Responder a essa (boa) pergunta com responsabilidade provavelmente requer abordar tópicos de meta-análise além da meta-regressão convencional. Encontrei esse problema ao consultar as meta-análises dos clientes, mas ainda não encontrei ou desenvolvi uma solução satisfatória, portanto, essa resposta não é definitiva. Menciono abaixo cinco idéias relevantes com citações de referência selecionadas.
Primeiro, apresentarei terminologia e notação para esclarecimento. Suponho que você tenha emparelhado dados de tamanho de efeito (ES) de estudos independentes, como as estimativas ES do Estudo i y D i para problemas com a bebida (DP) e y A i para ansiedade, i = 1 , 2 , … , k , bem como a variação condicional / amostral de cada estimativa (ou seja, erro padrão quadrado), digamos v D i e v A i . Vamos denotar os dois parâmetros ES do Estudo i (isto é, ESs de amostra verdadeira ou infinita) comokEuyD iyA ii=1,2,…,kvDivAii e θ A i . Tomando os de efeitos aleatórios tradicionais ver que estes parâmetros ES variar aleatoriamente entre os estudos, que poderia designar os seus meios de entre-estudos e variações como μ D = E ( θ D i ) e τ 2 D = V um r ( θ D i ) para DP e como μ A = E ( θ A i ) e τ 2 A = V a rθDiθAiμD=E(θDi)τ2D=Var(θDi)μA=E(θAi) para ansiedade. Em uma metanálise convencional para cada DP e ansiedade separadamente (por exemplo, com precisões como pesos), podemos assumir que a distribuição amostral de cada estimativa ES é normal com variação conhecida - isto é, y D i | θ D i ∼ N ( θ D i , v D i ) e y A i | θ A i ∼ N ( θ A i , v A i ) com vτ2A=Var(θAi)yDi|θDi∼N(θDi,vDi)yAi|θAi∼N(θAi,vAi) e v A i conhecidos - pelo menos para grandes amostras dentro do estudo.vDivAi
Não precisamos necessariamente ter uma visão de efeitos aleatórios desse problema, mas devemos permitir que e θ A i variem entre os estudos para que questões sobre sua associação façam sentido. Também poderemos fazer isso em uma estrutura heterogênea de efeitos fixos, se formos cuidadosos com os procedimentos e a interpretação (por exemplo, Bonett, 2009). Além disso, não sei se seus SEs são correlações, diferenças médias (padronizadas), razões de chances (log) ou outra medida, mas a métrica ES não importa muito para a maioria do que digo abaixo.θDiθAi
Agora, vamos às cinco idéias.
1. Viés ecológico: avaliar uma associação entre seus dois SEs aborda uma questão no nível do estudo , não no nível do assuntoquestão. Eu já vi meta-analistas interpretarem inadequadamente uma associação positiva entre dois SEs como o seu da seguinte forma: Os indivíduos para os quais a intervenção diminui a ansiedade tendem a diminuir mais na DP. As análises de dados de ES no nível de estudo não suportam declarações como essa; isso tem a ver com o viés ecológico ou a falácia ecológica (por exemplo, Berlin et al., 2002; McIntosh, 1996). Aliás, se você tivesse dados individuais de pacientes / participantes (DPI) dos estudos ou algumas estimativas adicionais de amostras (por exemplo, correlação de cada grupo entre ansiedade e DP), você poderia abordar certas questões no nível do sujeito sobre moderação ou mediação envolvendo a intervenção, ansiedade e DP, como o efeito da intervenção na associação ansiedade-DP ou o efeito indireto da intervenção na DP via ansiedade (por exemplo, intervenção ansiedade → DP).→→
2. Meta Regressão-Problemas: Embora você possa regredir on y Um i usando um procedimento de meta-regressão convencional de que trata y Um i como um fixo, conhecido covariável / regressor / preditor, isso provavelmente não é inteiramente apropriado. Para entender possíveis problemas com isso, considere o que poderíamos fazer, se fosse possível: Regresse θ D i em θ A i usando regressão comum (por exemplo, OLS) para estimar ou testar se ou como θ D i significa covários com θ A i . Se tivéssemos cadayDiyAiyAiθDiθAiθDiθAi , usando a meta-regressão convencional para regredir y D i em θ A i nos daria o que queremos, porque o modelo (simples) entre estudos é θ D i = β 0 + β 1 θ A i + u i , onde u i é erro aleatório. Usando a mesma abordagem para regredir y D i em y Um i , no entanto, ignora os dois problemas: y Um i difere da θθAiyDiθAiθDi=β0+β1θAi+uiuiyDiyAiyAi devido a erro de amostragem (por exemplo, quantificado por v A i ) e tem uma correlação dentro do estudo com y D i devido à correlação em nível de sujeito entre ansiedade e DP. Suspeito que um ou ambos os problemas distorçam a estimativa de associação entre θ D i e θ A i , como devido ao viés de diluição da regressão / atenuação.θAivAiyDiθDiθAi
3. Risco de linha de base:Vários autores abordaram problemas análogos aos do item 2 para meta-análises do efeito de uma intervenção em um resultado binário. Em tais metanálises, geralmente existe a preocupação de que o efeito do tratamento cubra a probabilidade ou taxa do resultado em uma população não tratada (por exemplo, efeito maior para indivíduos com maior risco). É tentador usar a meta-regressão convencional para prever o efeito do tratamento a partir da taxa de risco ou evento de um grupo de controle, uma vez que este último representa o risco subjacente / população / linha de base. Vários autores, no entanto, demonstraram limitações dessa estratégia simples ou propuseram técnicas alternativas (por exemplo, Dohoo et al., 2007; Ghidey et al., 2007; Schmid et al., 1998). Algumas dessas técnicas podem ser adequadas ou adaptáveis à sua situação envolvendo dois ESs de múltiplos terminais.
iyi=[yDi,yAi]θi=[θDi,θAi]Vi=[vDi,vDAi;vADi,vAi]μ=[μD,μA]T=[τ2D,τDA;τAD,τ2A]yDiyAiτDA=τADμTθDiθAiθDiθAiθDiθAiθAiθDiθAivDAi=vADi
5. SEM para Meta-Análise: Alguns dos trabalhos de Mike Cheung na formulação de modelos meta-analíticos como modelos de equações estruturais (SEMs) podem oferecer uma solução. Ele propôs maneiras de implementar uma ampla variedade de modelos de meta-análise uni e multivariados de efeitos fixos, aleatórios e efeitos mistos usando o software SEM, e ele fornece software para isso:
http://courses.nus.edu.sg/course/psycwlm/internet/metaSEM/index.html
Em particular, Cheung (2009) incluiu um exemplo em que um SE é tratado como mediador entre uma covariável em nível de estudo e outro ES, que é mais complexo do que a sua situação de prever um ES com outro.
Referências
Berlin, JA, Santanna, J., Schmid, CH, Szczech, LA, & Feldman, HI (2002). Meta-regressões de dados individuais em nível de paciente versus grupo para a investigação de modificadores de efeito do tratamento: O viés ecológico eleva sua cabeça feia. Statistics in Medicine, 21, 371-387. doi: 10.1002 / sim.1023
Bonett, DG (2009). Estimativa de intervalo meta-analítico para diferenças médias padronizadas e não padronizadas. Psychological Methods, 14, 225-238. doi: 10.1037 / a0016619
Cheung, MW-L. (Maio de 2009). Modelagem de tamanhos de efeitos multivariados com modelos de equações estruturais. Em AR Hafdahl (Presidente), Avanços na meta-análise para modelos lineares multivariáveis. Simpósio convidado apresentado na reunião da Association for Psychological Science, em San Francisco, CA.
Dohoo, I., Stryhn, H., & Sanchez, J. (2007). Avaliação do risco subjacente como fonte de heterogeneidade em metanálises: um estudo de simulação de implementações bayesianas e freqüentes de três modelos. Medicina Veterinária Preventiva, 81, 38-55. doi: 10.1016 / j.prevetmed.2007.04.010
Ghidey, W., Lesaffre, E., & Stijnen, T. (2007). Modelagem semi-paramétrica da distribuição do risco de linha de base na meta-análise. Statistics in Medicine, 26, 5434-5444. doi: 10.1002 / sim.3066
Jackson, D., White, IR, & Thompson, SG (2010). Estendendo a metodologia DerSimonian e Laird para realizar meta-análises multivariadas de efeitos aleatórios. Statistics in Medicine, 29, 1282-1297. doi: 10.1002 / sim.3602
McIntosh, MW (1996). Controle de um parâmetro ecológico em metanálises e modelos hierárquicos (dissertação de doutorado). Disponível no banco de dados ProQuest Dissertations and Theses. (UMI No. 9631547)
Riley, RD, Thompson, JR e Abrams, KR (2008). Um modelo alternativo para a meta-análise de efeitos aleatórios bivariados quando as correlações dentro do estudo são desconhecidas. Bioestatística, 9, 172-186. doi: 10.1093 / bioestatística / kxm023
Schmid, CH, Lau, J., McIntosh, MW, & Cappelleri, JC (1998). Um estudo empírico do efeito da taxa de controle como um preditor da eficácia do tratamento na metanálise de ensaios clínicos. Statistics in Medicine, 17, 1923-1942. doi: 10.1002 / (SICI) 1097-0258 (19980915) 17:17 <1923 :: AID-SIM874> 3.0.CO; 2-6
White, IR (2011). Meta-regressão multivariada de efeitos aleatórios: Atualizações para mvmeta. Stata Journal, 11, 255-270.