如果没有多级建模，如何在荟萃分析中处理研究内复制，而研究是复制的单位？

研究说明：

我已经观察到荟萃分析之间在研究内复制方面的一个常见错误。在陈述假设时，我不清楚错误是否使研究无效。但是，据我了解，这些假设违反了统计学的基本前提。

例如，一项研究测试了化学品对响应。$X$$Y$

对数响应比率进行分析：处理（在的情况下）与控件（无）的比率： X Y 0$Y_{+X}$$X$$Y_{0}$$X$

荟萃分析中包含的某些研究包含多种处理方法，例如不同含量或化学形式。对于每种处理，都有一个不同的值，尽管始终使用相同的值。R R Y $X$$R$$R$$Y_0$

方法说明：

在一项研究中对不同治疗（水平和形式）的反应被视为独立观察。$X$

问题：

• 这不是伪复制吗？
• 即使在方法中声明了违反独立性，这是否不合适？
• 在研究复制中进行处理的简便方法（例如，在简单的荟萃分析软件包的能力范围内）会是什么？

最初的想法：

• 总结每项研究的结果，例如通过平均反应
• 根据先验标准（例如最高剂量，首次测量）从每个研究中仅选择一种治疗？

还有其他解决方案吗？

是的，这是一个问题，因为在响应中存在抽样依赖性，这需要加以考虑（尽管有时影响可能微不足道，并且在执行统计分析时我们始终违反假设）。有一些方法可以解决这个问题，一种方法是将相关实验之间的协方差（非对角线块）包含在误差方差-协方差矩阵中（例如，参见Hedges等人，2010年）。幸运的是，使用对数比很容易。您可以得到实验之间的近似协方差，因为log R的方差（var）为（如果Yx和Y0是独立的组）：log Yx-log Y0，遵循问题中的表示法，Yx指实验组，Y0指代实验组控制组。log R的两个值（例如处理1或处理2）之间的协方差（cov）为cov（log Yx_1-log Y0，log Yx_2-log Y0），等于var（log Y0），计算为SD_Y0 /（n_Y0 * Y0），其中SD_Y0是Y0的标准偏差，n_Y0是对照处理中的样本量，Y0是对照治疗的价值。现在，我们可以将整个方差-协方差矩阵插入模型中，而不仅仅是使用方差（ei），这是执行元分析的经典方法。一个例子可以在Limpens等。2011年使用R（在生物导体上）中的metahdep软件包，或者Stevens and Taylor 2009年用于Hedge´sD。

如果您想让它保持简单，我很想忽略这个问题，而是尝试评估抽样依赖性的影响（例如，研究中有多少种治疗方法；如果仅使用一种治疗方法，结果将如何改变？等） 。

是的，这是一个问题。

是的，这是不适当的，尽管至少它对所做的事情是透明的（虽然透明性有所作为，但仍不令人满意）。

我怀疑是否有“简单的方法”可以解决此问题。我对元分析所采用的方法知之甚少，但是如果有特定的元分析软件，并且使用它进行研究并将其发布，那么这很可能是常见的方法。您提出的每种回答都会使每项研究都失去一些详细的信息（即出版商所做的相反问题）。

显而易见的解决方案是将研究作为随机因素的混合效应（即多层次）模型。如果荟萃分析软件无法做到这一点，我建议为此使用专家统计软件包。您仍然可以使用元分析软件进行数据存储和处理，仅将数据导出到R，Stata或SAS进行分析。