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 220'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, 22 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.
Çalışmalar Arasında Birleştirme
Meta-analiz, örnekleme hatalarının ortalamasını alarak örnekleme hatasını azaltır. Bu nedenle, meta-analizde önemli bir adım, belirli kritik ortalamaların hesaplanmasıdır: ortalama korelasyon, korelasyonların varyansı (ortalamadan ortalama kare sapma) ve ortalama örnekleme hatası varyansı. Bunun için her bir çalışmaya ne kadar ağırlık vereceğimize karar vermeliyiz.
Hangi ağırlıklar kullanılmalıdır? Meta-analizdeki ilk adım, çalışmalar arasında belirli sayıların ortalamasını almaktır. Bu ortalama alma birkaç yolla yapılabilir. Ortalama düzeltilmiş korelasyonlarda, basit veya “ağırlıksız” bir ortalama, örneklem büyüklüğü 12 olan bir çalışmaya, örneklem büyüklüğü 1.200 olan bir çalışmaya verilen ağırlık kadar verilir. Ancak küçük örneklemli çalışmada örnekleme hatası varyansı, büyük örneklemli çalışmadakinden 100 kat daha fazladır. Schmidt ve Hunter (1977) bu soruna dikkat çekti ve her çalışmanın örneklem büyüklüğüne göre ağırlıklandırılmasını önerdi.
Hunter, Schmidt ve Jackson (1982, s. 41–42), çalışmalar arasında popülasyon korelasyonlarında çok az veya hiç varyasyon olmadığında bunun optimal bir strateji olduğunu belirtmişlerdir – “homojen” durum. Çalışmalar arasında korelasyonlar büyük ölçüde farklılık gösterirse bir sorun olabileceğini belirtmişlerdir. Meta-analiz çok büyük örneklem büyüklüğüne sahip bir çalışma içeriyorsa, diğer tüm çalışmalar çok daha küçük örneklem büyüklüğüne sahipse, problem potansiyel olarak akuttur. Büyük örneklem büyüklüğündeki çalışma bir şekilde sapkınsa, o zaman meta-analize hakim olduğu için meta-analiz sapkın olacaktır. Bu durum pratikte nadiren ortaya çıkar.
Homojen durum, Hedges ve Olkin’de teknik olarak ayrıntılı olarak ele alındı. Bu durum için anahtar matematiksel teoremi not ettiler. Popülasyon korelasyonları bir çalışmadan diğerine farklılık göstermiyorsa, her çalışmanın örnekleme hatası varyansına ters olarak ağırlıklandırılmasıyla optimal ağırlıklar elde edilir.
Popülasyon korelasyonu ρi bilinmediği için bu optimal ağırlık kullanılamaz. Hedges ve Olkin (1985) bunu not etmemiş olsa da, homojen durumda bile, gözlemlenen çalışma korelasyon roi’sinin çalışma popülasyon korelasyonu ρi ile değiştirilmesi, en doğru alternatif ağırlıklara yol açmaz. Bu bölümde daha önce belirtildiği gibi, daha doğru bir alternatif, her çalışma popülasyonu ρi için gözlemlenen ortalama korelasyon r ̄o’yu ikame etmektir.
Önceki tartışma homojen durum (yani Sρ2 = 0 olduğu durum) açısından yapılmıştır. Bununla birlikte, bu bölümde daha önce belirtildiği gibi, bu ağırlıklar heterojen durum için de (Sρ2 > 0 olduğu yerde), örneklem boyutu ρi boyutuyla (popülasyon korelasyonu) ilişkili olmadığı sürece çok doğrudur. Bu nadir durum dışında, Ni ile ağırlıklandırma, homojen durum için olduğu kadar heterojen durum için de çok doğrudur. Bu önemlidir, çünkü bazıları heterojen durumda Ni ile ağırlık verilmemesi gerektiğini savunmuştur.
meta-analiz çalışması örneği
meta-analiz makale örneği
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz ve derleme arasındaki fark
Meta analiz yöntemi nedir
Meta analiz nasıl yazılır
Meta analiz çalışması
Meta analiz Nedir
Çalışmalar, düzeltilen bir veya daha fazla artefakt üzerinde büyük ölçüde farklılık gösterdiğinde, daha karmaşık ağırlıklandırma, çalışmalardaki bilgilerin daha iyi kullanılmasını sağlayacaktır. Daha fazla bilgi içeren çalışmalar, daha az bilgi içeren çalışmalara göre daha fazla ağırlık almalıdır. Örneğin, değişkenlerden birinin veya her ikisinin aşırı bölünmelerle ikiye ayrıldığı araştırmalar, neredeyse eşit bir bölünmeye sahip bir çalışmaya göre çok daha az ağırlık almalıdır. Aynı durum, bir çalışma çok düşük güvenilirliğe sahipken ikinci bir çalışma yüksek güvenilirliğe sahipse geçerlidir.
Çalışma popülasyon korelasyonu ρi bilinmediğinden, bazı ikameler yapılmalıdır. Daha önce belirtildiği gibi, en doğru ikame, her bir çalışma popülasyon korelasyonu ρi için gözlemlenen ortalama korelasyon r ̄o’yu ikame etmektir. r ̄o bir sabit olduğundan, bu, ρi ile terimi ortadan kaldırma etkisine sahiptir ve böylece ağırlıkları verir.
Yani, her çalışmanın ağırlığı iki faktörün ürünüdür: numune boyutu Ni ve artefakt zayıflama faktörü Ai’nin karesi. Zayıflama faktörünün karesi alınır, çünkü bir korelasyonu faktör 1/Ai ile çarpmak, onun örnekleme hatası varyansını 1/A2i ile çarpmaktır. Bu ağırlıklandırma şeması istenen etkiye sahiptir: Belirli bir çalışmada artefakt zayıflaması ne kadar aşırı olursa, o çalışmaya atanan ağırlık o kadar az olur. Yani, çalışmada ne kadar fazla bilgi bulunursa, ağırlığı o kadar büyük olur.
Örneklem büyüklüğü 100 olan iki çalışmayı düşünün. (1) Her iki değişkenin de mükemmel bir güvenilirlikle ve aralık kısıtlaması olmaksızın ölçüldüğünü, (2) popülasyon korelasyonunun ρ her iki çalışmada da aynı olduğunu ve (3) bağımlı değişkenin ikiye ayrıldığını varsayın. her iki çalışmada. Çalışma 1’de, 50-50’lik bir bölünme vardır, bu nedenle gerçek popülasyon korelasyonu ρ, .80 ρ’lık bir çalışma popülasyon korelasyonuna indirgenir.
Çalışma 2’de 90–10’luk bir bölünme vardır, bu nedenle gerçek popülasyon korelasyonu ρ, .59 ρ’luk bir çalışma popülasyonu korelasyonuna indirgenir. Yapay dikotomizasyondan kaynaklanan zayıflamayı düzeltmek için, Çalışma 1 gözlemlenen korelasyon ro1 .80’in tersi ile çarpılmalıdır.
Böylece örnekleme hatası varyansı 1.25’in karesi ile çarpılır, yani 1.252 = 1.5625. Yapay dikotomizasyondan kaynaklanan zayıflamayı düzeltmek için, Çalışma 2’de gözlemlenen korelasyon ro2 .59’un tersi ile çarpılmalıdır, yani 1/.59 = 1.695.
Böylece örnekleme hata varyansı 1.695’in karesi ile çarpılır, yani 1.6952 = 2.8730. Dikotomizasyon ve düzeltmeden önce, her iki korelasyondaki örnekleme hatası aynıydı: örnekleme hatası, 100’lük eşit örneklem büyüklükleri ve ρi’nin eşit popülasyon korelasyonları tarafından ima edildi. Ancak, dikotomizasyon düzeltmesinden sonra, ikinci çalışma, birinci çalışmadaki örnekleme hatası varyansından 2.8730/1.5625 = 1.839 kat daha büyük örnekleme hatası varyansına sahiptir. Bu nedenle, ikinci çalışma meta-analizde sadece 1/1.839 = .544 kat daha fazla ağırlığı hak ediyor.
Özetle, ortalama almada kullanılabilecek üç tipik ağırlık türü vardır. İlk olarak, çalışmalar arasındaki kalite (bilgi içeriği) farklılıkları göz ardı edilebilir ve yüksek hatalı çalışmalara düşük hatalı çalışmalara olduğu kadar ağırlık verilebilir.
Bu, eşit ağırlıklar durumudur ve wi = 1 ile temsil edilir. İkincisi, eşit olmayan örnek boyutunun kalite üzerindeki etkisi düşünülebilir, ancak diğer artefaktların etkileri göz ardı edilebilir. Bu, Schmidt ve Hunter (1977) tarafından önerilen örneklem büyüklüğü ağırlıklarına yol açar: wi = Ni. Üçüncüsü, hem Ni hem de diğer artefaktları hesaba katan ağırlıklar düşünülebilir: wi = Ni A2i.
Bu son ağırlıkların kullanılmasını öneriyoruz, çünkü bunlar daha fazla düzeltme gerektiren çalışmalara daha az ağırlık verir ve dolayısıyla daha fazla örnekleme hatasına sahiptir. Bu ağırlıklar, ayrı ayrı düzeltilen korelasyonların meta analizi için Windows tabanlı programımızda kullanılır.