Adjusting for Outcome Reporting Bias in Meta-analysis: A Multiple Imputation Approach¶

作者: Cora Burgwinkel, Saverio Fontana, Leonhard Held
主题: 流行病学
相关性: 6/10
链接: https://arxiv.org/abs/2607.07509

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向解决的根本问题是：在元分析（meta-analysis, MA） 中，当研究结果（outcomes）因统计显著性、效应大小或方向而被选择性报告时，如何对由此产生的结果报告偏倚（Outcome Reporting Bias, ORB） 进行统计调整，以获得对总体处理效应的无偏或至少偏倚更小的估计。ORB 本质上是一个不可忽略的缺失数据问题（non-ignorable missing data problem），因为缺失与否直接依赖于未观测到的结果本身。当前该方向的成熟度较低：尽管 ORB 的实证证据已积累数十年，但可用的调整方法仍然很少，且多数方法有较强的假设或应用限制。

发展脉络¶

从本文的引言和参考文献中，可以梳理出以下发展脉络：

奠基工作：揭示 ORB 的存在与严重性（约 2004-2014）
- Chan & Altman (2005) [1] 和 Chan et al. (2004) [10] 通过比较试验方案与发表文章，首次系统性地量化了 ORB：统计显著的结果被完全报告的优势比约为 2.0（疗效结局）。这为后续方法学工作提供了实证基础。
- Dwan et al. (2013) [6] 的综述更新确认了 ORB 的普遍性，并指出其威胁 MA 的有效性。
- Kirkham et al. (2010) [13] 和 Saini et al. (2014) [14] 进一步将 ORB 的影响从疗效结局扩展到危害结局，并开发了 ORBIT（Outcome Reporting Bias In Trials）分类系统，用于评估单个研究的结果报告偏倚风险。
主要进展：提出初步的统计调整方法（约 2005-2019）
- 简单敏感性分析：Williamson & Gamble (2007) [23] 将 Copas 和 Jackson 的发表偏倚最大偏倚界（maximum bias bound）方法改编到 ORB 场景，提供了一种无需建模的初始稳健性评估。
- 选择模型（Selection Model）：Copas et al. (2019) [46] 提出了一个基于似然的 ORB 调整方法，它依赖于 ORBIT 分类将未报告结果分为“无风险”、“低风险”和“高风险”三类，然后对高风险结果进行模型化调整。这是目前最广泛使用的方法。
- 多变量元分析（Multivariate MA）：Kirkham et al. (2012) [38] 开创性地提出使用双变量元分析来调整 ORB，其核心思想是：通过利用已报告结果与未报告结果之间的相关性，从已报告结果中“借力”（borrowing strength）来学习未报告结果。这为后续的多变量方法奠定了基础。
- 贝叶斯方法：Hwang & DeSantis (2018) [42] 和 Liu et al. (2018) [43] 提出了贝叶斯多变量网络元分析或混合治疗比较模型来调整 ORB。
- 其他方法：van Aert & Wicherts (2024) [44] 提出了元回归方法；Saracini & Held (2025) [2] 提出了基于单侧 p 值的选择模型。
当前 Frontier 与本文位置
- 当前 Frontier：如何开发更灵活、更少依赖强假设（如 ORBIT 分类）的 ORB 调整方法，并将其扩展到多变量（多个相关结局）和网络元分析场景。
- 本文位置：本文直接位于这个 Frontier 上。它提出了一种基于多重插补（Multiple Imputation, MI） 的 ORB 调整方法，该方法：
  - 不需要 ORBIT 分类，而是通过假设一个参数化的选择机制（基于效应估计或 z 分数）来建模缺失。
  - 可以自然地扩展到单变量和多变量元分析框架。
  - 其核心思想继承自 Carpenter et al. (2011) [47] 用于发表偏倚的 MI 方法，但将其应用场景从“整个研究缺失”迁移到“研究内结果缺失”，并整合了 Williamson & Gamble (2005) [48] 的确定性插补思路，但改用概率性选择模型。

子线索聚类¶

这些被引文献大致落在以下 2-3 条子线索上：

线索一：ORB 的实证研究与分类工具
- 做什么：通过比较试验注册信息、方案与最终发表文章，量化 ORB 的发生率、形式（如结果遗漏、结果切换、新结果添加）及其对 MA 的影响。同时开发用于识别和分类 ORB 风险的工具。
- 代表工作：Chan & Altman (2005) [1], Dwan et al. (2013) [6], Kirkham et al. (2010) [13], Page et al. (2023) [15] (ROB-ME 工具), Dwan et al. (2010) [16] (ORBIT 分类教程)。
- 留下的口子：这些工作揭示了问题，但并未提供通用的统计调整方法。
线索二：基于选择模型的 ORB 调整方法
- 做什么：显式地假设一个缺失数据机制（选择模型），通常将报告概率建模为效应大小或 p 值的函数，然后通过似然或贝叶斯方法进行偏倚校正。
- 代表工作：Copas et al. (2019) [46] (基于 ORBIT 分类的似然法), Saracini & Held (2025) [2] (基于 p 值的选择模型), Williamson & Gamble (2007) [23] (最大偏倚界)。
- 留下的口子：Copas 方法依赖 ORBIT 分类，这本身可能带有主观性；Saracini & Held 的方法目前主要针对单变量场景。
线索三：利用多变量元分析借力调整 ORB
- 做什么：利用多个结局之间的相关性，通过多变量模型（如双变量元分析）来“借力”，从而对未报告结局进行推断或调整。
- 代表工作：Kirkham et al. (2012) [38] (双变量 MA 调整), Hwang & DeSantis (2018) [42] (贝叶斯多变量网络 MA), Liu et al. (2018) [43] (贝叶斯混合治疗比较)。
- 留下的口子：这些方法通常计算复杂，或对相关性结构有较强假设。本文的 MI 方法提供了一个更灵活、更易实现的替代方案。

这个方向在追问的核心问题¶

如何建模不可观测的缺失机制？ 选择模型（基于效应、p值、z分数）的假设是否合理？如何评估其敏感性？
如何有效利用多结局信息？ 当多个结局相关时，如何最优地“借力”来调整 ORB，同时避免因错误的相关性假设而引入新偏倚？
如何处理异质性？ 在存在高异质性的 MA 中，ORB 的效应和调整方法的性能如何变化？
如何将方法扩展到更复杂的证据网络？ 如网络元分析（NMA）中，ORB 的调整方法如何设计？

⚠️ 作者的 framing¶

作者的缺口框架：作者将缺口 frame 为“尽管 ORB 严重，但调整方法很少，且现有方法（如 Copas 方法）依赖 ORBIT 分类，不够灵活”。因此，本文提出的 MI 方法是一个“显然的下一步”，因为它：
- 不需要 ORBIT 分类，只需要假设一个参数化的选择机制。
- 可以自然地处理单变量和多变量场景。
- 提供了一个实用的敏感性分析工具。
被淡化或回避的竞争路线：
- 贝叶斯方法（如 Hwang & DeSantis, 2018; Liu et al., 2018）在引言中被提及，但作者并未深入讨论其优缺点，也未将其作为主要比较对象。作者可能认为贝叶斯方法的计算负担和先验选择问题使其不如 MI 方法“实用”。
- Copas 方法被提及为“最广泛使用”，但作者强调其依赖 ORBIT 分类，而本文方法不需要，从而突出了本文的“灵活性”优势。
什么明显该被引/该存在、却没出现在 intro 里？
- 本文引用了 Carpenter et al. (2011) 用于发表偏倚的 MI 方法，但未引用该方法的后续发展或批评性讨论。例如，Hayati Rezvan et al. (2015) [25] 的摘要明确指出，在单变量缺失数据场景下，简单的 MI 后加权可能无法充分校正 MNAR 机制。本文在讨论中引用了该文，但在引言中未提及，这可能是为了弱化其方法可能面临的类似挑战。
- 本文未引用任何关于因果推断中缺失数据的通用框架（如 IPW、双重稳健估计），尽管其问题本质上是一个因果推断中的缺失数据问题。这可能是因为该领域与流行病学元分析社区的交集较少。

张力¶

未见明显对立引用。所有被引工作基本都承认 ORB 是一个严重问题，并致力于开发调整方法，只是在具体技术路线上有所不同。一个潜在的张力在于：选择模型（如本文）与基于 ORBIT 分类的方法（如 Copas 方法） 之间的优劣。前者更灵活但依赖参数假设，后者更结构化但依赖主观分类。本文的模拟研究刻意回避了与 Copas 方法的直接比较，理由是“Copas 方法需要 ORBIT 分类，而我们的模拟中缺失机制是已知的，因此无法直接比较”。这实际上回避了一个关键问题：在真实应用中，哪种方法更稳健？

二、最核心、最简单的例子 / 数学问题¶

第一步：把符号、模型、可观测数据交代清楚¶

符号：
- i = 1, ..., K: 索引元分析中的第 i 个研究。
- j ∈ {1, 2}: 索引第 j 个结局（本文主要考虑双变量情形）。
- θ: 总体平均处理效应（log OR 或 log RR），是我们要估计的目标参数（estimand）。
- θ_i: 第 i 个研究的真实处理效应（随机变量）。
- ˆθ_ij: 第 i 个研究、第 j 个结局的观测到的效应估计（如 log OR）。这是可观测数据的一部分。
- σ_ij: ˆθ_ij 的观测到的标准误。这是可观测数据的一部分。
- τ²: 研究间的异质性方差（between-study heterogeneity variance）。这是一个要估计的模型参数。
- n_i = n_ti + n_ci: 第 i 个研究的总样本量（治疗组+对照组）。这是可观测数据的一部分。
- R_ij ∈ {0, 1}: 第 i 个研究、第 j 个结局的报告指示变量（1=报告，0=未报告）。这是可观测数据的一部分。
- δ: 选择权重（selection weight），控制选择机制的强度。这是一个敏感性参数，不是从数据中估计的，而是由研究者假设的。
- w^(m): 第 m 次插补的重要性权重。
模型：
- 随机效应模型（REM）：假设每个研究的真实效应 θ_i 来自一个均值为 θ、方差为 τ² 的正态分布：θ_i ~ N(θ, τ²)。
- 观测模型：给定 θ_i，观测到的效应估计 ˆθ_i 服从以 θ_i 为中心、方差为 σ_i² 的正态分布：ˆθ_i | θ_i ~ N(θ_i, σ_i²)。σ_i² 是已知的（从每个研究的 2x2 列联表计算得出）。
- 选择模型：报告概率由 logistic 函数给出：Pr(R_ij = 1 | ˆθ_ij) = expit(α + δ * s_ij)，其中 s_ij 是选择变量（可以是 ˆθ_ij 本身，也可以是 z 分数 z_ij = ˆθ_ij / σ_ij）。α 是控制基线报告率的截距，δ 是选择强度。
可观测数据：
- 我们能观测到：对于每个研究 i 和结局 j，如果 R_ij = 1，我们能观测到 (ˆθ_ij, σ_ij)。此外，所有研究的样本量 n_i 总是可观测的。
- 我们观测不到（潜在/缺失）：对于 R_ij = 0 的研究-结局对，ˆθ_ij 和 σ_ij 是缺失的。我们只能通过假设（如选择模型）和已观测数据来推断它们。

第二步：讲最小内核¶

本文的核心思路可以浓缩为一个最简特例：单变量元分析，只有一个结局，部分研究缺失该结局的效应估计。

最简特例设定： - 我们有 K 个研究，只关注一个结局（例如“50% 癫痫发作减少”）。 - 其中 K_R 个研究报告了该结局，我们观测到 (ˆθ_i, σ_i)。 - 另外 K_U = K - K_R 个研究未报告该结局，ˆθ_i 和 σ_i 缺失，但我们知道它们的样本量 n_i。 - 我们假设一个简单的选择机制：报告概率与效应估计 ˆθ_i 成正比（δ > 0），即效应越大的研究越可能报告。

核心思路（三步走）：

插补缺失的标准误：由于我们知道 n_i，我们可以利用已报告研究的 (σ_i, n_i) 关系，通过一个简单的公式（公式 1）来估计缺失的 σ_i。这一步是确定性的，为后续插补效应估计做准备。
在 MAR 假设下插补缺失的效应估计：我们暂时忽略选择机制，假设数据是随机缺失（MAR）。这意味着缺失的 ˆθ_i 与已报告的 ˆθ_i 来自同一个分布。我们用一个多元正态分布来建模所有 K 个研究的效应估计向量 bθ = (ˆθ_1, ..., ˆθ_K)：
- 均值向量：所有元素都等于从已报告研究计算出的朴素 MA 估计 ˆθ_MA。
- 协方差矩阵：一个结构化的矩阵，包含每个研究的方差（σ_i² + τ²）和一个公共的协方差项（反映所有估计都围绕同一个总体均值 θ 的不确定性）。
- 然后，我们利用多元正态分布的性质，从给定已报告效应的条件分布中采样，得到缺失的 ˆθ_i。我们重复这个过程 M 次，得到 M 个“完整”数据集。
通过重要性采样（Importance Sampling）调整到 MNAR：第 2 步的插补是在 MAR 假设下进行的，但我们的选择机制是 MNAR。为了校正这一点，我们使用重要性采样。
- 对于第 m 次插补得到的完整数据集，我们计算一个重要性权重 w^(m)。这个权重反映了在该插补下，观测到的报告模式（即哪些研究报告了）的概率。根据我们的选择模型，报告概率与 ˆθ_i 有关。因此，如果某次插补中，未报告研究的 ˆθ_i 很大，那么观测到它们“未报告”的概率就很低，因此这次插补的权重就应该很小。
- 具体地，权重 w^(m) 正比于 exp(-δ * Σ_{i∈U} ˆθ_i^(m))（公式 5 的单变量版本）。这里 U 是未报告研究的集合。δ 越大，对大的 ˆθ_i 惩罚越重。
- 最后，我们计算所有 M 个完整数据集 MA 估计的加权平均，得到最终的 ORB 调整估计 ˆθ_Adj。这个加权平均过程，等价于将 MAR 下的插补分布“重新加权”到 MNAR 下的目标分布。

一句话总结：本文的核心数学操作是：在 MAR 假设下用多元正态分布插补缺失数据，然后用重要性采样权重将这些插补“拉”回到一个假设的 MNAR 选择模型下，从而得到偏倚校正的估计。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：本文研究了在元分析中，如何通过多重插补（MI）方法来调整因结果报告偏倚（ORB）导致的处理效应估计偏倚。
核心工具/方法：核心工具是多重插补结合重要性采样。首先在缺失为随机（MAR）的假设下，利用多元正态分布对未报告的研究结果进行插补；然后，通过一个参数化的 logistic 选择模型（基于效应估计或 z 分数）计算重要性权重，对插补后的完整数据集进行加权，从而得到在缺失非随机（MNAR）假设下的偏倚校正估计。
主要结论：ORB 会严重扭曲 MA 的效应估计，尤其是在高异质性和高缺失率的情况下。本文提出的 MI 方法能够有效减少偏倚，提高覆盖率。多变量（双变量）方法通过跨结局“借力”，在存在相关结局时表现优于单变量方法，但其性能依赖于结局间的相关性强度。该方法提供了一个实用的敏感性分析工具。

关键设定与假设¶

在第二节最小记号的基础上，补全完整设定：

数据生成：模拟研究中，连续结局的效应估计 ˆθ_i 从一个双变量正态分布生成，其均值向量为 θ，协方差矩阵由研究内方差 Σ_i 和研究间方差 Ψ 组成。研究内方差 Σ_i 通过 Wishart 分布生成，以引入随机性。
关键假设：
1. 选择模型正确指定：报告概率由 logistic 函数 Pr(R=1|s) = expit(α + δs) 给出，其中 s 是选择变量（效应估计或 z 分数）。这是方法的核心假设，也是其局限性所在。
2. 样本量已知：所有研究的样本量 n_i 总是可观测的。这是插补缺失标准误的前提。
3. 正态性假设：效应估计 ˆθ_i 服从（多元）正态分布。这在 log OR 或 log RR 的大样本近似下是合理的。
4. 研究内相关性已知或可估计：在多变量方法中，研究内相关性 ρ_W 是未知的，必须通过已报告数据（如 Pearson 相关）或外部信息（如 IPD）来估计或假设。本文通过敏感性分析来处理这种不确定性。
相比已有文献的强化/放宽：
- 强化：相比 Copas et al. (2019) [46] 需要 ORBIT 分类，本文方法只需要假设一个参数化的选择机制，更灵活。
- 放宽：相比 Williamson & Gamble (2005) [48] 的确定性插补，本文使用概率性插补和重要性采样，更符合统计推断原则。
- 扩展：将 Carpenter et al. (2011) [47] 的 MI 方法从发表偏倚（整个研究缺失）扩展到 ORB（研究内结果缺失），并整合了多变量框架。

主要结果¶

理论型结果：本文是方法/应用型论文，没有新的理论定理。其主要“结果”是方法框架和模拟/实证研究的量化结论。
应用结果（真实数据）：
- 数据：Cochrane 系统综述“托吡酯添加治疗难治性部分性癫痫” [60]。
- 核心发现：对于缺失率高的结局（“癫痫自由”，6/12 研究缺失），ORB 调整后的效应估计系统地向零偏移，表明未调整的 MA 可能夸大治疗效果。对于缺失率低的结局（“50% 癫痫发作减少”，1/12 研究缺失），调整影响很小。
- 选择机制比较：基于 z 分数的选择比基于效应估计的选择导致更强的调整。
- 单变量 vs. 双变量：双变量调整通常比单变量调整更强，因为跨结局“借力”放大了选择效应。
模拟结果：
- 偏倚：朴素估计（忽略缺失）在高异质性（I²=90%）下偏倚严重。ORB 调整方法能有效减少偏倚，但在高异质性和小样本（K=6）下，偏倚无法完全消除。
- 覆盖率：朴素估计的覆盖率在高异质性下严重下降。双变量 ORB 调整方法在结局相关时能有效恢复名义覆盖率（~95%），但在结局不相关（ρ=0）时，其表现甚至差于单变量方法。
- 模型误设定：当估计时使用的选择权重 δ_est 与数据生成时的真实权重 δ_sim 不同时，调整方法的性能会下降，但通常仍优于朴素估计。
- 数值稳定性：小样本（K=6）是数值不稳定的主要来源，双变量模型在高缺失率和小样本下收敛困难。

证明路线与技术技巧¶

本文是方法/应用型论文，没有传统意义上的“证明”。其“技术路线”是算法和模拟验证。

整体路线：
1. 数据准备：从 2x2 列联表计算每个研究的 ˆθ_ij 和 σ_ij。对缺失的 σ_ij，利用公式 (1) 基于样本量进行插补。
2. MAR 插补：假设缺失为 MAR，构建一个多元正态分布模型，其均值为朴素 MA 估计，协方差矩阵包含研究内和研究间变异。从该模型的条件分布中采样 M 次，得到 M 个完整的效应估计数据集。
3. 重要性加权：对于每个完整数据集，根据假设的 logistic 选择模型计算重要性权重 w^(m)。权重反映了在该插补下，观测到的报告模式的概率。
4. 合并估计：对 M 个完整数据集的 MA 估计进行加权平均，得到最终调整估计 ˆθ_Adj。使用 Rubin 规则计算其方差，但权重替换为重要性权重。
关键跳跃点：
- 从 MAR 到 MNAR：最关键的跳跃在于，插补是在 MAR 下进行的，但最终估计是在 MNAR 下。这个跳跃是通过重要性采样实现的。重要性权重 w^(m) 是连接 MAR 插补分布和 MNAR 目标分布的桥梁。
- 从单变量到多变量：第二个关键跳跃是将单变量的 MI 框架扩展到多变量。这需要构建一个更大的多元正态分布（维度为 2K），并处理研究内相关性 ρ_W 的未知性。作者通过三种方式（全局固定、研究特异、敏感性分析）来处理 ρ_W 的不确定性。
技术技巧点名：
- 条件多元正态分布：用于在 MAR 假设下插补缺失的效应估计（公式 3）。
- 重要性采样：用于将 MAR 下的插补分布重新加权到 MNAR 下的目标分布（公式 5）。
- Rubin 规则：用于合并多重插补后的估计和方差，但方差公式被修改以纳入重要性权重（公式 8）。
- Fisher z 变换：用于对研究内相关性 ρ_W 进行建模和采样，以确保其在 (-1, 1) 区间内。
- Wishart 分布：在模拟研究中用于生成随机的、有变异的研究内协方差矩阵 Σ_i。

真实例子与应用¶

数据：Cochrane 系统综述“托吡酯添加治疗难治性部分性癫痫” [60] 的数据，包含 12 个研究，2 个有益结局（50% 癫痫发作减少、癫痫自由）。
如何应用：
1. 从每个研究的 2x2 列联表计算 log RR 和 log OR 及其标准误。
2. 对于缺失的结局，使用公式 (1) 基于样本量插补标准误。
3. 分别应用单变量和双变量 MI 方法，在 δ ∈ {0, 0.1, ..., 1.3} 的范围内进行敏感性分析。
4. 比较不同选择机制（基于效应 vs. 基于 z 分数）和不同相关性假设下的调整结果。
结果：见“主要结果”部分。
这个例子想说明什么：
1. ORB 的潜在影响是巨大的：当缺失率高时，忽略 ORB 会严重高估治疗效果。
2. 方法的实用性：该方法可以作为一个敏感性分析工具，量化 ORB 对结论的潜在影响。
3. 多变量方法的优势与复杂性：双变量方法能提供更强的调整，但其结果对相关性假设敏感，需要谨慎处理。

🔎 结论是否比证明窄¶

是。模拟研究的一个关键简化是：将异质性方差 τ² 和相关性参数 ρ_B 视为已知并固定为生成值。作者在讨论中明确承认了这一点（Section 5, 第三点局限性）。这意味着模拟结果可能过于乐观，没有完全反映在真实应用中估计这些参数所带来的额外不确定性，尤其是在小样本 MA 中。因此，论文的结论“ORB 调整方法能有效减少偏倚”在真实应用中可能需要打折扣。
另一个窄化是：模拟中假设选择机制是正确指定的（即 logistic 模型）。在真实应用中，选择机制是未知的，可能更复杂（例如，受研究质量、资助方等因素影响）。论文的模型误设定分析（Section 4.2.4）只考虑了选择权重 δ 的误设，而未考虑选择模型函数形式的误设。

四、开放问题¶

如何将选择权重 δ 与可观测的偏倚风险指标（如 ORBIT 分类）结合起来？ 作者在讨论中提到了这一点（Section 5, 最后一段），但未给出具体方案。这是一个明确的开放问题：能否将 ORBIT 分类作为先验信息或协变量，纳入 MI 框架，从而减少对纯参数化选择模型的依赖？扎根点：Section 5, 最后一段：“Another promising avenue for future research is exploring how to integrate the risk of bias classification from the ORBIT classification system...”
如何将该方法扩展到网络元分析（NMA）？ 作者在讨论中提到了这一点（Section 5, 倒数第二段）。NMA 涉及更复杂的证据网络和多个处理比较，ORB 的调整将更具挑战性。扎根点：Section 5, 倒数第二段：“This will make our ORB-adjustment approach more appealing for network meta-analysis [69].”
当研究内相关性 ρ_W 完全未知且无法从数据中估计时，如何做出可靠的推断？ 本文通过敏感性分析来处理，但并未提供一个决策规则。一个更根本的问题是：在 ρ_W 完全未知的情况下，多变量方法是否总是优于单变量方法？模拟结果表明，当 ρ_W = 0 时，双变量方法的覆盖率甚至更差。扎根点：Section 4.2.3, 图 8 及其讨论：“For ρ_B = ρ_W = 0 the coverage of the bivariate ORB-adjusted estimate is worse than the coverage of the univariate ORB-adjusted estimate.”
如何将个体参与者数据（IPD）与聚合数据（AD）结合，以更好地估计研究内相关性并减少对参数假设的依赖？ 作者在讨论中提到了 IPD 的价值（Section 5, 倒数第二段）。一个混合方法（hybrid approach）可能是一个有前景的方向。扎根点：Section 5, 倒数第二段：“Hybrid approaches combining IPD and aggregate data therefore represent an interesting direction for future research.”

Maintained by 陈星宇 · Homepage · Source on GitHub