Servicenavigation


Sie sind hier:

Projekt Antragsteller & Forscher:

Technische Universität Dortmund: Markus Pauly, Thilo Welz

Universitätsmedizin Göttingen: Tim Friede, Christian Röver

 

Projektbeschreibung:

Der vorliegende Antrag wird parallel und in Kooperation sowohl am Institut für Medizinische Statistik der Universitätsmedizin Göttingen als auch an der Fakultät Statistik der Technischen Universität Dortmund bearbeitet. Hauptziel des Projekts ist die Entwicklung valider Inferenzmethoden (Konfidenzintervalle und Hypothesentests) für Meta-Analysen, die auch unter erschwerten Bedingungen zu vertrauenswürdigen Ergebnissen führen. Hierzu zählen

  • (i) Heterogenität zwischen Studien

  • (ii) unbalancierte Designs

  • (iii) kleine oder moderate Fallzahlen sowie

  • (iv) wenige Studien.

Dabei stellen die beiden Punkte (iii) und (iv) zusätzlich die Rechtfertigung der gängigen Normalverteilungsannahme in Frage. Um auch in diesen Situationen valide Verfahren zu entwickeln, sollen moderne Bootstrap-, Resampling- und Bayes-Techniken, sowie robuste (Ko-)Varianzschätzer verwendet, untersucht und z.T. geschickt miteinander kombiniert werden. Dabei werden neben Anwendungen für klassische Fixed- und Random-Effects Modelle auch solche auf Mixed-Effects Meta-Regressionsmodelle untersucht. Zusätzlich werden neuartige, gut interpretierbare nichtparametrische Effekte, die sich insbesondere für die Untersuchung ordinaler Daten eignen, im meta-analytischen Kontext untersucht. Die entwickelten Verfahren sollen weiterhin auf multivariate Versuchsanlagen erweitert werden. Darüber hinaus sollen verschiedene Hierarchieebenen in Individual Patient Data (IPD) - Meta-Analysen betrachtet werden, da häufig zwar nur sehr wenige Studien vorliegen, was die Schätzung der Heterogenität zwischen den Studien erschwert, aber zugleich diese Studien häufig in relvativ vielen Zentren durchgeführt wurden. Das wirft Fragen bezüglich der Modellierung der verschieden Ebenen auf, die in diesem Projekt adressiert werden sollen. Des weiteren werden spezielle Strategien für sogenannte Twin Studies entwickelt. Außerdem werden Bayesianische Ansätze in Meta-Regressionsmodellen und die Modellierung unbekannter Standardfehler untersucht. Letzerer Fall tritt in der Praxis relativ häufig auf, da gerade Störparameter wie Varianzen nicht konsequent in der Literatur berichtet werden. Als Ergebnis des Projekts erhält man flexible und valide statistische Methoden für verschiedene Meta-Analyse Modelle, die ohne strenge Modellannahmen auskommen und eine anschauliche Interpretation der Inferenzergebnisse erlauben. Um genaue Empfehlungen für deren adäquate Verwendung zu geben, werden die entwickelten Verfahren in aufwendigen Simulationsstudien ausgiebig untersucht und exemplarisch auf aktuelle Datensätze angewendet. Die Methoden werden zudem in frei zugänglicher Open-Source Software implementiert und mit leicht verständlicher Dokumentation versehen. Dies steigert nicht nur die Transparenz und Nachvollziehbarkeit von publizierten Simulationsergebnissen, sondern erlaubt einer breiten Masse von Biometrikern und Statistikern den einfachen Zugang zu einer neuartigen Meta-Analyse Toolbox.

 

Mercator Fellows:

  • Sofia Dias (University of Bristol)

  • Christopher Schmid (Brown University)

  • Wolfgang Viechtbauer (Maastricht University)

 

Publikationen:

  • Welz, T. and Pauly, M. (2019). A simulation study to compare robust tests for linear mixed-effects meta-regression. Research Synthesis Methods (accepted).

  • Pauly, M. and Welz, T. (2018). Contribution to the discussion of When should meta-analysis avoid
    making hidden normality assumptions?
    Biometrical Journal, 60.

  •  Welz, T. (2018). A simulation study of random-effects meta-analysis methods in unbalanced designs. Technical Report, Ulm University. Available at URL.