが予想される」と述べています。しかし、それはなぜですか?これはすべて、私たちがすでに知っていることであることが証明されるように思えます。小さな影響は、大きなサンプルサイズでのみ検出可能です。未発表のままの研究については何も言わずに。

また、引用された研究は、ファンネルプロットで視覚的に評価される非対称性は、「大きなメリットの少ない小規模試験の選択的非公開があったことを示している」と主張しています。しかし、再び、私はどのように理解していない任意の研究の特徴をされた公表はおそらく私たちにされた作品については何も(私たちは推論を行うことができ)伝えることができない、公開を!

参考文献
Egger、M.、Smith、GD、&Phillips、AN(1997)。メタ分析:原則と手順。BMJ、315(7121)、1533-1537。

Egger、M.、Smith、GD、Schneider、M。、およびMinder、C。(1997)。単純なグラフィカルテストによって検出されたメタ分析のバイアスBMJ、315(7109)、629-634。


これが正しい方法だとは思いません。おそらくこのQ&Aへの回答は、stats.stackexchange.com
questions /

7
小規模な調査を公開するには、実際の効果の大きさに関係なく、大きな効果を示す必要があります。
einar

回答:


23

N(.01,.1)

p<.05

ご覧のように、出版バイアスでは、小規模な研究では効果サイズを過大評価し、大規模な研究では効果に近いサイズを報告する傾向が強い。

set.seed(20-02-19)

n_studies <- 1000
sample_size <- sample(2:2000, n_studies, replace=T)

studies <- plyr::aaply(sample_size, 1, function(size) {
  dat <- rnorm(size, mean = .01, sd = .1)
  c(effect_size=mean(dat), p_value=t.test(dat)$p.value)
})

studies <- cbind(studies, sample_size=log(sample_size))

include <- studies[, "p_value"] < .05

plot(studies[, "sample_size"], studies[, "effect_size"], 
     xlab = "log(sample size)", ylab="effect size",
     col=ifelse(include, "black", "grey"), pch=20)
lines(lowess(x = studies[, "sample_size"], studies[, "effect_size"]), col="grey", lwd=2)
lines(lowess(x = studies[include, "sample_size"], studies[include, "effect_size"]), col="red", lwd=2)
abline(h=.01)

reprexパッケージ(v0.2.1)によって2019-02-20に作成


1
素晴らしい点、これを本当に直感的に理解するのに役立ちます、ありがとう!
z8080

2
+1この図は千語に値し、問題をうまく要約しています。真の効果の大きさが0である場合、バイアスのこのタイプも見出すことができる
Underminer

29

まず、「出版バイアス」とは何か、そしてそれが実際に文献に反映するものにどのように影響するかについて考える必要があります。

p<0.05|θ^|/SE(θ^)>1.96nSE(θ^)|θ^|

θ|θ^| θ^|θ| 実際に出版物にした小規模な実験から通常見られるものよりも大幅に小さい。

|θ^| SE(θ^)p<0.05


nSE(θ)|θ|SE(θ)=SD(θ)nSE(θ)SE

19

このステートメントを別の方法で読んでください。

出版バイアスがない場合、効果の大きさは研究の大きさに依存しないはずです。

つまり、ある現象を研究している場合、効果の大きさは現象の特性であり、サンプル/研究ではありません。

効果サイズの推定値は、研究間で異なる可能性があります(また、変化します)が、研究サイズの増加に伴って効果的なサイズが系統的に減少する場合、バイアスがあることを示唆しています。全体のポイントは、この関係が、公開されていない低効果サイズを示す追加の小さな研究があることを示唆していることであり、公開されてメタ分析に含めることができる場合、全体的な印象は効果サイズが小さいということです公開された研究のサブセットから推定されるものよりも。

調査全体での効果サイズの推定値の分散は、サンプルサイズによって異なりますが、バイアスがなければ、低いサンプルサイズで同数の過不足の推定値が表示されるはずです。


1
しかし、「出版バイアスがなければ、効果の大きさは研究の大きさに依存しない」と言うのは本当に正しいのでしょうか?もちろん、これは本当の根底にある効果について言及するときに当てはまりますが、それらは推定効果を指していると思います。効果の大きさである研究サイズ示唆している(バイアス)の依存は、散布図(高い相関)で直線的な関係になります。これは、これらの漏斗プロットのコースの多くは、にもかかわらず、私は個人的に任意の漏斗プロットでは見たことがない何かでなかったバイアスが存在することを示唆しています。
z8080

2
@ z8080そのとおりです。平均と標準偏差の推定値に偏りがない場合にのみ、出版バイアスがない場合、推定効果サイズは研究サイズから完全に独立します。サンプルの標準偏差には偏りがあるため、効果サイズの推定値には多少の偏りがありますが、その偏りはエッガーらが言及している研究全体の偏りのレベルに比べて小さいです。私の答えでは、サンプルサイズがSD推定値にほぼ偏らないほど大きいと仮定し、したがって、研究サイズとは無関係であると見なして、無視できるものとして扱っています。
ブライアンクラウス

2
@ z8080 効果サイズの推定値の分散はサンプルサイズに依存しますが、低サンプルサイズで同じ数の過不足の推定値が表示されるはずです。
ブライアンクラウス

2
「効果の大きさの推定値は、研究間で異なる可能性があります(しかし、変化します)が、効果の大きさと研究の大きさの間に系統的な関係がある場合」効果サイズの分布は、サンプルサイズの違いによって異なるため、バイアスの有無にかかわらず、サンプルサイズに依存しません。バイアスは、依存の体系的な方向です。
蓄積

@Acccumulation私の編集はあなたが見た明瞭さの欠如を修正しますか?
ブライアンクラウス
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.