混合效應模型下之統合分析方法常態分配假設之探討

一般統合分析的統計方法中，在合併每篇論文的統計量時，皆假設統計量的分配為常態分配，由於常態分配具有好的性質，在檢定或信賴間上容易進行推論的工作。但我們在進行統合分析的過程中，常常視這條件為必然，也不會進行常態分配的檢定，而Chen(2015)利用模擬的方式，檢驗當統計量來自常態分配或不來自常態分配時，其適合度檢定之型I錯誤的控制及檢定力之表現為何？另外，常態分配的檢定方式有很多種，包含：Anderson-Darling test, Cramer-von Mises test, Shapiro-Wilk test...等等，哪些方法才是較好的檢定統計量，在文中皆有一些陳述。不過，在此文章中，每篇研究之統計量，作者在進行資料模擬的過程中，統計量皆由分配模擬而來(例如常態分配)，非考慮由母體抽樣樣本資料而來，這樣的模擬架構和實際研究之資料取得不同，不符合實務。本研究，提出一個新混效應之統合分析模型，將針對資料來源設計模擬程序，進行常態分配適合度檢定，並探討不同常態性檢定方法下之型I錯誤及檢定力之表現，在此以2X2之列聯表之資料為主，資料型態為類別資料，此資料特性常出現在臨床試驗、特定基因之表現型研究、流行病學之病例對照研究及世代研究下疾病及曝露之探討...等等。並提出針對統合分析之實例進行應用。