Meta分析数值缺失状态下MCMC模拟导向的基于多重填补法的缺失值处理的方法

摘要

本发明公开了一种Meta分析数值缺失状态下MCMC模拟导向的基于多重填补法的缺失值处理的方法，其特点是：以贝叶斯概率论为基点，以马尔可夫蒙特卡洛（MCMC）随机模拟方法为导向，基于多重填补法的缺失值处理，应用于任意缺失模式的Meta分析数据缺失状态下，实现将缺失值处理与常规Meta分析中缺失数据集的一体化整合。该方法可最大程度的拟合缺失数据，以尽可能地保证提取数据的完整性和后续标准统计的可行性，显著提升Meta分析的统计检验效能，增强系统评价结果的稳健性和可靠性，增强对系统综述评价的科学性和全面性。