Blog

Duyarlılık – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri
Vaka Çalışması : Hassasiyetlerin ve Özgünlüklerin Birleştirilmesi 20 çalışmanın duyarlılıkları ve özgünlükleri sunulmuştur. Grafikten, duyarlılıkların nispeten homojen olduğu (neredeyse tüm güven aralıkları örtüşmektedir) görünürken, özgüllüklerin büyük ölçüde heterojen olduğu açıkça görülmektedir. En basit analiz, çalışmalar arasında duyarlılık ve özgüllük tahminlerini ayrı ayrı bir araya toplar, ancak yalnızca tanı eşiğinde bir değişiklik yoksa uygundur. Tüm bu çalışmalar endometriyal kalınlıkların 5 mm'lik bir kesim noktası kullandığını iddia etse de, makine kalibrasyonu ve ölçüm tekniğindeki farklılıklar nedeniyle teşhis eşiğinde gözlemlenmeyen varyasyonların ortaya çıkması hala mümkündür. 20 çalışma boyunca duyarlılıklar ve özgüllükler arasındaki korelasyonu hesaplayarak bir eşik etkisini kabaca test edebiliriz. Duyarlılıkların ve özgüllüklerin normal olarak dağılmadığı durumlarda parametrik olmayan bir korelasyon tercih edilir: bu veriler için Spearman's rho'nun istatistiksel olarak anlamlı olmayan (P=0.6) 0·14 olduğu tahmin edilmektedir. Duyarlılık Yukarıda verilen formüller kullanılarak, birleştirilmiş duyarlılık ve standart hatası tahminleri bulunur. Ki-kare testi için beklenen minimum frekansların varsayımı karşılanmadığından (çoğu çalışmada yanlış negatif sayısı için beklenen değerler 5'ten az olduğundan), çalışmalar genelinde duyarlılıkların homojenliğini kontrol etmek için bir ki-kare testi kullanmak zordur. ve Fisher'in kesin testinin 2􏰉20'lik bir tabloda hesaplanması, sayısal olarak önemsiz değildir. Alternatif olabilirlik oranı testi, 19 serbestlik derecesinde 31.2'lik bir ki-kare değeri verir (P=0.04). Bu resmi olarak istatistiksel olarak anlamlı olsa da, sonuçlar arasındaki heterojenlik derecesi küçüktür ve yirmi çalışmadan yalnızca biri (Dorum) genel değeri kendi güven aralığına dahil etmez. ROC grafiğindeki yatay çizgi, bu özet tahmine karşılık gelir ve çalışmaların çoğuna makul ölçüde yakındır. Bu nedenle, 0·958'lik genel duyarlılık tahmini makul bir özet gibi görünmektedir ve testin endometriyal kanseri saptamada kullanım için uygun şekilde yüksek duyarlılığa sahip olduğu sonucuna varabiliriz. Özgüllük Duyarlılıklarla aynı hesaplamaları takiben, ortalama özgüllüğün genel tahmini (%95 GA) 0.608'dir (0.590 ila 0.626). Bununla birlikte, bir ki-kare testi (􏰁2=201, df=19, P<0,001)'de gözlemlenen heterojenliğin istatistiksel önemini doğrular. Çalışmalar arasındaki farklılıklardan kaynaklanan ekstra belirsizlik, aşırı yayılımı hesaba katan bir lojistik modelin kullanılmasıyla dahil edilebilir. Bu, (0.549 ila 0.664) güven aralığı üretir; Orijinal Tahmin. Çalışmalar arasındaki büyük heterojenlik, birçok çalışmanın sonuçlarının özet özgüllüğünden biraz uzakta olmasıyla açıkça görülmektedir. Böyle bir durumda, özgüllükleri bir araya toplamak muhtemelen hiç uygun değildir ve özgüllüklerin değiştiği görülen [0·267 ila 0·875] aralığını tanımlayarak heterojenliği not etmek en iyisi olabilir. Olasılık Oranlarının Havuzlanması Olabilirlik oranları, olasılık oranlarıdır ve bir meta-analizde risk oranları olarak ele alınabilir (ancak RCT'lerde olduğu gibi satırlar arasında değil, 2􏰉2 tablosunun sütunları arasında hesaplanmıştır). Olabilirlik oranlarının ağırlıklı ortalaması, standart Mantel-Haenszel veya ana hatlarıyla belirtilen risk oranlarının meta-analizinin ters varyans yöntemleri kullanılarak hesaplanabilir. Olabilirlik oranlarının heterojenliği, istatistikleri bir meta-analizde birleştirdikten sonra standart heterojenlik testleri ile de test edilebilir. Duyarlılık analizi örneği Duyarlılık analizi nasıl yapılır Yöneylem Araştırması duyarlılık analizi Duyarlılık analizi hesaplayıcı Duyarlılık analizi Grafik yöntem Duyarlılık Analizi yorumlama DUYARLILIK ANALİZİ Soruları Duyarlılık analizi çözümlü sorular Vaka çalışması: Olasılık oranlarının birleştirilmesi Olasılık oranları, duyarlılık ve özgüllüğe ilişkin özet tahminlerden veya meta-analizin risk oranı yöntemleri kullanılarak her çalışma için hesaplanan olasılık oranlarının havuzlanmasıyla tahmin edilebilir (bkz. Bölüm 15). Havuzlama yöntemi, çalışmalar arasındaki olabilirlik oranlarındaki heterojenliğin araştırılmasına izin verdiği ve yukarıda hesaplanan güvenilmez özgüllük tahminini kullanmadığı için tercih edilir. Mantel-Haenszel yöntemini kullanarak pozitif olabilirlik oranlarını birleştirmek, 2.38 (2.26 ila 2.51) genel bir tahmin (%95 GA) verir. Ancak, özgüllüklerde olduğu gibi, çalışmalar arasında pozitif olabilirlik oranlarında önemli bir heterojenlik vardır (Cochran's Q=187, df=19, P<0.001) ve 2·38 tahmini, 8'in %95 güven aralığının dışındadır. 20 çalışma. Aradaki çalışma varyasyonu, DerSimonian ve Laird rastgele etkiler modeli kullanılarak dahil edilebilir (pozitif LR (%95 GA): 2,54 (2.16 ila 2·98)) ancak yine bu tür heterojen sonuçları birleştirmenin mantıklı olup olmadığı tartışmalıdır. Özet pozitif olabilirlik oranının, çalışma değerlerinin çoğundan biraz uzakta olduğu oldukça açıktır. Bununla birlikte, olabilirlik oranının resmi bir havuzlanmış tahmininin sunulup sunulmadığına bakılmaksızın, çalışmalar genelindeki pozitif olabilirlik oranlarının değerlerinden (hepsi 10'un oldukça altındadır) pozitif bir test sonucunun varlığına dair ikna edici kanıt sağlayamayacağı açıktır.  Negatif olabilirlik oranları, önemli bir heterojenlik kanıtı göstermez (Cochran's Q=27.9, df=19, P=0.09), Mantel-Haenszel havuzlanmış tahmini (%95 GA) 0.09 (0.06 ila 0) ·13) ve ROC grafiğindeki özet satırı, çalışma sonuçlarının çoğuna yakındır. Bu bulgu, 5 mm'den daha küçük bir EVUS ölçümünün endometriyal kanseri ekarte eden makul derecede ikna edici kanıtlar sağlayabileceğini gösterdiği için çok faydalıdır. EVUS'si 5 mm'nin altında olan bir kadında endometriyal kanser olasılığı, postmenopozal vajinal kanama ile başvuran kadınlarda endometriyal kanserin lokal prevalansına bağlıdır. 20 çalışmadaki %13'lük ortalama prevalansı alarak ve Bayes teoremi1,3,11 uygulayarak, EVUS ölçümü <5 mm olan kadınların yalnızca %1,3'ünün endometriyal kansere sahip olacağını aşağıdaki gibi tahmin edebiliriz. Belirli klinik örnek için, olabilirlik oranlarının havuzlanması, muhtemelen bu çalışmalardan elde edilen en önemli klinik özet bilgileri sağlar. Vaka çalışması : Tanısal olasılık oranlarını birleştirmek Tanısal eşikten bağımsız olarak sabit tanı olasılık oranlarını varsayan bir model, duyarlılığın özgüllüğe eşit olduğu azalan bir çapraz çizgi etrafında simetrik olan bir özet ROC eğrisine karşılık gelir. 20 çalışmanın tümünün duyarlılıkları özgüllüklerden daha yüksek olduğundan, 20 çalışmanın tümünün sonuçları ROC grafiğinde bu diyagonal çizginin üzerindedir. Bu durumda simetrik bir özet ROC çizgisi savunulabilir. Odds oranlarını birleştirmek için Mantel-Haenszel yöntemini kullanarak bir özet tanısal olasılık oranının hesaplanması, 28·0 (18·2 ila 43·2) bir tahmin (%95 GA) verir. Büyük bir heterojenlik kanıtı yoktu (Cochran's Q=22.0, df=19, P=0.3), bu nedenle bu tanısal olasılık oranı, çalışmalar arasında tanısal performansın makul ölçüde tutarlı bir özet ölçüsü gibi görünmektedir. Tanısal olasılık oranı, rakamlara bakılarak (duyarlılık=0.95 ve özgüllük=0.60 ise DOR'nin 28.5 olacağını gösterir) veya özetin grafiğini çizerek duyarlılıklar ve özgüllükler açısından yorumlanabilir. Bununla birlikte, duyarlılık ve özgüllüğün benzersiz bir ortak özet tahmini yoktur: yalnızca diğerinin değerine bağlı olarak bir değerin özet tahminini elde etmek mümkündür.

Bağımlı Değişkende Aralık Değişimi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri

Menzil Kısıtlaması

Dolaylı menzil kısıtlaması, korelasyonları doğrudan menzil kısıtlamasından daha fazla azaltır. Bu azalmanın ne kadar büyük olduğunu belirlemek için, daha önce verilen zayıflama faktörü “a” formülünü hala kullanabiliriz, ancak şimdi farklı bir SD oranı kullanmamız gerekiyor. Gözlenen SD’lerin oranı (uX olarak adlandırılır) yerine, gerçek puan SD’lerinin (uT olarak adlandırılır) oranını kullanmalıyız.

Bu oran özel bir formül kullanılarak hesaplanmalıdır. Bu oran, dolaylı menzil kısıtlamasını düzeltmek için formülde de kullanılır. Hem doğrudan hem de dolaylı menzil kısıtlaması ve bunlarla ilişkili formüller Bölüm 3 ila 5’te tartışılmaktadır. Bu tür dolaylı menzil kısıtlamasını düzeltmeye yönelik formüller ancak yakın zamanda geliştirilmiştir ve bu çalışmanın 1990 baskısına dahil edilmemiştir.

Mendoza ve Mumford (1987), bu (her yerde bulunan) dolaylı menzil kısıtlamasını düzeltmek için formüller türeten ilk kişilerdi. Bu düzeltmeleri meta-analiz ile ilişkilendiren gelişmeler Hunter ve ark. (2002). Bu formüllerin mevcudiyeti, menzil kısıtlamasını içeren meta-analizlerin doğruluğunu büyük ölçüde artırır.

Aşınma Artifaktları: Bağımlı Değişkende Aralık Değişimi

Bağımlı değişken üzerindeki aralık varyasyonu, genellikle yıpranma artefaktları tarafından üretilir. Örneğin, personel seçiminde çalışma korelasyonu mevcut işçiler (yani görevliler) üzerinde hesaplanır çünkü iş performansına ilişkin veriler yalnızca işe alınanlarda mevcuttur. Bununla birlikte, performansı düşük olan işçiler genellikle işten çıkarılmakta veya gönüllü olarak işten ayrılmaktadır. Çalışmaya katılanlar sadece halen görevde olan kişiler olacaktır. Bu nüfus, bu yıpranma nedeniyle başvuranlardan farklı olacaktır.

İstatistiksel formüllerle elimine edilebilecek yıpratma artefaktlarının özel bir durumu vardır: bağımsız değişken üzerinde herhangi bir aralık kısıtlamasının olmadığı durum. Bağımlı değişkende seçim varsa, bu, onunla ilişkili herhangi bir bağımsız değişkende indüklenmiş seçime neden olacaktır. Bu uyarılmış seçilim biçiminden başka bir seçim olmadığını varsayalım.

Böyle bir durumda, yıpranma artefaktları, istatistiksel olarak bağımlı değişken üzerindeki aralık varyasyonu olarak ele alınabilir. İstatistiksel olarak, bağımsız ve bağımlı değişkenler, korelasyon katsayısı ile simetrik olarak ilişkilidir. Daha önce açıklanan yıpratma artefaktlarının özel durumu bu simetriyi tam olarak tersine çevirir.

Bu nedenle, standart sapma oranı u’nun bağımsız değişken yerine bağımlı değişken tarafından tanımlanması dışında formüller aynıdır (yani, uX yerine uY olur). Böyle bir durumda bağımlı değişken üzerindeki aralık kısıtlaması doğrudan veya dolaylı olabilir. Doğrudan ise, doğrudan menzil kısıtlaması için düzeltme formülleri kullanılmalıdır. Dolaylı ise, dolaylı menzil kısıtlaması için düzeltme formülleri kullanılmalıdır.

Bağımlı bağımsız değişken örnekleri
Bağımsız değişken nedir
bağımlı bağımsız değişken örnekleri fen 8. sınıf
Bağımlı Bağımsız değişken nedir
Bağımlı Bağımsız değişken araştırma Yöntemleri
Bağımsız değişken nedir eodev
Bağımsız değişken türleri
Sürekli değişken örnekleri

Personel seçiminde, çoğu çalışma hem bağımsız değişken üzerindeki menzil kısıtlamasından hem de bağımlı değişken üzerindeki yıpranma artefaktlarından etkilenir (kötü performans gösterenleri sonlandırmanın yanı sıra işverenler iyi performans gösterenleri de teşvik eder). Bununla birlikte, şu anda, doğrudan menzil kısıtlaması durumunda bile, hem menzil kısıtlaması hem de yıpranma artefaktlarını aynı anda düzeltmek için kesin istatistiksel yöntemler yoktur.

Temel matematiksel problem, bir değişken üzerindeki seçimin diğer değişken için regresyonu karmaşık bir şekilde değiştirmesidir, böylece regresyon artık lineer ve homoskedastik değildir. Örneğin, yordayıcı üzerinde seçim olduğunda, yordayıcının iş performansına (ters) regresyonu artık doğrusal ve homoskedastik değildir.

Ancak Alexander, Carson, Alliger ve Carr, menzil kısıtlaması için böyle bir “çift” düzeltme yapmak için bir yaklaşım yöntemi önerdi. Bu yazarlar, doğrudan bağımsız değişken üzerinde bir seçim yapıldıktan sonra, bağımsız değişkenin bağımlı değişken üzerine regresyonunun (“ters regresyon”) artık lineer ve homoskedastik olmadığını belirtmişlerdir.

Bu nedenle, bağımlı değişken üzerinde doğrudan kısıtlama getirildiğinde, bu regresyon çizgisinin eğimi aynı kalmayacaktır. Bununla birlikte, çok fazla değişmeyebileceğini varsaydılar. Aynısı homoskedastisite için de geçerlidir: Koşullu varyans ikinci kesmeden sonra tam olarak aynı kalmayacak, ama belki de fazla değişmeyecektir.

Her iki değişiklik de küçükse, değişiklik olmadığı varsayımı, pratik amaçlar için yeterince doğru olabilecek, menzil kısıtlamasının düzeltilmesi için bir yaklaşım denklemi verecektir. Çift aralık kısıtlamasının özel bir durumu için denklemlerini türettiler: çift kesme. Yani, aralık kısıtlamasının her iki değişken üzerinde doğrudan olduğunu ve bir çift eşiğin neden olduğunu varsaydılar: Bağımsız değişken bir x kesme değerinden küçükse veya bağımlı değişken bir y kesme değerinden küçükse herhangi bir veri noktası kaybolur.

Bu nedenle, çalışma popülasyonunda “iki kez kesilmiş nüfus” olarak adlandırılanlar, kalan tek kişi, her iki değişkenin de ilgili eşiklerin üzerinde olduğu kişilerdir. Personel seçimi durumunda, bu, işe almanın yalnızca test kullanılarak ve bunun sabit bir eşik ile kullanıldığı ve işten ayrılmanın belirli bir sabit performans düzeyi eşiğine dayandığı bir duruma karşılık gelir.

Muhtemelen çift kesme modeline uyan gerçek bir seçim durumu yoktur, ancak bu iyi bir matematiksel başlangıç ​​noktasıdır. İskender ve ark. (1987), çeşitli çift kesme kombinasyonları için düzeltme yaklaşımlarını test etti. Her bir eşik değerini, ortalamanın altındaki -2,0 standart sapmadan (vakaların yalnızca en alttaki %2,5’ini ortadan kaldırır) +2,0 standart sapmalara (vakaların %97,5’inin elimine edildiği) bağımsız olarak değiştirdiler. Kesilmemiş popülasyon korelasyonunu -.90’dan +.90’a değiştirdiler.

Bu yöntemin doğruluğu oldukça iyidir: Tahmini değerlerinin %84’ü doğru değerin %3’ü dahilindedir. En kötü uyum, .50’lik nüfus korelasyonu içindir. Bu değer için, düzeltilmiş korelasyonlar, kombinasyonların %8,6’sında %6 kadar fazla yüksektir. Uyumun daha zayıf olduğu kombinasyonlar, her iki değişkende de yüksek seçimin olduğu ve iki kesme puanının yaklaşık olarak eşit olduğu kombinasyonlardır.

Bu, formülün yalnızca bir değişken üzerinde doğrudan aralık kısıtlaması için mükemmel şekilde çalıştığı gerçeğiyle tahmin edilebilir. En büyük yanlışlığı gösteren durumlar çok gerçekçi olmayabilir. Eğer kesim, her iki değişken için ortalamanın üzerinde 1.0 standart sapma ise, o zaman kesilmiş popülasyon genellikle kesilmemiş popülasyonun %3’ünden biraz fazlasını temsil eder. Orijinal popülasyonun %97’sinin ortadan kaldırılması, gerçek verilerde muhtemelen nadiren gerçekleşecektir.

Mutlak doğruluk için bulgular daha da umut verici. İskender ve ark. (1987), düzeltilmiş korelasyonların %90’ının gerçek korelasyondan .02’den fazla farklı olmadığını bulmuştur. Aslında, düzeltilmiş korelasyon iki haneye yuvarlanırsa, tahmini düzeltilmiş korelasyon vakaların %94’ünde .02 içindedir. Hiçbir durumda formülleri .03’ten fazla eksik değildi.

En zayıf uyum, .60’lık bir nüfus korelasyonu içindir; burada vakaların %17’si .03 ile kapalıdır. Mutlak uyumun zayıf olduğu vakalar, yüzde uyumunun zayıf olduğu vakalarla temelde aynıydı: her iki değişkende de eşit derecede şiddetli seçim vakaları. Alexander ve ark. pratik amaçlar için kesinlikle yeterince doğrudur.

Bir sonraki açık soru şudur: Formül, daha yaygın ve dolayısıyla daha gerçekçi dolaylı seçim durumu için doğru kalıyor mu? Hesaplamalarımız, formülün bu durumda daha da doğru olduğunu gösteriyor. 

Etiketler: , , , , , , ,

Bir yanıt yazın