元分析单个观测值的标准差/不确定性求解及模拟参数咨询

你需要明确：个体患者的治疗效应总变异，是个体水平的结局变异与研究间真实治疗效应的异质性变异的叠加——两者是独立的方差来源，总方差为两者之和，标准差为总方差的平方根。下面分两种常见效应量场景说明：

1. 效应量为原始单位均差（MD） #

如果你的模拟基于原始结局的均差（比如血压降幅、体重变化等）：

• 先获取原始研究中个体结局的合并标准差SD_indiv（若各研究个体SD不同，用所有研究的合并值，公式：SD_pooled = √[((n1-1)SD1² + (n2-1)SD2²)/(n1+n2-2)]，其中n1/n2为对应研究的各组样本量）
• 随机效应模型估计的异质性方差为τ²，对应的标准差是τ
• 个体治疗效应的总标准差 = √(SD_indiv² + τ²)

逻辑解释 #

每个研究的真实治疗效应θ_k服从N(μ, τ²)；该研究内的个体患者治疗效应服从N(θ_k, SD_indiv²)。从边际分布看，个体患者的治疗效应整体服从N(μ, SD_indiv² + τ²)，因此标准差是两者方差和的平方根。

2. 效应量为标准化均差（SMD，如Cohen's d） #

如果你的模拟基于标准化效应量：

• SMD本身是用个体结局标准差标准化后的结果，因此个体水平的变异已被归一化为方差1
• 随机效应模型的异质性方差τ²是SMD尺度下的研究间变异
• 个体标准化治疗效应的总标准差 = √(1 + τ²)

关键避坑点 #

• 绝对不要用随机效应模型整体估计的标准误：这个值是针对μ的抽样不确定性，是元分析结果的误差，和个体/研究水平的真实效应变异无关
• 若各研究个体SD差异较大，优先使用合并个体SD，避免单研究SD带来的偏倚

内容的提问来源于stack exchange，提问作者bumble.bee