Κατεύθυνση Βιοστατιστική
Βιβλιοθήκη Επιστημών Υγείας

2024-04-19

2024

Μπαλασόπουλος Ιωάννης

Ντζούφρας Ιωάννης, Καθηγητής, Τμήμα Στατιστικής, ΟΠΑ

Νικολακόπουλος Σταύρος, Επίκουρος Καθηγητής, Tμήμα Ψυχολογίας, Πανεπιστήμιο Ιωαννίνων

Σιάννης Φώτιος, Επίκουρος Καθηγητής, Τμήμα Μαθηματικών, ΕΚΠΑ

Meta-analysis of bayes factors

Αγγλικά

Μετά ανάλυση των bayes παραγόντων

O παράγοντας Bayes είναι είναι ένα στατιστικό μέτρο που χρησιμοποιείται
στην Μπεϋσιανή στατιστική για τον έλεγχο υποθέσεων. Αποδεικνύεται ότι
είναι πολύ ανώτερος από τις συμβατικές μεθόδους ελέγχων στατιστικής
σημαντικότητας (p-value) και τις στατιστικούς ελέγχους (test statistics) για την
εξαγωγή συμπερασμάτων. Αυτό οφείλεται στο ότι μπορούν να παράσχουν
στοιχεία τόσο υπέρ όσο και κατά της μηδενικής υπόθεσης και έχουν τη
δυνατότητα να εξαρτώνται λιγότερο από το μέγεθος του δείγματος. Ωστόσο, η
εφαρμογή μεθόδων για το συνδυασμό των παραγόντων Bayes από πολλές
διαφορετικές μελέτες είναι περιορισμένη στη βιβλιογραφία. Στη πρόσφατη
μελέτη του Νικολακόπουλου και Ντζούφρα (2021), έγινε ανασκόπηση σε
υπάρχουσες μεθόδους για τον υπολογισμό των παραγόντων Bayes επιμερούς
μελετών και πρότειναν μεθόδους για το συνδυασμό τους από πολλές
διαφορετικές μελέτες σε μια ενιαία εκτίμηση. Ταυτόχρονα, διεξήχθη μια
προσομοίωση για να αξιολογηθεί η απόδοσή τους. Ωστόσο, πρέπει να λάβουμε
υπόψη ότι αυτές οι μέθοδοι εφαρμόστηκαν σε ένα μοντέλο σταθερής επίδρασης
ενώ στην πραγματικότητα σε μια μετα-ανάλυση, το μοντέλο τυχαίων
επιδράσεων θεωρείται καταλληλότερο για την περιγραφή των δεδομένων. Αυτό
οφείλεται στο γεγονός ότι διαφορετικές μελέτες παρέχουν τιμές επιδράσεων
που προέρχονται από μια κοινή κατανομή (γνωστό και ως ανταλλαξιμότητα),
και όχι από μια σταθερή ποσότητα, και χαρακτηρίζονται από ετερογένεια
(Higgins et al., 2009). Σε αυτή τη μελέτη προσπαθήσαμε να αξιολογήσουμε την
απόδοση αυτών των μεθόδων υπό ένα διαφορετικό σενάριο προσομοίωσης,
προσθέτοντας κάποια μεταβλητότητα στα δεδομένα με τη μορφή διαφορετικής
διακύμανσης μεταξύ των μελετών. Ομοίως με τον Νικολακόπουλου και
Ντζούφρα (2021) συμπεραίνουμε ότι ανεξάρτητα από τη διακύμανση των
μελετών, το μέγεθος του δείγματος και τα στατιστικά στοιχεία των επιμέρους
μελετών (στατιστική σημαντικότητα, έλεγχος Student, λόγος πιθανοτήτων ή
ακόμα και Μπεϋσιανό παράγοντα) και η κατεύθυνση είναι αρκετή για να
υπολογίσουμε το συνολικό παράγοντα Bayes από επιμερούς μελέτες της
σχέσης ή τον υπό διερρεύνηση συντελεστή. Αυτό μπορεί να αποδοθεί στο
γεγονός ότι οι προτεινόμενες μελέτες έχουν τη δυνατότητα να σταθμίζουν ως
προς από το διαφορετικό μέγεθος δείγματος και τη διακύμανση κάθε μελέτης.

Επιστήμες Υγείας

Μετά-ανάλυση, μπεϋσιανός παράγοντας

Όχι

0

Ναι

79

84

Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.

https://pergamos.lib.uoa.gr/uoa/dl/object/3396903