Estou trabalhando em uma meta-análise de efeitos aleatórios, cobrindo uma série de estudos que não relatam desvios padrão; todos os estudos relatam o tamanho da amostra. Não acredito que seja possível aproximar ou imputar os dados ausentes do SD. Como uma metanálise que usa diferenças brutas (não padronizadas) significa diferenças como tamanho de efeito deve ser ponderada quando os desvios padrão não estão disponíveis para todos os estudos? É claro que ainda posso estimar o tau-quadrado e gostaria de incorporar essa medida da variação entre os estudos em qualquer esquema de ponderação que eu use para permanecer dentro da estrutura de efeitos aleatórios.
Um pouco mais de informação está incluída abaixo:
Por que as diferenças médias brutas ainda podem ser úteis: Os dados são relatados em uma escala intrinsecamente significativa: dólares americanos por unidade. Assim, uma metanálise das diferenças médias seria imediatamente interpretável.
Por que não consigo aproximar ou imputar os dados de SD: Os estudos para os quais faltam dados de desvio padrão não incluem dados suficientes para aproximar um desvio padrão (ou seja, mediana e intervalo nunca são relatados na literatura). A imputação dos dados ausentes parece desaconselhável, pois grande parte dos estudos está faltando o dp e porque os estudos diferem muito em termos de região geográfica coberta e protocolo de pesquisa.
O que normalmente é feito com diferenças médias brutas na metanálise: os pesos dos estudos são baseados no erro padrão da diferença média (normalmente calculado com o tamanho da amostra e a variação combinada). Eu não tenho isso. Em uma meta-análise de efeitos aleatórios, os pesos do estudo também incluem um termo para variação entre os estudos. Eu tenho isto.
A ponderação simples do tamanho da amostra inversa pode ser usada neste contexto? Como eu incorporaria minha estimativa de tau-quadrado (ou alguma outra medida de dispersão entre estudos) na ponderação?