Trial Sequential Analysis
Adjust cumulative meta-analysis for repeated significance testing — is the evidence conclusive, or is more information needed (Wetterslev et al. 2008)?
- 계열
- Meta-analysis
- 엔진
- Lacuna native (Python)
언제 사용하는가
효과 표가 있고 방어 가능한 통합 추정치가 필요할 때 사용하세요.
메타분석을 계산기 출력에서 꺼내 결정 흐름에 묶습니다: 효과 크기, 이질성, 모델 선택, 출처.
한계와 적용 범위
- 이 방법에 대한 독립적인 그림은 아직 생성되지 않습니다. 결과는 표와 해석된 발견으로 보고됩니다.
- 결과는 제공하신 연구, 말뭉치, 매개변수와 선택한 모형에 따라 달라집니다. 이 분석은 보고된 그대로 근거를 요약하며 인과관계를 확립하지 않습니다.
- 모든 그림은 출처를 담고 있으며, 모든 실행은 동일한 입력, 매개변수, 엔진 버전으로부터 비트 단위까지 재현할 수 있습니다.
이 계열에서
- Univariate Meta-AnalysisPool one effect size per study into a single summary estimate with heterogeneity diagnostics.
- Multilevel Meta-AnalysisTwo- or three-level models for dependent effect sizes nested within studies or labs.
- GLMM Meta-AnalysisGeneralised linear mixed models for binary/count outcomes without normal approximation.
- Network Meta-AnalysisMixed treatment comparison across ≥3 interventions with a connected evidence network.
- Diagnostic Test AccuracyBivariate sensitivity/specificity model with a summary ROC curve.
- Dose–Response Meta-AnalysisModel the shape of an exposure–outcome relationship across dose levels.
- P-Uniform*Bias-corrected effect estimate robust to selective publication.
- P-Curve AnalysisTest the significant p-values for evidential value vs p-hacking via the p-curve's right-skew (Simonsohn et al. 2014).
- MA Power AnalysisProspective / retrospective power for a meta-analytic design specification.