Hispanopedia Wiki
Articulo de referencia

Metarregresión

La metarregresión es un metaanálisis que utiliza el análisis de regresión para combinar, comparar y sintetizar los hallazgos de investigación de múltiples estudios, ajustando lo...

Hispanopedia WikiContenido en espanolLectura gratuita

La metarregresión es un metaanálisis que utiliza el análisis de regresión para combinar, comparar y sintetizar los hallazgos de investigación de múltiples estudios, ajustando los efectos de las covariables disponibles sobre una variable de respuesta. Un análisis de metarregresión busca conciliar estudios contradictorios o corroborar los consistentes; por lo tanto, se caracteriza por los estudios recopilados y sus conjuntos de datos correspondientes, ya sea que la variable de respuesta sean datos a nivel de estudio (o equivalentemente agregados ) o datos de participantes individuales (o datos de pacientes individuales en medicina). Un conjunto de datos es agregado cuando consta de estadísticas descriptivas como la media muestral , el tamaño del efecto o la razón de probabilidades . Por otro lado, los datos de participantes individuales son, en cierto sentido, datos brutos , ya que todas las observaciones se informan sin abreviación y, por lo tanto, sin pérdida de información. Los datos agregados se recopilan fácilmente a través de motores de búsqueda de internet y, por lo tanto, no son costosos. Sin embargo, los datos de participantes individuales suelen ser confidenciales y solo son accesibles dentro del grupo u organización que realizó los estudios.

Aunque el metaanálisis para datos observacionales también está siendo objeto de una extensa investigación, [ 1 ] [ 2 ] la literatura se centra principalmente en la combinación de ensayos controlados aleatorizados (ECA) . En los ECA, un estudio generalmente incluye un ensayo que consta de brazos . Un brazo se refiere a un grupo de participantes que recibieron la misma terapia, intervención o tratamiento . Un metaanálisis con algunos o todos los estudios que tienen más de dos brazos se denomina metaanálisis en red , metaanálisis indirecto o comparación de tratamientos múltiples . A pesar de ser también un término general, el metaanálisis a veces implica que todos los estudios incluidos tienen estrictamente dos brazos cada uno —los mismos dos tratamientos en todos los ensayos— para distinguirlo del metaanálisis en red. Una metarregresión puede clasificarse de la misma manera —metarregresión y metarregresión en red— dependiendo del número de tratamientos distintos en el análisis de regresión.

El metaanálisis (y la metarregresión) suele ubicarse en la cima de la jerarquía de la evidencia siempre que el análisis consista en datos individuales de participantes de ensayos clínicos controlados aleatorios. [ 3 ] La metarregresión juega un papel crítico al tener en cuenta los efectos de las covariables, especialmente en presencia de variables categóricas que pueden usarse para el análisis de subgrupos .

Modelos de metarregresión

La metarregresión abarca una amplia clase de modelos que pueden diferir según la caracterización de los datos disponibles. Generalmente no existe una descripción universal para los modelos de metarregresión. Los datos de participantes individuales, en particular, permiten un modelado flexible que refleja diferentes tipos de variables de respuesta: continuas, de conteo, de proporción y de correlación. Sin embargo, los datos agregados generalmente se modelan como una regresión lineal normal y tk = x tk ′ β + ε tk utilizando el teorema del límite central y la transformación de variables, donde el subíndice k indica el k -ésimo estudio o ensayo, t denota el t -ésimo tratamiento, y tk indica el punto final de respuesta para el t -ésimo brazo del k -ésimo estudio , x tk es el vector de covariables a nivel de brazo, ε tk es el término de error que se distribuye de forma independiente e idéntica como una distribución normal. Por ejemplo, una proporción muestral p̂ tk puede transformarse mediante logit o arcoseno antes del modelado de metarregresión, es decir, y tk = logit( p̂ tk ) o y tk = arcsin( p̂ tk ). De igual modo, la transformación z de Fisher puede utilizarse para correlaciones muestrales, es decir, y tk = arctanh( r tk ). La estadística descriptiva más común que se informa en un estudio es la media muestral y la desviación estándar muestral, en cuyo caso no se necesita ninguna transformación. También es posible derivar un modelo de datos agregados a partir de un modelo subyacente de datos de participantes individuales. Por ejemplo, si y itk es la respuesta binaria cero o uno donde el subíndice adicional i indica el i -ésimo participante, la proporción muestral p̂ tk como el promedio muestral de y itk para i = 1, 2, ..., n tk puede no requerir ninguna transformación si se asume que el teorema de De Moivre-Laplace está en juego. Tenga en cuenta que si una metarregresión es a nivel de estudio, en lugar de a nivel de grupo, no hay ningún subíndice t que indique el tratamiento asignado para el grupo correspondiente.

Una de las distinciones más importantes en los modelos de metaanálisis es si se debe asumir la heterogeneidad entre los estudios. Si un investigador asume que los estudios no son heterogéneos , esto implica que las diferencias entre ellos se deben únicamente al error de muestreo , sin diferencias sustanciales, en cuyo caso ninguna otra fuente de variación entraría en el modelo. Por otro lado, si los estudios son heterogéneos, se deben considerar las fuentes adicionales de variación, además del error de muestreo representado por ε tk . Esto, en última instancia, se traduce en una elección entre la metarregresión de efectos fijos y la metarregresión de efectos aleatorios (o, más precisamente, de efectos mixtos).

metarregresión de efectos fijos

La metarregresión de efectos fijos refleja la creencia de que los estudios involucrados carecen de diferencias sustanciales. Una metarregresión de efectos fijos a nivel de brazo se escribe como y tk = x tk ′ β + ɛ tk . Si solo se dispone de estadísticas descriptivas a nivel de estudio, se puede omitir el subíndice t para la asignación del tratamiento, obteniendo y k = x k ′ β + ɛ k . El término de error incluye un término de varianza σ tk 2 (o σ k 2 ) que no es estimable a menos que se informe la varianza muestral s tk 2 (o s k 2 ) así como y tk (o y k ). Lo más común es que se suponga que la varianza del modelo es igual en todos los brazos y estudios, en cuyo caso se omiten todos los subíndices, es decir, σ 2 . Si la variación entre estudios no es despreciable, las estimaciones de los parámetros estarán sesgadas y la inferencia estadística correspondiente no se puede generalizar.

metarregresión de efectos mixtos

Los términos metarregresión de efectos aleatorios y metarregresión de efectos mixtos son equivalentes. Si bien denominar a uno de ellos como modelo de efectos aleatorios indica la ausencia de efectos fijos, lo que técnicamente lo descalificaría como modelo de regresión, se podría argumentar que el modificador " efectos aleatorios " solo añade, no elimina, lo que todo modelo de regresión debería incluir: efectos fijos. Google Trends indica que ambos términos gozan de niveles de aceptación similares en las publicaciones a fecha de 24 de julio de 2021. [ 4 ]

La metarregresión de efectos mixtos incluye un término de efectos aleatorios además de los efectos fijos, lo que sugiere que los estudios son heterogéneos. Los efectos aleatorios, denotados por w tk ′ γ k , capturan la variabilidad entre ensayos. El modelo completo se convierte entonces en y tk = x tk ′ β + w tk ′ γ k + ε tk . Los efectos aleatorios en la metarregresión pretenden reflejar los efectos ruidosos del tratamiento —a menos que se suponga y modele de otra manera— lo que implica que la longitud del vector de coeficientes correspondiente γ k debe ser igual al número de tratamientos incluidos en el estudio. Esto implica que se supone que los tratamientos mismos son una fuente de variación en la variable de resultado; por ejemplo, el grupo que recibe un placebo no tendrá el mismo nivel de variabilidad en el nivel de colesterol que otro que recibe un fármaco reductor del colesterol. Restringiendo nuestra atención a la definición estricta de metaanálisis que incluye dos tratamientos, γ k es bidimensional, es decir, γ k = ( γ 1k , γ 2k ) ′ , para lo cual el modelo se reformula como y tk = x tk ′ β + γ tk + ε tk . La ventaja de escribir el modelo en una notación matricial-vectorial es que se puede investigar la correlación entre los tratamientos, Corr( γ 1k , γ 2k ). El vector de coeficientes aleatorios γ k es entonces una realización ruidosa del efecto real del tratamiento denotado por γ . La distribución de γ k se suele asumir que es una de la familia de localización-escala , en particular, una distribución normal multivariada , es decir, γ k ~ N ( γ , Ω).

¿Qué modelo elegir?

La metarregresión se ha empleado como técnica para obtener estimaciones de parámetros mejoradas que son de utilidad directa para los responsables políticos. La metarregresión proporciona un marco para la replicación y ofrece un análisis de sensibilidad para la especificación del modelo. [ 5 ] Existen varias estrategias para identificar y codificar datos observacionales empíricos. Los modelos de metarregresión pueden extenderse para modelar la dependencia dentro del estudio, la heterogeneidad excesiva y la selección de publicaciones. [ 5 ] El modelo de regresión de efectos fijos no permite la variación dentro del estudio. El modelo de efectos mixtos permite la variación dentro del estudio y la variación entre estudios y, por lo tanto, se considera el modelo más flexible para elegir en muchas aplicaciones. Aunque el supuesto de heterogeneidad puede probarse estadísticamente y es una práctica extendida en muchos campos, si esta prueba va seguida de otro conjunto de análisis de regresión, la inferencia estadística correspondiente está sujeta a lo que se denomina inferencia selectiva . [ 6 ] Estas pruebas de heterogeneidad tampoco concluyen que no hay heterogeneidad incluso cuando resultan insignificantes, y algunos investigadores aconsejan optar por la metarregresión de efectos mixtos en cualquier caso. [ 7 ]

Aplicaciones

La metarregresión es un enfoque estadísticamente riguroso para las revisiones sistemáticas . Entre las aplicaciones recientes se incluyen las revisiones cuantitativas de la literatura empírica en economía, negocios, energía y política hídrica. [ 8 ] Se han observado análisis de metarregresión en estudios de elasticidades precio e ingreso de diversos productos básicos e impuestos, [ 8 ] efectos indirectos de productividad en empresas multinacionales, [ 9 ] y cálculos sobre el valor de una vida estadística (VSL). [ 10 ] Otros análisis de metarregresión recientes se han centrado en la calificación de elasticidades derivadas de funciones de demanda. Algunos ejemplos incluyen elasticidades precio propias para el alcohol, el tabaco, el agua y la energía. [ 8 ]

En conservación de energía, el análisis de metarregresión se ha utilizado para evaluar estrategias de información conductual en el sector eléctrico residencial. [ 11 ] En análisis de políticas hídricas, la metarregresión se ha utilizado para evaluar estimaciones de ahorro de costos debido a la privatización de servicios gubernamentales locales para distribución de agua y recolección de residuos sólidos. [ 12 ] La metarregresión es una herramienta cada vez más popular para evaluar la evidencia disponible en estudios de análisis de costo-beneficio de una política o programa distribuidos en múltiples estudios.

Véase también

Referencias

  1. ↑ Stroup, Donna F.; Berlin, Jesse; Morton, Sally; Olkin, Ingram; Williamson, David; Rennie, Drummond; Moher, David; Becker, Betsy; Sipe, Theresa; Thacker, Stephen (19 de abril de 2000). "Metaanálisis de estudios observacionales en epidemiología: una propuesta para la presentación de informes". JAMA . 283 (15): 2008. doi : 10.1001/jama.283.15.2008 .
  2. ↑ Mueller, Monika; D'Addario, Maddalena; Egger, Matthias; Cevallos, Myriam; Dekkers, Olaf; Mugglin, Catrina; Scott, Pippa (diciembre de 2018). "Métodos para revisar sistemáticamente y meta-analizar estudios observacionales: una revisión exploratoria sistemática de recomendaciones" . BMC Medical Research Methodology . 18 (1): 44. doi : 10.1186/s12874-018-0495-9 . PMC 5963098. PMID 29783954 .  
  3. ↑ Investigación, Centro de Evaluación de Medicamentos y (27 de abril de 2020). "Metaanálisis de ensayos clínicos controlados aleatorios para evaluar la seguridad de medicamentos o productos biológicos para uso humano" . Administración de Alimentos y Medicamentos de EE . UU .
  4. ↑ "Google Trends" . Google Trends .
  5. 1 2 T.D. Stanley y Stephen B. Jarrell, (1989). Análisis de metarregresión: un método cuantitativo de revisiones bibliográficas. Journal of Economic Surveys , 19(3) 299-308.
  6. ↑ Benjamini, Yoav (16 de diciembre de 2020). "Inferencia selectiva: el asesino silencioso de la replicabilidad" . Harvard Data Science Review . 2 (4). doi : 10.1162/99608f92.fc62b261 .
  7. ↑ Thompson, Simon G.; Higgins, Julian PT (15 de junio de 2002). "¿Cómo deben realizarse e interpretarse los análisis de metarregresión?". Statistics in Medicine . 21 (11): 1559– 1573. doi : 10.1002/sim.1187 . PMID 12111920 . 
  8. 1 2 3 T.D. Stanley y Hristos Doucouliagos (2009). Análisis de metarregresión en economía y negocios , Nueva York: Routledge.
  9. ↑ H. Gorg y Eric Strobl (2001). Empresas multinacionales y efectos indirectos de productividad: un metaanálisis. The Economic Journal , 111(475) 723-739.
  10. ↑ F. Bellavance, Georges Dionne y Martin Lebeau (2009). El valor de una vida estadística: un metaanálisis con un modelo de regresión de efectos mixtos, Journal of Health Economics , 28(2) 444-464.
  11. ↑ MA Delmas, Miriam Fischlein y Omar I. Asensio (2013). Estrategias de información y comportamiento de conservación de energía: un metaanálisis de estudios experimentales 1975-2012. Energy Policy , 61, 729-739.
  12. ↑ G. Bel, Xavier Fageda y Mildred E. Warner (2010). ¿Es más barata la producción privada de servicios públicos que la producción pública? Un metaanálisis de regresión de los servicios de residuos sólidos y agua. Journal of Policy Analysis and Management. 29(3), 553-577.

Lecturas adicionales

  • Thompson, SG; Higgins, JPT (2002). "¿Cómo deben realizarse e interpretarse los análisis de metarregresión?". Statistics in Medicine . 21 (11): 1559– 1573. doi : 10.1002/sim.1187 . PMID 12111920 . 
  • Roberts, Colin; Stanley, TD (2005). Análisis de metarregresión: Problemas de sesgo de publicación en economía . Wiley-Blackwell. ISBN 978-1-4051-3799-7.
  • Viechtbauer, W. (2010). "Realización de metaanálisis en R con el paquete metafor" . Journal of Statistical Software . 36 (3): 3. doi : 10.18637/jss.v036.i03 .
  • Dias, S.; Sutton, AJ; Welton, NJ; Ades, AE (2013), "Síntesis de evidencia para la toma de decisiones 3: heterogeneidad - grupos de estudio, metarregresión, sesgo y ajuste de sesgo", Medical Decision Making , 33 (5): 618–640 , doi : 10.1177/0272989X13485157 , PMC 3704206 , PMID 23804507  
  • Tipton, E.; Pustejovsky, JE; Ahmadi, H. (2019), "Una historia de la metarregresión: desarrollos técnicos, conceptuales y prácticos entre 1974 y 2018" , Research Synthesis Methods , 10 (2): 161–179 , doi : 10.1002/jrsm.1338 , PMID 30589224 
  • Higgins, JPT; Lopez-Lopez, AM; Aloe, AM (2021), "Meta-regresión", en Schmid, CH; White, I.; Stijnen, T. (eds.), Handbook of Meta-Analysis , Chapman & Hall/CRC, doi : 10.1201/9781315119403 , ISBN 978-1-315-11940-3
  • Röver, C.; Friede, T. (2023), "Uso del paquete bayesmeta de R para la metarregresión bayesiana de efectos aleatorios", Computer Methods and Programs in Biomedicine , 229 107303, arXiv : 2209.06004 , doi : 10.1016/j.cmpb.2022.107303 , PMID 36566650 
Lecturas relacionadas
6 articulos
MetaanálisisMetaanálisisEl metanálisis es un método de síntesis de datos cuantitativos de múltiples estudios independientes que abordan una pregunta de investigación común...Análisis de regresiónLínea de regresión para 50 puntos aleatorios en una distribución gaussiana alrededor de la línea y=1,5x+2 (no se muestra) En modelado estadístico ,...CovarianzaCovarianzaLa covarianza en la teoría de probabilidad y estadística es una medida de la variabilidad conjunta de dos variables aleatorias . [1]Estadísticas descriptivasEstadísticas descriptivasEn estadística descriptiva , las estadísticas de resumen se utilizan para resumir un conjunto de observaciones , con el fin de comunicar la mayor c...Media aritméticaEn matemáticas y estadística , la media aritmética ( / ˌærɪθˈmɛtɪk / arr -ith- MET - ik ) , promedio aritmético o simplemente la media o promedio (...Tamaño del efectoEn estadística , un tamaño del efecto es un valor que mide la fuerza de la relación entre dos variables en una población, o una estimación basada e...