Bayes Meta-analizi – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri

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.

Bayes Meta-analizi – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri

Birleşik Etki Tahmin Etme Yöntemleri

Dikkatli bir değerlendirmeden sonra bir meta-analiz uygun görülürse, son adım, verileri birleştirerek genel bir etkinin tahmin edilmesini içerir. İki ilke önemlidir. İlk olarak, farklı çalışmalardan elde edilen verileri basitçe bir havuzda toplamak ve bunları büyük bir çalışma olarak ele almak, randomizasyonu korumada başarısız olur ve yanlılık ve kafa karışıklığına neden olur. Örneğin, erkek sünnetinin HIV bulaşmasındaki rolüne ilişkin literatürün yakın tarihli bir incelemesi ve “meta-analizi”, sünnetsiz erkeklerde HIV enfeksiyonu riskinin daha düşük olduğu sonucuna varmıştır.

Ancak analiz, 33 farklı çalışmadan elde edilen verilerin bir havuzda toplanmasıyla gerçekleştirilmiştir. Çalışmaya göre verileri sınıflandıran bir yeniden analiz, bozulmamış bir sünnet derisinin aslında HIV enfeksiyonu riskinin artmasıyla ilişkili olduğunu buldu. Çalışma yoluyla yapılan kafa karıştırma, bu nedenle, derneğin yönünde bir değişikliğe yol açtı (epidemiyolojik tabirle bir “Simpson paradoksu” vakası). Bu nedenle, veriler birleştirilirken araştırmanın birimi her zaman korunmalıdır.

İkinci olarak, basitçe bir aritmetik ortalamayı hesaplamak uygun olmaz. Küçük çalışmalardan elde edilen sonuçlar daha çok şans oyununa tabidir ve bu nedenle daha az ağırlık verilmelidir. Meta-analiz için kullanılan yöntemler, daha büyük denemelerin genellikle daha küçük olanlardan daha fazla etkiye sahip olduğu sonuçların ağırlıklı bir ortalamasını kullanır. Bu amaç için genel olarak iki modelde sınıflandırılabilecek çeşitli istatistiksel teknikler mevcuttur.

Fark, çalışmalar arasındaki sonuçların değişkenliğinin ele alınma biçiminden oluşur. “Sabit etkiler” modeli, bu değişkenliği yalnızca rastgele varyasyona bağlı olarak ele alır ve bireysel çalışmalar basitçe kesinlikleriyle ağırlıklandırılır. Bu nedenle, tüm çalışmalar sonsuz büyüklükte olsaydı, aynı sonuçları verirdi.

Ana alternatif olan “rastgele etkiler” modeli, her çalışma için farklı bir temel etki olduğunu varsayar ve bunu ek bir varyasyon kaynağı olarak dikkate alır. Etkilerin rastgele dağıldığı varsayılır ve bu dağılımın merkezi noktası, birleşik etki tahmininin odak noktasıdır.

Rastgele etkiler modeli, sabit etkiler modeline göre daha küçük çalışmalara ve daha geniş güven aralıklarına nispeten daha fazla ağırlık verilmesine yol açar. Çalışma sonuçları arasında heterojenlik varsa rastgele etki modellerinin kullanılması savunulmaktadır. Ancak bu sorunludur. Bir istatistiksel model uyguladıktan sonra basitçe görmezden gelmek yerine, heterojenliğe yaklaşım onu ​​incelemek ve açıklamaya çalışmak olmalıdır.

Her iki modelin de “doğru” olduğu söylenemezken, sabit ve rastgele etkiler modelleri tarafından hesaplanan birleşik etkide önemli bir fark, ancak araştırmalarda olduğu gibi belirgin bir şekilde heterojen ise görülecektir. BCG denemeleri. Rastgele etkiler modeli kullanılarak denemelerin birleştirilmesi, BCG aşısının tüberküloz riskini yarıya indirdiğini gösterirken, sabit etkiler analizi, riskin sadece %35 oranında azaldığını gösterir.

Bu, esas olarak, aşılamanın koruyucu etkisi göstermeyen büyük Madras çalışmasına verilen farklı ağırlıkla açıklanmaktadır (sabit etkiler modeliyle toplam ağırlığın %41’i, rastgele etkiler modeliyle %10). Her iki analiz de muhtemelen yanlış yönlendirilmiştir.

Gösterildiği gibi, BCG aşılamasının daha yüksek enlemlerde etkili olduğu, ancak daha sıcak bölgelerde etkili olmadığı görülmektedir, bunun nedeni muhtemelen belirli çevresel mikobakterilere maruz kalmanın daha sıcak bölgelerde “doğal” bir BCG aşılaması görevi görmesidir. Bu durumda nicel olarak ölçmek daha anlamlıdır. kullanılan modelden bağımsız olarak, yanıltıcı olacak genel bir etki tahmini hesaplamaktansa, etkinin enlemine göre nasıl değiştiği önemlidir.

Bayes Meta-analizi

Bazılarının yukarıdakilerden daha uygun olduğunu düşündüğü başka istatistiksel yaklaşımlar da vardır. Biri, 18. yüzyıl İngiliz din adamı Thomas Bayes’in adını taşıyan Bayes teoremi kullanır. Bayesci istatistikçiler, verileri görmeden önce bazı önsel olasılık dağılımını belirterek bir etkinin boyutu hakkındaki inançlarını ifade eder ve ardından verileri hesaba katarak sonsal bir olasılık dağılımı türeterek bu inancı günceller.

Bayes modelleri hem sabit hem de rastgele etkiler çerçevesinde mevcuttur, ancak yayınlanan uygulamalar genellikle rastgele etkiler varsayımına dayanmaktadır. Güven aralığı (veya bayes terminolojisinde daha doğrusu: sonsal olasılık dağılımının %95’ini kapsayan %95 güvenilir aralık), geleneksel modellerin kullanılmasından elde edilenden biraz daha geniş olacaktır.

Bayes yöntemleri, örneğin iki işlemin karşılaştırmalı etkileriyle ilgili olarak doğrudan olasılık ifadelerinin yapılmasına izin verir (“A tedavisinin B’den daha iyi olma olasılığı 0.99’dur”). Meta-analiz için Bayesci yaklaşımlar, örneğin gözlemsel çalışmalardan veya uzman görüşünden elde edilen bulgular gibi diğer kanıt kaynaklarını bütünleştirebilir ve özellikle tedavi yararı ile altta yatan risk arasındaki ilişkiyi analiz etmek için yararlıdır. Son olarak, kümülatif meta-analiz için doğal bir çerçeve sağlarlar.

Bununla birlikte, Bayesci yaklaşımlar tartışmalıdır, çünkü önceki olasılığın tanımı genellikle sistematik inceleme ilkelerine aykırı olan öznel değerlendirmeleri ve görüşleri içerecektir. Ayrıca, analizlerin uygulanması karmaşıktır ve zaman alıcıdır. Bayes yöntemlerinin sistematik incelemelerde ve meta-analizdeki uygun yerini belirlemek için daha fazla metodolojik araştırma gereklidir.

Duyarlılık Analizi

Belirli bir meta-analizi gerçekleştirmek için doğru yöntem konusunda genellikle farklı görüşler olacaktır. Bu nedenle, bulguların farklı varsayımlara karşı sağlamlığı, her zaman kapsamlı bir duyarlılık analizinde incelenmelidir. Bu, miyokard enfarktüsü meta-analizinden sonra beta bloker için gösterilmiştir.

İlk olarak, genel etki, hem sabit hem de rastgele etkiler modeli kullanılarak farklı istatistiksel yöntemlerle hesaplandı. Genel tahminin hemen hemen aynı olduğu ve rastgele etkiler modeli kullanıldığında güven aralıklarının sadece biraz daha geniş olduğu şekilden açıkça görülmektedir. Bu, bu meta-analizde bulunan deneme varyasyonlarının nispeten küçük miktarı ile açıklanmaktadır.

Metodolojik kalite, çalışma katılımcılarının beta-bloker veya kontrol gruplarına atanmasının gizlenmesi ve hastaların ve araştırmacıların körlenmesi açısından değerlendirildi. Tahmini tedavi etkisinin, tedavi tahsisinin gizlendiği ve gizlenmediği çalışmalar için benzer olduğunu gösterir.

Çift kör olmayan sekiz çalışma, 25 çift kör denemeden daha fazla fayda gösterdi, ancak güven aralıkları büyük ölçüde örtüşüyor. İstatistiksel olarak anlamlı sonuçların, anlamlı olmayan bulgulara göre yayınlanma olasılığı daha yüksektir ve bu, meta-analizlerin bulgularını bozabilir. Böyle bir yayın yanlılığının olup olmadığı, analizin çalışma boyutuna göre katmanlandırılmasıyla incelenebilir.

Daha büyük çalışmalarda daha küçük etkiler istatistiksel olarak anlamlı olabilir. Yayın yanlılığı varsa, yayınlanmış çalışmalardan daha büyük olanların daha küçük etkileri bildirmesi beklenir. Şekil, mevcut örnekte en büyük etkiyi gösteren en küçük 11 denemede (25 ölüm veya daha az) durumun gerçekten de böyle olduğunu göstermektedir. Bununla birlikte, daha küçük çalışmaların hariç tutulması, genel tahmin üzerinde çok az etkiye sahiptir.

Çalışmalar, takip süresi açısından farklılık gösteriyordu, ancak bunun yine tahminler üzerinde çok az etkisi oldu. Son olarak, iki deneme, ara analizlerden elde edilen sonuçlara dayanarak beklenenden daha erken sonlandırıldı. Önemli bir tedavi farkı nedeniyle erken durdurulan çalışmalardan elde edilen tedavi etkilerinin tahminleri, sıfır değerinden sapmaya eğilimlidir. Bu nedenle, bu tür denemeleri içeren bir meta-analizde yanlılık ortaya çıkabilir. Bununla birlikte, bu denemelerin hariç tutulması, yine genel tahmini yalnızca marjinal olarak etkiler.

Duyarlılık analizi, bu nedenle, bu meta-analizden elde edilen sonuçların, istatistiksel yöntemin seçimine ve daha düşük kaliteli denemelerin veya erken sonlandırılan çalışmaların hariç tutulmasına karşı sağlam olduğunu göstermektedir. Ayrıca, yayın yanlılığının bulgularını çarpıtmış olma ihtimalinin düşük olduğunu öne sürüyor.

Etiketler: , , , , , , ,