A carregar...
Publicação
Combinação de valores de prova e de valores de prova aleatórios
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.16 MB | Adobe PDF |
Orientador(es)
Resumo(s)
A meta-análise é uma subdisciplina da estatística que analisa e sintetiza estudos com um objetivo comum, através de uma metodologia que toma em consideração toda a informação disponível. Expõem-se algumas metodologias utilizadas em sínteses meta-analíticas nomeadamente na estimação dos efeitos combinados e com especial ênfase, na combinação de testes independentes com recurso aos valores de prova reportados em estudos primários. Neste tipo de abordagem, os testes de uniformidade são cruciais, uma vez que os valores de prova reportados em estudos independentes, sob a hipótese nula global, formam uma amostra aleatória proveniente duma população uniforme padrão.
Existem porém duas preocupações fundamentais em meta-análise, o número reduzido de valores de prova reportados, que em última análise afetam a potência dos testes combinados e a possível existência de enviesamento na publicação. Consequentemente apresentam-se alguns resultados referentes à ampliação computacional de amostras e alguns métodos que podem ser utilizados de forma a minimizar os efeitos do enviesamento na publicação, como o método file-drawer. Realizou-se um estudo por simulação com recurso a este método por forma a compreender melhor os impactos da possível existência de enviesamento na publicação para os métodos de Fisher, Logit, Stouffer e média geométrica, tendo-se concluído que o método de Fisher é provavelmente o método mais robusto perante o viés na publicação.
A utilização de valores de prova de forma a combinar informação tem sido amplamente criticada por alguns autores, neste sentido expõe-se o conceito de valor de prova aleatório sobre a alternativa, bem como uma aplicação desta abordagem de forma a testar uniformidade.
Aborda-se o conceito valor de prova generalizado, uma extensão do valor de prova usual, utilizado na situação de existência de parâmetros perturbadores que compliquem o uso da estatística de teste, apresentando-se dois resultados importantes deste tipo de abordagem.
Meta-analysis is a subfield of statistics which analyses and synthesizes studies with a common goal through a methodology which takes in consideration all the available information. We expose some of the methodology used in meta-analysis reports, namely in estimating the combined effect with a special emphasis on combining independent tests through the use of the reported p-values from primary studies. In this type of approach, the uniformity tests are crucial once the reported p-values from independent studies, under the overall null hypothesis, are observations from a standard uniform random variable. However, there are two major concerns in meta-analysis. The number of reported p-values is usually small therefore affecting the power of combined tests, other issue is the possible presence of publication bias. Thus we present some results on data augmentation and some methods that can be used in order to minimize the effects of publication bias, as the file-drawer method. We conducted a study by simulation using this method in order to better understand the impacts of the possible existence of publication bias applying Fisher, Logit, Stouffer and geometric mean methods. We conclude that Fisher’s method is probably the most resistant method in the presence of publication bias. The use of reported p-values in order to combine information has been criticized by some authors, hence we shall expose the concept of random p-value under the alternative and a result of such approach in uniformity tests. We address the concept of generalized p-value, an extension of the usual p-value, used in the presence of nuisance parameters that compromise the use of test statistics, presenting two important results obtained through this type of approach.
Meta-analysis is a subfield of statistics which analyses and synthesizes studies with a common goal through a methodology which takes in consideration all the available information. We expose some of the methodology used in meta-analysis reports, namely in estimating the combined effect with a special emphasis on combining independent tests through the use of the reported p-values from primary studies. In this type of approach, the uniformity tests are crucial once the reported p-values from independent studies, under the overall null hypothesis, are observations from a standard uniform random variable. However, there are two major concerns in meta-analysis. The number of reported p-values is usually small therefore affecting the power of combined tests, other issue is the possible presence of publication bias. Thus we present some results on data augmentation and some methods that can be used in order to minimize the effects of publication bias, as the file-drawer method. We conducted a study by simulation using this method in order to better understand the impacts of the possible existence of publication bias applying Fisher, Logit, Stouffer and geometric mean methods. We conclude that Fisher’s method is probably the most resistant method in the presence of publication bias. The use of reported p-values in order to combine information has been criticized by some authors, hence we shall expose the concept of random p-value under the alternative and a result of such approach in uniformity tests. We address the concept of generalized p-value, an extension of the usual p-value, used in the presence of nuisance parameters that compromise the use of test statistics, presenting two important results obtained through this type of approach.
Descrição
Tese de mestrado em Estatística, apresentada à Universidade de Lisboa, através da Faculdade de Ciências, 2013
Palavras-chave
Meta-análise Combinação de valores p Valores p aleatórios Valores p generalizados Viés de publicação Método estudos na gaveta Testes de uniformidade Teses de mestrado - 2013