Tarefa paper_repro.colditz_1994.trials_rr.tool

Veredito

Pergunta feita ao analista

Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

Como o agente resolveu e como foi validado

Resumo passo a passo do que o agente executou, por que o caminho está correto e como cada verificação conferiu o resultado.

1. 1Preparação da base de dados
   bcg— The trials of BCG vaccine against tuberculosis analysed by Colditz et al. (1994), as metadat's dat.bcg holds them: one row per trial. Columns: trial, the trial number; author and year of the report; tpos and tneg, the vaccinated people who did and did not get tuberculosis; cpos and cneg, the same for the unvaccinated; ablat, the trial's absolute latitude; alloc, how treatment was allocated. Built columns: n_t and n_c, the arm sizes; risk_t and risk_c, the arms' tuberculosis risks; rr, their ratio; yi, the log relative risk; vi, its large-sample variance (tneg/(tpos·n_t) + cneg/(cpos·n_c)); sei, its standard error.
   Transformação "cast" aplicada à base "bcg" (13 → 13 linhas). {"columns":["trial"],"to":"str"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"columns":["tpos","tneg"]},"name":"n_t","op":"sum"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"columns":["cpos","cneg"]},"name":"n_c","op":"sum"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"left":"tpos","right":"n_t"},"name":"risk_t","op":"ratio"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"left":"cpos","right":"n_c"},"name":"risk_c","op":"ratio"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"left":"risk_t","right":"risk_c"},"name":"rr","op":"ratio"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"column":"rr"},"name":"yi","op":"log"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"columns":["tpos","n_t"]},"name":"tpos_n_t","op":"product"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"columns":["cpos","n_c"]},"name":"cpos_n_c","op":"product"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"left":"tneg","right":"tpos_n_t"},"name":"v_t","op":"ratio"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"left":"cneg","right":"cpos_n_c"},"name":"v_c","op":"ratio"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"columns":["v_t","v_c"]},"name":"vi","op":"sum"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"column":"vi"},"name":"log_vi","op":"log"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"column":"log_vi","factor":0.5},"name":"half_log_vi","op":"scale"}
   Transformação "derive" aplicada à base "bcg" (13 → 13 linhas). {"args":{"column":"half_log_vi"},"name":"sei","op":"exp"}
2. 2Chamada que gerou a resposta finalevidence.pool_dlcitada na respostacoincide com a referência

   Ver chamada call_ffdefaa3 nos detalhes
   Argumentos principais

   estimates:

   [{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.8893113339202054,"id":"1","se":0.5706003548929508,"study_id":"1"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-1.5853886572014306,"id":"2","se":0.4411135017182583,"study_id":"2"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-1.348073148299693,"id":"3","se":0.644490469571091,"study_id":"3"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-1.4415511900213054,"id":"4","se":0.14145681992130169,"study_id":"4"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.2175473222112957,"id":"5","se":0.2262966463950159,"study_id":"5"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.786115585818864,"id":"6","se":0.08310005087789514,"study_id":"6"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-1.6208982235983924,"id":"7","se":0.4722470196542432,"study_id":"7"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":0.011952333523841173,"id":"8","se":0.06294107798423641,"study_id":"8"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.4694176487381487,"id":"9","se":0.2375588568402554,"study_id":"9"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-1.3713448034727846,"id":"10","se":0.2702310004663212,"study_id":"10"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.33935882833839015,"id":"11","se":0.1114101161096232,"study_id":"11"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":0.4459134005713783,"id":"12","se":0.7297299810204818,"study_id":"12"},{"ci_high":null,"ci_level":0.95,"ci_low":null,"estimate":-0.017313948216879493,"id":"13","se":0.26721650339001574,"study_id":"13"}]

   level:

   0,950.95

   unit:

   "log relative risk"

   Resultado calculado

   • pooled = -0,714117log relative risk -0.7141172220732269
     Random-effects pooled estimate (DerSimonian–Laird) over 13 studies
   Diagnósticos: k = 1313 (independent studies) · tau2 = 0,308760.30876026286237646 (between-study variance, (log relative risk)²) · i2 = 92,117392.11734685456207 (high heterogeneity: report the spread, not only the mean) · q = 152,233152.2330080823734 (Cochran's Q) · n_se_from_interval = 00 (standard errors taken from published intervals)
3. 3Conferência de lastro e resposta final
   • ✓
     #0figura próximapooled

     software reference
   • ✓
     #1figura próximapooled

     software reference, SE

Valores esperados e de onde vêm

Verificações

Caminho de referência e caminho do agente

A chamada de referência ao lado da chamada que deu a resposta, argumento por argumento.

Trajetória

Cada evento na ordem em que aconteceu: turnos do modelo, chamadas de ferramentas, guardas, transformações e pontuação.

1. 0Início

   Tarefa de ferramenta: nenhuma pergunta; a especificação de referência é chamada direto.

   bcg (agent)

   The trials of BCG vaccine against tuberculosis analysed by Colditz et al. (1994), as metadat's dat.bcg holds them: one row per trial. Columns: trial, the trial number; author and year of the report; tpos and tneg, the vaccinated people who did and did not get tuberculosis; cpos and cneg, the same for the unvaccinated; ablat, the trial's absolute latitude; alloc, how treatment was allocated. Built columns: n_t and n_c, the arm sizes; risk_t and risk_c, the arms' tuberculosis risks; rr, their ratio; yi, the log relative risk; vi, its large-sample variance (tneg/(tpos·n_t) + cneg/(cpos·n_c)); sei, its standard error.

   file 8508024604252ddecbbba88a5ebbbf76ddec7d32f9e5df56521f602ce5398fdb · frame —

   1. cast {"columns":["trial"],"to":"str"}
   2. derive {"args":{"columns":["tpos","tneg"]},"name":"n_t","op":"sum"}
   3. derive {"args":{"columns":["cpos","cneg"]},"name":"n_c","op":"sum"}
   4. derive {"args":{"left":"tpos","right":"n_t"},"name":"risk_t","op":"ratio"}
   5. derive {"args":{"left":"cpos","right":"n_c"},"name":"risk_c","op":"ratio"}
   6. derive {"args":{"left":"risk_t","right":"risk_c"},"name":"rr","op":"ratio"}
   7. derive {"args":{"column":"rr"},"name":"yi","op":"log"}
   8. derive {"args":{"columns":["tpos","n_t"]},"name":"tpos_n_t","op":"product"}
   9. derive {"args":{"columns":["cpos","n_c"]},"name":"cpos_n_c","op":"product"}
   10. derive {"args":{"left":"tneg","right":"tpos_n_t"},"name":"v_t","op":"ratio"}
   11. derive {"args":{"left":"cneg","right":"cpos_n_c"},"name":"v_c","op":"ratio"}
   12. derive {"args":{"columns":["v_t","v_c"]},"name":"vi","op":"sum"}
   13. derive {"args":{"column":"vi"},"name":"log_vi","op":"log"}
   14. derive {"args":{"column":"log_vi","factor":0.5},"name":"half_log_vi","op":"scale"}
   15. derive {"args":{"column":"half_log_vi"},"name":"sei","op":"exp"}
2. 1Transformação
   bcg · cast {"columns":["trial"],"to":"str"}

   13 → 13 linhas

   Frame antes → depois: 04c90e9b74f3 → 5b0b175097dc
3. 2Transformação
   bcg · derive {"args":{"columns":["tpos","tneg"]},"name":"n_t","op":"sum"}

   13 → 13 linhas

   Frame antes → depois: 5b0b175097dc → 04bb078fa6e0
4. 3Transformação
   bcg · derive {"args":{"columns":["cpos","cneg"]},"name":"n_c","op":"sum"}

   13 → 13 linhas

   Frame antes → depois: 04bb078fa6e0 → 5e452e05cc4e
5. 4Transformação
   bcg · derive {"args":{"left":"tpos","right":"n_t"},"name":"risk_t","op":"ratio"}

   13 → 13 linhas

   Frame antes → depois: 5e452e05cc4e → 8fef9bdd4eb8
6. 5Transformação
   bcg · derive {"args":{"left":"cpos","right":"n_c"},"name":"risk_c","op":"ratio"}

   13 → 13 linhas

   Frame antes → depois: 8fef9bdd4eb8 → e027760d38e9
7. 6Transformação
   bcg · derive {"args":{"left":"risk_t","right":"risk_c"},"name":"rr","op":"ratio"}

   13 → 13 linhas

   Frame antes → depois: e027760d38e9 → 6eafc3000091
8. 7Transformação
   bcg · derive {"args":{"column":"rr"},"name":"yi","op":"log"}

   13 → 13 linhas

   Frame antes → depois: 6eafc3000091 → 7603dce3f18c
9. 8Transformação
   bcg · derive {"args":{"columns":["tpos","n_t"]},"name":"tpos_n_t","op":"product"}

   13 → 13 linhas

   Frame antes → depois: 7603dce3f18c → 71c9857fa6ef
10. 9Transformação
    bcg · derive {"args":{"columns":["cpos","n_c"]},"name":"cpos_n_c","op":"product"}

    13 → 13 linhas

    Frame antes → depois: 71c9857fa6ef → d8d7394c769f
11. 10Transformação
    bcg · derive {"args":{"left":"tneg","right":"tpos_n_t"},"name":"v_t","op":"ratio"}

    13 → 13 linhas

    Frame antes → depois: d8d7394c769f → c1cbb1940c85
12. 11Transformação
    bcg · derive {"args":{"left":"cneg","right":"cpos_n_c"},"name":"v_c","op":"ratio"}

    13 → 13 linhas

    Frame antes → depois: c1cbb1940c85 → e2a7d8086360
13. 12Transformação
    bcg · derive {"args":{"columns":["v_t","v_c"]},"name":"vi","op":"sum"}

    13 → 13 linhas

    Frame antes → depois: e2a7d8086360 → 975270d4d3d2
14. 13Transformação
    bcg · derive {"args":{"column":"vi"},"name":"log_vi","op":"log"}

    13 → 13 linhas

    Frame antes → depois: 975270d4d3d2 → 364b2a8edbff
15. 14Transformação
    bcg · derive {"args":{"column":"log_vi","factor":0.5},"name":"half_log_vi","op":"scale"}

    13 → 13 linhas

    Frame antes → depois: 364b2a8edbff → cd0e4c1398a2
16. 15Transformação
    bcg · derive {"args":{"column":"half_log_vi"},"name":"sei","op":"exp"}

    13 → 13 linhas

    Frame antes → depois: cd0e4c1398a2 → 7470c42c4c3f
17. 16Ferramenta
    evidence.pool_dlv0.1.0call_ffdefaa3decidido pelo códigoreexecutável

    Argumentos

    {
      "estimates": [
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.8893113339202054,
          "id": "1",
          "se": 0.5706003548929508,
          "study_id": "1"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -1.5853886572014306,
          "id": "2",
          "se": 0.4411135017182583,
          "study_id": "2"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -1.348073148299693,
          "id": "3",
          "se": 0.644490469571091,
          "study_id": "3"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -1.4415511900213054,
          "id": "4",
          "se": 0.14145681992130169,
          "study_id": "4"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.2175473222112957,
          "id": "5",
          "se": 0.2262966463950159,
          "study_id": "5"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.786115585818864,
          "id": "6",
          "se": 0.08310005087789514,
          "study_id": "6"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -1.6208982235983924,
          "id": "7",
          "se": 0.4722470196542432,
          "study_id": "7"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": 0.011952333523841173,
          "id": "8",
          "se": 0.06294107798423641,
          "study_id": "8"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.4694176487381487,
          "id": "9",
          "se": 0.2375588568402554,
          "study_id": "9"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -1.3713448034727846,
          "id": "10",
          "se": 0.2702310004663212,
          "study_id": "10"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.33935882833839015,
          "id": "11",
          "se": 0.1114101161096232,
          "study_id": "11"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": 0.4459134005713783,
          "id": "12",
          "se": 0.7297299810204818,
          "study_id": "12"
        },
        {
          "ci_high": null,
          "ci_level": 0.95,
          "ci_low": null,
          "estimate": -0.017313948216879493,
          "id": "13",
          "se": 0.26721650339001574,
          "study_id": "13"
        }
      ],
      "level": 0.95,
      "unit": "log relative risk"
    }

    Figuras call_ffdefaa3

    Chave	Valor	Valor bruto	Erro-padrão	IC
    pooled Random-effects pooled estimate (DerSimonian–Laird) over 13 studies	-0,714117log relative risk	-0.7141172220732269	0,1787420.1787420895354032	-1,06445 – -0,363789

    Diagnósticos

    • k = 1313 (independent studies)
    • tau2 = 0,308760.30876026286237646 (between-study variance, (log relative risk)²)
    • i2 = 92,117392.11734685456207 (high heterogeneity: report the spread, not only the mean)
    • q = 152,233152.2330080823734 (Cochran's Q)
    • n_se_from_interval = 00 (standard errors taken from published intervals)

    Derivação matemática e pressupostos

    pooled

    1. Cada um dos 13 estudos entra com uma estimativa y e o seu erro-padrão ep (derivado do intervalo publicado, ao nível que o estudo declara, quando o erro-padrão não é publicado); o peso de efeitos fixos é o inverso da variância.w_1 = 1 / ep_1² ; w_2 = 1 / ep_2² ; w_3 = 1 / ep_3² ; w_4 = 1 / ep_4² ; w_5 = 1 / ep_5² ; w_6 = 1 / ep_6² ; w_7 = 1 / ep_7² ; w_8 = 1 / ep_8² ; w_9 = 1 / ep_9² ; w_10 = 1 / ep_10² ; w_11 = 1 / ep_11² ; w_12 = 1 / ep_12² ; w_13 = 1 / ep_13²
    2. A média de efeitos fixos pondera cada estudo pela sua precisão.ȳ_F = (w_1·y_1 + w_2·y_2 + w_3·y_3 + w_4·y_4 + w_5·y_5 + w_6·y_6 + w_7·y_7 + w_8·y_8 + w_9·y_9 + w_10·y_10 + w_11·y_11 + w_12·y_12 + w_13·y_13) / (w_1 + w_2 + w_3 + w_4 + w_5 + w_6 + w_7 + w_8 + w_9 + w_10 + w_11 + w_12 + w_13)→ -0,430285 (-0.4302851636540906)
    3. A estatística Q mede quanto os estudos discordam da média de efeitos fixos além do acaso.Q = w_1·(y_1 − ȳ_F)² + w_2·(y_2 − ȳ_F)² + w_3·(y_3 − ȳ_F)² + w_4·(y_4 − ȳ_F)² + w_5·(y_5 − ȳ_F)² + w_6·(y_6 − ȳ_F)² + w_7·(y_7 − ȳ_F)² + w_8·(y_8 − ȳ_F)² + w_9·(y_9 − ȳ_F)² + w_10·(y_10 − ȳ_F)² + w_11·(y_11 − ȳ_F)² + w_12·(y_12 − ȳ_F)² + w_13·(y_13 − ȳ_F)²→ 152,233 (152.2330080823734)
    4. C é a constante de escala de DerSimonian e Laird.C = (w_1 + w_2 + w_3 + w_4 + w_5 + w_6 + w_7 + w_8 + w_9 + w_10 + w_11 + w_12 + w_13) − (w_1² + w_2² + w_3² + w_4² + w_5² + w_6² + w_7² + w_8² + w_9² + w_10² + w_11² + w_12² + w_13²) / (w_1 + w_2 + w_3 + w_4 + w_5 + w_6 + w_7 + w_8 + w_9 + w_10 + w_11 + w_12 + w_13)→ 454,181 (454.18088060405427)
    5. A variância entre estudos τ² é zero quando Q não excede k − 1, o que o acaso sozinho produziria.τ² = max(0, (Q − (k − 1)) / C)→ 0,30876 (0.30876026286237646)
    6. I² é a parcela da dispersão observada que vem da variação entre estudos, não do acaso.I² = max(0, (Q − (k − 1)) / Q) × 100→ 92,1173 (92.11734685456207)
    7. Os pesos de efeitos aleatórios somam τ² à variância de cada estudo, o que aproxima os pesos entre si quando os estudos discordam.w*_1 = 1 / (ep_1² + τ²) ; w*_2 = 1 / (ep_2² + τ²) ; w*_3 = 1 / (ep_3² + τ²) ; w*_4 = 1 / (ep_4² + τ²) ; w*_5 = 1 / (ep_5² + τ²) ; w*_6 = 1 / (ep_6² + τ²) ; w*_7 = 1 / (ep_7² + τ²) ; w*_8 = 1 / (ep_8² + τ²) ; w*_9 = 1 / (ep_9² + τ²) ; w*_10 = 1 / (ep_10² + τ²) ; w*_11 = 1 / (ep_11² + τ²) ; w*_12 = 1 / (ep_12² + τ²) ; w*_13 = 1 / (ep_13² + τ²)
    8. O erro-padrão da média agrupada vem da soma dos pesos de efeitos aleatórios.ep(ȳ) = √(1 / (w*_1 + w*_2 + w*_3 + w*_4 + w*_5 + w*_6 + w*_7 + w*_8 + w*_9 + w*_10 + w*_11 + w*_12 + w*_13))→ 0,178742 (0.1787420895354032)
    9. A média agrupada é a média das estimativas ponderada pelos pesos de efeitos aleatórios.ȳ = (w*_1·y_1 + w*_2·y_2 + w*_3·y_3 + w*_4·y_4 + w*_5·y_5 + w*_6·y_6 + w*_7·y_7 + w*_8·y_8 + w*_9·y_9 + w*_10·y_10 + w*_11·y_11 + w*_12·y_12 + w*_13·y_13) / (w*_1 + w*_2 + w*_3 + w*_4 + w*_5 + w*_6 + w*_7 + w*_8 + w*_9 + w*_10 + w*_11 + w*_12 + w*_13)→ -0,714117 (-0.7141172220732269)
    10. O intervalo de 95% usa o valor crítico da normal.IC95 = ȳ ± z·ep(ȳ)

    Pressupostos do estimador

    • every estimate measures the same effect in 'log relative risk'
    • each study contributes one independent estimate

    Tabelas (1)

    {
      "studies": [
        {
          "estimate": -0.8893113339202054,
          "id": "1",
          "se": 0.5706003548929508,
          "se_source": "reported",
          "study_id": "1",
          "weight_fixed": 3.0713967835314193,
          "weight_pct": 5.036491683231727,
          "weight_random": 1.5764291608993408
        },
        {
          "estimate": -1.5853886572014306,
          "id": "2",
          "se": 0.4411135017182583,
          "se_source": "reported",
          "study_id": "2",
          "weight_fixed": 5.13924471610913,
          "weight_pct": 6.347329182641975,
          "weight_random": 1.9867231888137737
        },
        {
          "estimate": -1.348073148299693,
          "id": "3",
          "se": 0.644490469571091,
          "se_source": "reported",
          "study_id": "3",
          "weight_fixed": 2.407503908285565,
          "weight_pct": 4.41202722473061,
          "weight_random": 1.3809708847338356
        },
        {
          "estimate": -1.4415511900213054,
          "id": "4",
          "se": 0.14145681992130169,
          "se_source": "reported",
          "study_id": "4",
          "weight_fixed": 49.97493281795706,
          "weight_pct": 9.717646356814289,
          "weight_random": 3.0416373252818607
        },
        {
          "estimate": -0.2175473222112957,
          "id": "5",
          "se": 0.2262966463950159,
          "se_source": "reported",
          "study_id": "5",
          "weight_fixed": 19.52737039601342,
          "weight_pct": 8.875377381656724,
          "weight_random": 2.7780059212670714
        },
        {
          "estimate": -0.786115585818864,
          "id": "6",
          "se": 0.08310005087789514,
          "se_source": "reported",
          "study_id": "6",
          "weight_fixed": 144.80962224959802,
          "weight_pct": 10.121060419345175,
          "weight_random": 3.167906508691391
        },
        {
          "estimate": -1.6208982235983924,
          "id": "7",
          "se": 0.4722470196542432,
          "se_source": "reported",
          "study_id": "7",
          "weight_fixed": 4.483958128286655,
          "weight_pct": 6.007913825721248,
          "weight_random": 1.8804856925644875
        },
        {
          "estimate": 0.011952333523841173,
          "id": "8",
          "se": 0.06294107798423641,
          "se_source": "reported",
          "study_id": "8",
          "weight_fixed": 252.42458242622047,
          "weight_pct": 10.216342533284292,
          "weight_random": 3.1977299477781354
        },
        {
          "estimate": -0.4694176487381487,
          "id": "9",
          "se": 0.2375588568402554,
          "se_source": "reported",
          "study_id": "9",
          "weight_fixed": 17.719748212854313,
          "weight_pct": 8.748416776558122,
          "weight_random": 2.7382670687580495
        },
        {
          "estimate": -1.3713448034727846,
          "id": "10",
          "se": 0.2702310004663212,
          "se_source": "reported",
          "study_id": "10",
          "weight_fixed": 13.693979133979813,
          "weight_pct": 8.368251724263134,
          "weight_random": 2.619274859084015
        },
        {
          "estimate": -0.33935882833839015,
          "id": "11",
          "se": 0.1114101161096232,
          "se_source": "reported",
          "study_id": "11",
          "weight_fixed": 80.56580415801031,
          "weight_pct": 9.947531895144719,
          "weight_random": 3.113591830339357
        },
        {
          "estimate": 0.4459134005713783,
          "id": "12",
          "se": 0.7297299810204818,
          "se_source": "reported",
          "study_id": "12",
          "weight_fixed": 1.8779136586268463,
          "weight_pct": 3.7976966224232367,
          "weight_random": 1.1886845201728637
        },
        {
          "estimate": -0.017313948216879493,
          "id": "13",
          "se": 0.26721650339001574,
          "se_source": "reported",
          "study_id": "13",
          "weight_fixed": 14.004688271405163,
          "weight_pct": 8.403914374184746,
          "weight_random": 2.630437319945124
        }
      ]
    }

    • I² of 75% or more: most of the spread is between studies; report the range of estimates and τ², not only the mean

    Hashes SHA-256 e metadados de reprodução

    Digests dos dados

    sha256 do resultado

    7a8048f466fa87f6c170becb651298e6bec0d22d4e20ebc7339a72c4ce7ae3d2

18. 17Pontuação
    #0figura próximapassouobrigatória-0.7141172221 vs -0.7141172220732273
19. 18Pontuação
    #1figura próximapassouobrigatória0.1787420895 vs 0.1787420895354032

Épocas × verificações

Tentativas

Cada tentativa é seu próprio arquivo e é publicada; só a última de cada época é pontuada.

• época 1, tentativa 1passoupontuada(exibindo)

Downloads desta tarefa