在薈萃分析中，應該如何處理不包含原始數據的非重要研究？

假設我正在進行一項薈萃分析，研究 A 組和 B 組在某個結構方面的表現。現在，我將遇到的一些研究報告說，兩組之間沒有發現統計差異，但不會提供確切的測試統計數據和/或原始數據。在薈萃分析中，我應該如何處理此類研究？

基本上，我在這裡看到了三種不同的選擇：

1. 將它們全部包括在內，並為它們中的每一個分配一個效果大小為 0。
2. 把它們都扔掉。
3. 對他們每個人進行某種權力分析，或者為一定數量的參與者設置一個閾值。包括所有應該能夠達到統計顯著性的內容，並為它們中的每一個分配一個 0 的影響大小。把其餘的扔掉。

我可以看到所有不同選項的優點。選項一相當保守，您只會冒犯 II 類錯誤的風險。選項二會增加犯 I 類錯誤的風險，但它也可以避免你的結果因為一堆動力不足的研究而毀掉。選項三似乎是選項一和選項二之間的中間道路，但必須做出很多假設和/或純粹的猜測（你的功效分析應該基於什麼影響大小？你應該要求每個參與者的數量是多少？研究它是否通過？），可能會使最終結果的可靠性和主觀性降低。

正如您所指出的，這三種方法都有其優點。顯然沒有一種選擇是“最好的”。為什麼不做所有 3 項並將結果作為敏感性分析呈現？

通過充分和適當的敏感性分析進行的薈萃分析表明，作者非常清楚手頭數據的局限性，明確說明我們在進行薈萃分析時所做選擇的影響，並且能夠批判性地評估後果。對我來說，這是進行良好的薈萃分析的標誌。

任何曾經進行過薈萃分析的人都非常清楚，在此過程中需要做出許多選擇和決定，而這些選擇和決定會對獲得的結果產生相當大的影響。薈萃分析（或更一般地，系統評價）的優勢在於方法（以及因此的選擇和決策）是明確的。人們可以系統地評估它們的影響。這正是應該進行薈萃分析的方式。

引用自：https://stats.stackexchange.com/questions/91226