Selezione tra modello ad effetti fissi e modello ad effetti casuali nella meta-analisi

Nell'ambito di una meta-analisi è di fondamentale importanza il modello che si utilizza per descrivere la distribuzione del parametro d'interesse all'interno dei vari studi considerati. Si può adottare un modello ad effetti fissi o uno ad effetti casuali, con la differenza tra i due modelli che è le presenza o meno di una certa eterogeneità tra differenti studi. Per valutare la presenza o meno di questa eterogeneità si utilizza la statistica Q, che è fortemente influenzata dal numero di studi considerati nella meta-analisi, o i più recenti metodi bootstrap, dall'alto costo computazionale. In questa tesi si propone un nuovo criterio di selezione, basato sul calcolo del valore del criterio di informazione di Akaike, AIC, nel caso di un modello ad effetti fissi ed uno ad effetti casuali. Si esegue quindi uno studio di simulazione in cui si valutano le performance, intese come la capacità di identificare correttamente il modello che ha simulato i dati, della statistica Q e del metodo basato sul calcolo dell'AIC in differenti scenari ottenuti facendo variare i valori della varianza tra gli studi, il numero di studi considerati e il vero valore del parametro di interesse. Tramite questo studio sperimentale si può concludere come il nuovo metodo presentato, a prescindere dalla stima utilizzata per la varianza tra gli studi e che si consideri una stima o il valore atteso per AIC in un modello ad effetti casuali, non presenta performance migliori di quelle della statistica Q, specialmente nei casi di una bassa eterogeneità e di un basso numero di studi inclusi nella meta-analisi. Nei casi migliori in cui il numero di studi considerati è elevato, il metodo che usa una stima di AIC con lo stimatore di Sidik-Jonkman per l'eterogeneità presenta performance migliori della statistica Q, ma questa stima di AIC presenta una distorsione rispetto al vero valore di AIC data dalla stima adottata per la varianza tra gli studi.