Meta-analisi · ActiLab

Fixed-effect e random-effects model

Dopo aver calcolato l'effect size e la sua varianza per ogni studio, gli effect size si combinano in un unico effect size globale con un modello statistico. I due modelli principali differiscono per quali fonti di variabilità considerano quando pesano ciascuno studio.

Fixed-effect model: un solo effetto vero; random-effects model: effetti veri che variano con varianza τ²

Fixed-effect model

Assume che esista un solo effetto vero, comune a tutti gli studi: le differenze osservate tra gli studi sono interpretate come puro errore di campionamento. Ogni studio è pesato con l'inverso della sua varianza, così gli studi più precisi (campioni più grandi, varianza più piccola) contano di più. L'effect size globale è la media pesata degli effect size, e la sua varianza è l'inverso della somma dei pesi.

Random-effects model

Quando l'ipotesi di un unico effetto vero non regge, perché gli studi differiscono per popolazione, intervento o contesto, il random-effects model aggiunge una componente di varianza tra gli studi, τ². Il metodo più usato per stimarla è quello di DerSimonian e Laird (1986). Nel peso di ogni studio entra anche τ², e questo riduce l'influenza degli studi molto grandi rispetto al fixed-effect model.

Come scegliere

La scelta dovrebbe basarsi sulle caratteristiche degli studi e sulla domanda di ricerca, non sul risultato di un test di eterogeneità (vedi Eterogeneità).

Dopo l'effect size globale

Conviene controllare quanto la stima dipenda da un singolo studio, con una sensitivity analysis, che ricalcola la stima togliendo uno studio alla volta. Uno studio la cui esclusione sposta in modo evidente il risultato merita un esame più attento, ma non va necessariamente escluso.

Quando uno stesso studio fornisce più effect size (più esiti o più misurazioni sullo stesso campione) servono i modelli multilivello, che tengono conto della dipendenza tra gli effect size.

Per approfondire

Pesi, formule e confronto tra i modelli sono nella pagina Aggregating effect sizes del sito principale; per gli effect size dipendenti, Multilevel models.

Riferimenti