Random effects fixed meta-analysis

Meta-analysis 从相关研究中整合定量数据，并产生能够总结研究整体的结果。例如某些研究汇总risk ratio，然后统计生成summary estimate of the treatment effect。

Meta-analyses使用fixed effect或random effects统计模型。fixed effect meta-analysis假定所有研究都估计固定的treatment effect，然而random effects meta-analysis允许不同研究中的treatment effect 差异。

fixed effect和random effects meta-analyses的区别：如下图，95%置信区间的Forest plots,fixed effect meta-analysis提供了对common treatment effect的最好估计，fixed effect假定所有研究都估计出相同的治疗效果，只是因为取样的偶然（chance）差异导致观察到的treatment effect不同。random effects meta-analysis 在不同研究中给出了treatment effects分布的平均值，random-effects meta analysis模型假定每个研究中的treatment effect存在真实的差异以及取样偶然（chance）这两方面因素导致观察到treatment effect不同。

 

 

 

 

 

treatment effect：A 'treatment effect' is the average causal effect of a binary (0–1) variable on an outcome variable of scientific or policy interest。 指科学研究输出二项变量的causal effects 平均值。通过比较对照组与处理组的平均结果，进而从样本中估算出平均处理效应。“处理效应”是指给定的处理或干预措施（例如药物的施用）与目标结果变量（例如患者的健康状况）之间的因果关系。处理组和对照组的单位会显示不同结果，“处理效应”则是这两个潜在结果之间的差异。 处理组的平均结果可作为控制组平均结果的反事实条件 。这两个平均值之间的差异就是平均处理效应(ATE,Average Treatment Effect），它是对无法观察到的个体水平处理效果分布的集中趋势的估计。

Causal effects 定义为对接受两种不同治疗的同一个人的潜在结果比较。are then defined as comparisons of the potential outcomes, Yx and Yx* for the same individual who receives two different treatments x and x* (Robins, 1986; Rubin, 1978). The average causal effects are defined as the change in the average of the potential outcomes.

 

原文链接：https://www.bmj.com/content/342/bmj.d549