Estoy trabajando en un metanálisis de efectos aleatorios que cubre varios estudios que no informan desviaciones estándar; Todos los estudios informan el tamaño de la muestra. No creo que sea posible aproximar o imputar los datos faltantes de SD. ¿Cómo se debe ponderar un metanálisis que utiliza diferencias de medias crudas (no estandarizadas) como tamaño del efecto cuando no se dispone de desviaciones estándar para todos los estudios? Por supuesto, todavía puedo estimar tau cuadrado y me gustaría incorporar esa medida de varianza entre estudios en cualquier esquema de ponderación que use para permanecer dentro del marco de efectos aleatorios.
A continuación se incluye un poco más de información:
Por qué las diferencias de medias brutas podrían seguir siendo útiles: los datos se informan en una escala intrínsecamente significativa: dólares estadounidenses por unidad. Por lo tanto, un metanálisis de las diferencias de medias sería inmediatamente interpretable.
Por qué no puedo aproximar o imputar los datos SD: Los estudios para los que faltan datos de desviación estándar no incluyen datos suficientes para aproximar una desviación estándar (es decir, la mediana y el rango nunca se informan en la literatura). Imputar los datos faltantes parece desaconsejable ya que una gran parte de los estudios no tienen el SD, y porque los estudios difieren mucho en términos de región geográfica cubierta y protocolo de encuesta.
Lo que generalmente se hace con las diferencias de medias brutas en el metanálisis: los pesos de los estudios se basan en el error estándar de la diferencia de medias (típicamente calculado con el término de tamaño de muestra y la varianza agrupada). No tengo esto En un metanálisis de efectos aleatorios, los pesos del estudio también incluyen un término para la varianza entre estudios. Tengo esto.
¿Se puede utilizar una ponderación de tamaño de muestra inversa simple en este contexto? ¿Cómo incorporaría mi estimación de tau cuadrado (o alguna otra medida de dispersión entre estudios) en la ponderación?