Accueil/ expose #carousel1 li{ width:150px; height:180px; } #carousel2 li{ width:150px; height:180px; } How robust are meta-analyses to publication bias? Sensitivity analysis methods and empirical findings
mardi 07 mars 2023
Loading the player... Descriptif

Publication bias can distort meta-analytic results, sometimes justifying considerable skepticism toward meta-analyses. This talk will discuss recently developed statistical sensitivity analyses for publication bias, which enable statements such as: “For publication bias to shift the observed point estimate to the null, ‘significant’ results would need to be at least 10-fold more likely to be published than negative or ‘non-significant’ results” or “no amount of publication bias could explain away the average effect.” The methods are based on inverse-probability weighted estimators and use robust estimation methods to accommodate non-normal population effects, small meta-analyses, and clustering. Additionally, a meta-analytic point estimate corrected for “worst-case” publication bias can be obtained simply by conducting a standard meta-analysis of only the negative and nonsignificant studies; this method sometimes indicates that no amount of such publication bias could explain away the results. I will describe the results of applying the methods to a systematic sample of 58 meta-analyses across multiple scientific disciplines. All methods are implemented in the R package PublicationBias.

Support en PDF de la conférence de Maya Mathur.

Conférence de Maya Mathur ((Stanford University) dans le cadre du Colloquium du département d'Etudes Cognitives de l'ENS-PSL.

 

Thèmes : Sciences cognitives
Catégories: Colloquium du DEC
Mot-clés : Publication scientifique, statistique, méta-analyse

Voir aussi

Auteur(s) Maya Mathur
Stanford university
Statisticienne

Plus sur cet auteur
Voir la fiche de l'auteur

Cursus :

Maya Mathur est professeure adjointe à l'unité des sciences quantitatives et au département de pédiatrie de l'université de Stanford. Elle est directrice associée du Stanford Data Science's Center for Open and Reproducible Science (CORES).

Elle est statisticienne et ses recherches méthodologiques portent sur la méta-analyse et d'autres formes de synthèse des données, ainsi que sur l'inférence causale. Elle a reçu des prix de la Society for Epidemiologic Research (2022), de la Society for Research Synthesis Methods (2022) et de l'American Statistical Association (2018).

Cliquer ICI pour fermer Annexes Téléchargements :
   - Télécharger la vidéo

Dernière mise à jour : 07/04/2023

Liens utiles

Contact
Partenaires
Conditions d'utilisation
Mentions légales
Podcasts

CYCLES

> Colloquium DEC
> Les Ernest
> Les jeudis de l’archéologie
> Actualité critique
> Les jeudis de l’HPS
> Séminaire Médecine
   Humanités
> Journée Georges Bram
> Les lundis de la philo


> Les Nuits de l’ENS
> Semaine du cerveau
> Séminaire général du
   département d'informatique
> Séminaire général
   de physique
> Séminaire Transferts culturels
> La Voix d’un texte

PARTENARIATS

Louvre

France cuture

Institut Français

RESEAUX SOCIAUX

Retrouvez-nous sur Facebook

Twitter

Savoirs ENS
Tous droits réservés
@ 2011 ENS