Metaanálisis: ¿existe la poca heterogeneidad?

Question

Es la primera vez que veo resultados como estos y me hacen sentir incómodo. ¿Es siquiera apropiado hacer un meta-análisis aquí? Incluso mis pobres gráficos de bosque y embudo están desordenados.

> results <- rma(yi, vi, data=meta) 
> results 

Random-Effects Model (k = 13; tau^2 estimator: REML)

tau^2 (estimated amount of total heterogeneity): 0 (SE = 0.0043)
tau (square root of estimated tau^2 value):      0
I^2 (total heterogeneity / total variability):   0.00%
H^2 (total variability / sampling variability):  1.00

Test for Heterogeneity: 
Q(df = 12) = 7.0093, p-val = 0.8570

Model Results:

estimate      se     zval    pval   ci.lb   ci.ub     
  0.8101  0.0318  25.5163  <.0001  0.7479  0.8724  ***

---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

> predict(results, digits=3, transf=transf.ztor)
  pred ci.lb ci.ub cr.lb cr.ub
 0.670 0.634 0.703 0.634 0.703
> confint(results)

       estimate  ci.lb   ci.ub
tau^2    0.0000 0.0000  0.0123
tau      0.0000 0.0000  0.1107
I^2(%)   0.0000 0.0000 41.8957
H^2      1.0000 1.0000  1.7210

Answer 1

Por lo que veo, estás meta-analizando los coeficientes de correlación usando la transformación z de Fisher, lo cual es apropiado. Estoy asumiendo que los datos de entrada se introducen correctamente, y los pasos de análisis que ha proporcionado son buenos.

Cada estudio tiene un elevado error estándar, lo que se traduce en amplios intervalos de confianza. Esto podría deberse al bajo tamaño de la muestra o a la alta variabilidad dentro de los estudios. Los resultados de su meta-análisis indican que no hay heterogeneidad entre los estudios, lo que se evidencia por la estimación de $\tau^2 \approx 0$ . Esto es razonable dado que la variabilidad dentro del estudio parece enmascarar (es mucho mayor que) cualquier variabilidad aparente entre estudios.

El gráfico de embudo es incorrecto si el eje x es realmente la correlación, r. Sin embargo, creo que la etiqueta es incorrecta y las estimaciones del efecto no han sido transformadas de la z de Fisher a la escala de r. Esto tendría sentido porque el punto de datos con la mayor estimación del efecto en el gráfico de embudo (el punto más a la derecha, aproximadamente a 1,05) es aproximadamente equivalente a r=0,78, y este es el mayor efecto a través de los estudios incluidos.