Key points are not available for this paper at this time.
Die Meta-Analyse kann verwendet werden, um einen Gesamteffekt über eine Reihe ähnlicher Studien zu schätzen. Eine Reihe statistischer Techniken wird derzeit verwendet, um die Ergebnisse einzelner Studien zu kombinieren. Die einfachste davon basiert auf einem festen Effektmodell, das annimmt, dass der wahre Effekt für alle Studien gleich ist. Ein Random-Effects-Modell hingegen ermöglicht es, dass der wahre Effekt zwischen den Studien variiert, wobei der durchschnittliche wahre Effekt das interessierende Parameter ist. Wir betrachten drei Methoden, die derzeit zur Schätzung im Rahmen eines Random-Effects-Modells verwendet werden, und veranschaulichen sie, indem wir jede Methode auf eine Sammlung von sechs Studien zu dem Effekt von Aspirin nach einem Myokardinfarkt anwenden. Diese Methoden werden verglichen, indem die geschätzten Abdeckungswahrscheinlichkeiten von Konfidenzintervallen für den Gesamteffekt verwendet werden. Die betrachteten Techniken weisen alle im Allgemeinen Abdeckungen unter dem nominalen Niveau auf, und es wird insbesondere gezeigt, dass die allgemein verwendete DerSimonian-und-Laird-Methode den mit der Parameterschätzung verbundenen Fehler nicht angemessen widerspiegelt, insbesondere wenn die Anzahl der Studien klein ist.
Brockwell et al. (Mon,) haben diese Frage untersucht.