Odcinek
Wnioskowanie wykresu lejka wizualnego na potrzeby metaanalizy
with Michael Kossmeier
useR!2017: Wnioskowanie wykresu lejka wizualnego dla meta-an...
Słowa kluczowe: metaanaliza, wykres lejkowy, wnioskowanie wizualne, stronniczość publikacji, małe efekty badania
Strony internetowe: https://CRAN.R-project.org/package=metaviz,https://metaviz.shinyapps.io/funnelinf%5Fapp/
Wykres lejkowy jest szeroko stosowany w metaanalizie do wykrywania małych efektów badania, zwłaszcza stronniczy publikacji. Jednak wielokrotnie wykazano, że interpretacja wykresów lejka jest bardzo subiektywna i często prowadzi do fałszywych wniosków dotyczących obecności lub braku takich małych efektów badania (Terrin, Schmid i Lau 2005). Wnioskowanie wizualne (Buja i in. 2009) to formalna struktura wnioskowania do testowania, czy dane wyświetlane graficznie nie obsługują hipotezy. Ogólną ideą jest to, że jeśli dane obsługują hipotezę alternatywną, graficzny wyświetlacz pokazujący rzeczywiste dane powinny być możliwe do zidentyfikowania, gdy jednocześnie zostaną wyświetlone pokazy symulowanych danych w ramach hipotezy zerowej. W porównaniu z konwencjonalnymi testami statystycznymi wnioskowanie wizualne wykazało obiecujące wyniki w eksperymentach, na przykład na potrzeby testowania współczynników modelu liniowego przy użyciu pól boxplots i punktowych (Majumder, Hofmann i Cook 2013). Dzięki pakietowi nullabor (Wickham, Chowdhury i Cook 2014) przydatne funkcje ogólnego przeznaczenia na potrzeby wnioskowania wizualnego są dostępne w języku R. Ze względu na często niepewny, a nawet mylący charakter wniosków opartych na wykresie lejka, zidentyfikowaliśmy wykresy lejka jako podstawowe pole kandydata na zastosowanie wnioskowania wizualnego. W tym celu opracowaliśmy funkcję funnelinf, która jest dostępna w metaviz pakietu R. Funkcja funnelinf jest specjalnie dostosowana do wizualnego wnioskowania wykresów lejka, na przykład z opcjami wyświetlania konturów istotności, linii regresji Eggera i używania różnych modeli metaanalitycznych na potrzeby symulacji wykresu zerowego. Ponadto funkcje funnelinf są udostępniane jako błyszcząca aplikacja do wygodnego użycia przez meta-analityków, którzy nie znają języka R. Wizualne wnioskowanie wykresu lejkowego i możliwości funnelinf są ilustrowane rzeczywistymi danymi z metaanalizy na efekt mozarta. Ponadto prezentowane są wyniki eksperymentu empirycznego oceniania mocy wnioskowania wykresu lejka wizualnego w porównaniu z tradycyjnymi testami opartymi na wykresie lejka statystycznego. Implikacje tych wyników są omawiane i podano konkretne wytyczne dotyczące korzystania z wnioskowania wykresu lejka wizualnego.
Odwołuje się do Buja, Andreas, Dianne Cook, Heike Hofmann, Michael Lawrence, Eun-Kyung Lee, Deborah F Swayne i Hadley Wickham. 2009. "Wnioskowanie statystyczne na potrzeby eksploracyjnej analizy danych i diagnostyki modelu". Filozoficzne transakcje Royal Society of London A: Matematyczne, Fizyczne i Inżynieryjne Nauki 367: 4361–83.
Majumder, Mahbubul, Heike Hofmann i Dianne Cook. 2013. "Walidacja wizualnego wnioskowania statystycznego zastosowanego do modeli liniowych". Dziennik Amerykańskiego Stowarzyszenia Statystycznego 108: 942–56.
Terrin, Norma, Christopher H Schmid i Joseph Lau. 2005. "W empirycznej ocenie wykresu lejkowego naukowcy nie mogli wizualnie zidentyfikować stronniczości publikacji. Dziennik Epidemiologii Klinicznej 58: 894–901.
Wickham, Hadley, Niladri Roy Chowdhury i Di Cook. 2014. Nullabor: narzędzia do wnioskowania graficznego. https://CRAN.R-project.org/package=nullabor.
useR!2017: Wnioskowanie wykresu lejka wizualnego dla meta-an...
Słowa kluczowe: metaanaliza, wykres lejkowy, wnioskowanie wizualne, stronniczość publikacji, małe efekty badania
Strony internetowe: https://CRAN.R-project.org/package=metaviz,https://metaviz.shinyapps.io/funnelinf%5Fapp/
Wykres lejkowy jest szeroko stosowany w metaanalizie do wykrywania małych efektów badania, zwłaszcza stronniczy publikacji. Jednak wielokrotnie wykazano, że interpretacja wykresów lejka jest bardzo subiektywna i często prowadzi do fałszywych wniosków dotyczących obecności lub braku takich małych efektów badania (Terrin, Schmid i Lau 2005). Wnioskowanie wizualne (Buja i in. 2009) to formalna struktura wnioskowania do testowania, czy dane wyświetlane graficznie nie obsługują hipotezy. Ogólną ideą jest to, że jeśli dane obsługują hipotezę alternatywną, graficzny wyświetlacz pokazujący rzeczywiste dane powinny być możliwe do zidentyfikowania, gdy jednocześnie zostaną wyświetlone pokazy symulowanych danych w ramach hipotezy zerowej. W porównaniu z konwencjonalnymi testami statystycznymi wnioskowanie wizualne wykazało obiecujące wyniki w eksperymentach, na przykład na potrzeby testowania współczynników modelu liniowego przy użyciu pól boxplots i punktowych (Majumder, Hofmann i Cook 2013). Dzięki pakietowi nullabor (Wickham, Chowdhury i Cook 2014) przydatne funkcje ogólnego przeznaczenia na potrzeby wnioskowania wizualnego są dostępne w języku R. Ze względu na często niepewny, a nawet mylący charakter wniosków opartych na wykresie lejka, zidentyfikowaliśmy wykresy lejka jako podstawowe pole kandydata na zastosowanie wnioskowania wizualnego. W tym celu opracowaliśmy funkcję funnelinf, która jest dostępna w metaviz pakietu R. Funkcja funnelinf jest specjalnie dostosowana do wizualnego wnioskowania wykresów lejka, na przykład z opcjami wyświetlania konturów istotności, linii regresji Eggera i używania różnych modeli metaanalitycznych na potrzeby symulacji wykresu zerowego. Ponadto funkcje funnelinf są udostępniane jako błyszcząca aplikacja do wygodnego użycia przez meta-analityków, którzy nie znają języka R. Wizualne wnioskowanie wykresu lejkowego i możliwości funnelinf są ilustrowane rzeczywistymi danymi z metaanalizy na efekt mozarta. Ponadto prezentowane są wyniki eksperymentu empirycznego oceniania mocy wnioskowania wykresu lejka wizualnego w porównaniu z tradycyjnymi testami opartymi na wykresie lejka statystycznego. Implikacje tych wyników są omawiane i podano konkretne wytyczne dotyczące korzystania z wnioskowania wykresu lejka wizualnego.
Odwołuje się do Buja, Andreas, Dianne Cook, Heike Hofmann, Michael Lawrence, Eun-Kyung Lee, Deborah F Swayne i Hadley Wickham. 2009. "Wnioskowanie statystyczne na potrzeby eksploracyjnej analizy danych i diagnostyki modelu". Filozoficzne transakcje Royal Society of London A: Matematyczne, Fizyczne i Inżynieryjne Nauki 367: 4361–83.
Majumder, Mahbubul, Heike Hofmann i Dianne Cook. 2013. "Walidacja wizualnego wnioskowania statystycznego zastosowanego do modeli liniowych". Dziennik Amerykańskiego Stowarzyszenia Statystycznego 108: 942–56.
Terrin, Norma, Christopher H Schmid i Joseph Lau. 2005. "W empirycznej ocenie wykresu lejkowego naukowcy nie mogli wizualnie zidentyfikować stronniczości publikacji. Dziennik Epidemiologii Klinicznej 58: 894–901.
Wickham, Hadley, Niladri Roy Chowdhury i Di Cook. 2014. Nullabor: narzędzia do wnioskowania graficznego. https://CRAN.R-project.org/package=nullabor.
Chcesz przesłać opinię? Prześlij problem tutaj.