Inspirado por esta pergunta e pelo "Problema 3" em particular:
As distribuições posteriores são um pouco mais difíceis de incorporar em uma meta-análise, a menos que uma descrição paramétrica e freqüentista da distribuição tenha sido fornecida.
Recentemente, estive pensando bastante em incorporar a meta-análise a um modelo bayesiano - principalmente como fonte de anteriores -, mas como fazer isso na outra direção? Se a análise bayesiana realmente se tornar mais popular e se tornar muito fácil de incorporar no código existente (a declaração BAYES no SAS 9.2 e acima vem à mente), deveríamos obter mais frequentemente estimativas bayesianas de efeito na literatura.
Vamos fingir por um momento que temos um pesquisador aplicado que decidiu executar uma análise bayesiana. Usando o mesmo código de simulação que eu usei para esta pergunta , se eles seguissem uma estrutura frequentista, teriam as seguintes estimativas freqüentes:
log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633
Usando uma análise de instrução BAYES padrão, padrão e não informativa, não há razão para ter intervalos de confiança simétricos agradáveis ou erros padrão. Nesse caso, o posterior é facilmente descrito por uma distribuição normal; portanto, é possível descrevê-lo como tal e estar "próximo o suficiente", mas o que acontece se alguém relata uma estimativa de efeito bayesiano e um intervalo assimétrico de credibilidade? Existe uma maneira simples de incluir isso em uma meta-análise padrão ou a estimativa precisa ser carregada de volta para uma distribuição descrita parametricamente o mais próximo possível? Ou alguma outra coisa?