Edgington's Method for Random-Effects Meta-Analysis Part I: Estimation

技術的要約：Edgingtonの方法による変量効果メタ解析 第I部：推定

問題提起
古典的な変量効果メタ解析は、通常、平均効果を推定するために逆分散重み付け（IVW）に依存しているが、これはしばしば対称な信頼区間を生成し、データの歪みを捉えきれない。Hartung–Knapp–Sidik–Jonkman（HKSJ）法のような手法は、不均一性の推定に伴う不確実性を$t$分布を通じて考慮することで被覆率を改善するが、依然として対称な区間構造を保持している。対照的に、$p$値の結合法（Edgingtonの手法に基づく$p$値の総和）は、効果推定値の歪みを反映した非対称な信頼区間を生成できるという利点を持つ。しかし、標準的なEdgington法の決定的な限界は、研究間の不均一性分散（$\tau^2$）を固定されたプラグイン推定値として扱うことで、特に研究数が少ないメタ解析において、$\tau^2$の推定に内在する不確実性を無視している点である。

手法
著者らは、信頼分布（CD）の枠組みを用いて不均一性推定の不確実性を組み込んだ、Edgington法の拡張を提案している。核となる手法は以下のステップで構成される：

1. 平均効果の信頼分布： Edgington法は、個別の研究における片側$p$値関数を$p$値の総和を用いて結合し、結合された$p$値関数$p_E(\mu)$を生成する。この関数は、特定の$\tau^2$の値における平均効果$\mu$の条件付き信頼分布として解釈される。
2. 不均一性の信頼分布： $\tau^2$の不確実性を考慮するため、著者らは一般化不均一性統計量$Q(\tau^2)$（Viechtbauer, 2006）を利用する。変量効果モデルの下で、$Q(\tau^2)$は$\chi^2_{k-1}$分布に従うため、これをピボット統計量として利用し、$\tau^2$の信頼分布を定義することができる。
3. 周辺化： 提案された推定量は、$\tau^2$の信頼分布にわたって条件付き信頼分布の$\mu$を周辺化する。これは、条件付き密度$c(\mu|\tau^2)$を周辺密度$c(\tau^2)$で積分することによって達成される：
   $$c(\mu) = \int c(\mu|\tau^2) c(\tau^2) d\tau^2$$
4. 計算： この積分を実行するために、2つの計算アプローチが評価されている：
   • モンテカルロ（MC）サンプリング： $\chi^2$に基づく$\tau^2$の信頼分布から$\tau^{2*}$を抽出し、次に条件付き信頼分布から$\mu^*$を抽出する。$\mu^*$の経験的分布が、周辺化されたCDを推定する。
   • グローバル適応型求積法（GAQ）： 決定論的な積分法。予備シミュレーションの結果、GAQは計算効率は高いものの、研究数が少ないシナリオ（例：$k=3$または$5$）では、わずかに広すぎる区間を生成する可能性があることが示された。したがって、著者らは、特に研究数が少ない場合の実際的な適用においては、モンテカルロ・アルゴリズムの使用を推奨している。

主な貢献

• Edgington法の拡張： 本論文は、不均一性推定の不確実性を明示的に統合することにより、Edgingtonの$p$値結合アプローチを変量効果の枠組みへと拡張している。
• 非対称区間： 本手法は対称性に制約されない信頼区間を生成し、それによって基礎となる効果推定値の歪みを反映させることが可能である。これは、古典的なIVWやHKSJの区間には欠けている特性である。
• アルゴリズムの実装： 著者らは、必要な周辺化を実行するためのモンテカルロ・アルゴリズムと、Rパッケージedgemetaにおける実装を提供している。

シミュレーション結果
研究数（$k \in \{3, 5, 10, 20, 50\}$）、不均一性のレベル（$I^2 \in \{0\%, 30\%, 60\%, 90\%\}$）、および大規模研究の存在に関するシナリオを変えて、シミュレーション研究が行われた。

• 被覆率： CD-Edgingtonの95%信頼区間は、不均一性が存在し、かつ研究数が4つ以上あるほとんどのシナリオにおいて、公称被覆率に近づく。不均一性がない場合や研究数が3つの条件下では、区間は通常、過剰被覆（保守的）となるが、これらの保守的なケースにおいては、HKSJの区間よりも狭くなることが多い。
• HKSJとの比較： CD-Edgingtonの区間は、一般に標準的な変量効果の区間よりも良好な被覆率を示し、また、加法的不均一性調整を用いたEdgington法（$\tau^2$の不確実性を無視するもの）よりも優れた性能を示すことが多い。HKSJと比較すると、CD-Eddingtonの区間は、特に大きな不均一性の下では通常より狭いが、同等の被覆率を維持している。
• 歪度： 本手法は効果推定値の歪みを効果的に捉えており、信頼区間の歪度と観測された効果推定値との間に高い相関を示している。
• バイアス： モデルの誤設定（歪正規分布の真の効果）や中程度から大きな不均一性の下では、点推定値に小さなバイアスが生じるが、正しいモデルの仮定の下ではほぼ不偏である。

意義と主張
著者らは、本研究を古典的な変量効果メタ解析のアプローチに対する実用的な代替案として位置づけている。不均一性推定の不確実性を調整することで、提案手法は、特に不均一性が存在し、かつ研究数が多くないシナリオにおいて、信頼区間の被覆率を改善すると主張している。本手法は、データの歪みに合致した推論を提供することで、対称的な要約の限界に対処している。

論文では、以下の制限事項についても明記されている：本手法は固定効果モデルには適用できないこと、およびモンテカルロ法は安定性のために相当数のサンプルを必要とすることである。また、本手法は正規分布および歪正規分布の下では良好に機能するが、他の効果量（例：オッズ比）についてはさらなる評価が必要であることも認めている。最後に、本論文は推定のみに焦点を当てており、将来の研究効果に対する予測区間への拡張は、本シリーズの次編で扱うとしている。