gms | German Medical Science

Meta-Analysen werden häufig basierend auf einem hierarchischen Normalverteilungsmodell mit zufälligen Effekten durchgeführt. In dem häufigen Fall, dass nur wenige Studien zur Analyse zur Verfügung stehen, verhalten sich frequentistische Methoden bisweilen problematisch, während für Bayes-Methoden die a-priori-Annahmen an Bedeutung gewinnen. Für den Effekt-Parameter stehen hier nichtinformative Prioren zur Verfügung, andererseits werden für die Heterogenität in der Regel schwach-informative Prioren empfohlen. Einen allgemeinen Konsens, wie solche schwach-informativen Wahrscheinlichkeitsverteilungen zu bestimmen wären, gibt es in der Regel allerdings nicht. In diesem Vortrag werden Konstruktionsprinzipien und Erwägungen zur Motivierung und Objektivierung auf dem Weg zu allgemein anwendbaren Empfehlungen erörtert.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass kein Ethikvotum erforderlich ist.