Atualmente, estou trabalhando em uma metanálise, para a qual preciso analisar vários tamanhos de efeito aninhados nas amostras. Sou parcial à abordagem de meta-análise de três níveis de Cheung (2014) para meta-analisar tamanhos de efeito dependentes, em oposição a algumas das outras estratégias possíveis (por exemplo, ignorar dependência, calcular a média de tamanhos de efeito nos estudos, selecionar um tamanho de efeito ou mudança da unidade de análise). Muitos dos meus tamanhos de efeito dependentes são correlações que envolvem variáveis bastante distintas (mas topicamente relacionadas); portanto, a média entre elas não faz sentido conceitual e, mesmo que isso acontecesse, reduziria meu número total de tamanhos de efeito para analisar pela metade.
Ao mesmo tempo, no entanto, também estou interessado em usar o método de Stanley & Doucouliagos (2014) para abordar o viés de publicação no decorrer da estimativa de um efeito meta-analítico. Em poucas palavras, é possível ajustar um modelo de meta-regressão prevendo os tamanhos dos efeitos do estudo por suas respectivas variações (o teste do efeito de precisão ou PET) ou seus respectivos erros padrão (a estimativa do efeito de precisão com erros padrão ou PEESE). Dependendo da significância da interceptação no modelo PET, pode-se usar a interceptação do modelo PET (se o PET interceptar p > 0,05) ou o modelo PEESE (se o PET interceptar p <0,05) como publicação estimada. tamanho médio do efeito sem viés.
Meu problema, no entanto, deriva deste trecho de Stanley & Doucouliagos (2014):
Em nossas simulações, o excesso de heterogeneidade inexplicável é sempre incluído; assim, pela prática convencional, o REE [estimadores de efeitos aleatórios] deve ser preferido em relação ao FEE [estimadores de efeitos fixos]. No entanto, a prática convencional está errada quando há seleção de publicação. Com a seleção para significância estatística, o GER é sempre mais tendencioso que o FEE (Tabela 3). Essa inferioridade previsível se deve ao fato de que o EED é uma média ponderada da média simples, que possui o maior viés de publicação, e a taxa de câmbio.
Essa passagem me leva a acreditar que eu não deveria estar usando o PET-PEESE em modelos meta-analíticos de efeitos aleatórios / efeitos mistos, mas um modelo meta-analítico multinível parece exigir um estimador de efeitos aleatórios.
Estou dividido quanto ao que fazer. Quero poder modelar todos os tamanhos de efeito dependente, mas simultaneamente tirar proveito desse método específico de correção do viés de publicação. Existe alguma maneira de integrar legitimamente a estratégia de meta-análise de três níveis ao PET-PEESE?
Referências
Cheung, MWL (2014). Modelagem de tamanhos de efeitos dependentes com meta-análises em três níveis: Uma abordagem de modelagem de equações estruturais. Psychological Methods , 19 , 211-229.
Stanley, TD, & Doucouliagos, H. (2014). Aproximações de meta-regressão para reduzir o viés de seleção de publicação. Research Synthesis Methods , 5 , 60-78.