Çoklu Karşılaştırmalar – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Bir Çalışma İçinde Çoklu Karşılaştırmalar
Karmaşık bir veri yapısının son durumu, çalışmaların tek bir kontrol grubu ve birkaç tedavi grubu kullandığı durumdur. Örneğin, ders vermenin öğrenci performansı üzerindeki etkisini değerlendiren beş çalışma ile çalıştığımızı varsayalım. Her çalışma üç gruptan oluşuyordu, bir kontrol grubu (ücretsiz bir çalışma dönemi), müdahale A (o günün okul dersine odaklanan ders) ve müdahale B (ayrı bir gündeme dayalı ders) vardır.
Amacımız, A’ya karşı kontrol için ve B’ye karşı kontrol için ayrı ayrı bir özet etki hesaplamak olsaydı, iki ayrı meta-analiz gerçekleştirirdik; biri her çalışmadan A-kontrol karşılaştırmasını, diğeri ise B’ye karşı kontrol karşılaştırmasını kullanırdı. her çalışma.
Bu bölümde ele aldığımız konular, her iki tedavi grubunu da aynı analize dahil etmek istediğimizde nasıl ilerleneceğimizdir.
Özellikle,
- Kontrole karşı aktif müdahale (A ve B’yi birleştirerek) için bir özet etki hesaplamak istiyoruz.
- Veya, müdahale A ile müdahale B için etki büyüklüğündeki farkı araştırmak istiyoruz.
BİR ÇALIŞMA İÇİNDE ÇOKLU KARŞILAŞTIRMALARI BİRLEŞTİRME
Ele almamız gereken konu, A’ya karşı kontrol etkisinin ve B’ye karşı kontrol etkisinin birbirinden bağımsız olmadığıdır. Her grup (A, B ve kontrol) 200 katılımcıya sahipse ve iki etkiyi bağımsız olarak ele alırsak, gerçek örneklem büyüklüğü aslında 600 iken, etkin örneklem büyüklüğümüz 800 (kontrol grubunu iki kez saydığımız için) olarak görünecektir.
Sorun ve çözüm, bir çalışma içinde birden çok sonuç (veya zaman noktası) için tartıştığımıza çok benzer. Amacımız herhangi bir tedaviyi kontrol ile karşılaştırmaksa, basitçe A-kontrol ve B-kontrolün ortalaması olan bir bileşik değişken oluşturabiliriz. Bu bileşimin varyansı, her bir etki boyutunun varyansının yanı sıra iki etki arasındaki korelasyona dayalı olarak hesaplanacaktır. Bu noktada, birden çok sonuçtan elde edilen verileri birleştirmeye yönelik tüm formüller burada da geçerli olacaktır.
Çoklu sonuç ve çoklu karşılaştırma grupları arasındaki fark aşağıdaki gibidir. Birden fazla sonuç olması durumunda, sonuçlar arasındaki korelasyon sıfır (veya hatta negatif korelasyon) ile 1.0 aralığında herhangi bir yere düşebilir. Araştırmacının bir dizi makul korelasyonla çalışmasını önerdik, ancak bu yaklaşım bile tipik olarak önemsiz olmayan bir dizi olası korelasyon (örneğin, 0,25 ila 0,75) ve varyanslar verecektir.
Buna karşılık, çoklu karşılaştırma grupları söz konusu olduğunda, korelasyon, her gruptaki vaka sayısına göre doğru bir şekilde tahmin edilebilir. Örneğin, grup A, grup B ve kontrol grubunun her birinin 200 katılımcısı varsa, A ile kontrol ve B ile kontrol arasındaki korelasyon 0,50’dir. (Bu, A grubu ile B grubu arasındaki korelasyonun 0, kontrol ve kontrol arasındaki korelasyonun 1 olması ve ikisinin ortasında bir birleşik korelasyon veya 0,50 olması gerçeğinden kaynaklanmaktadır.) Bu nedenle, bir korelasyon ile çalışabiliriz. 0,50 bir dizi olası korelasyona dayalı bir duyarlılık analizi yapmaya gerek kalmadan gerçekleşir.
ÇOKLU karşılaştırma testleri örnekleri
Duncan çoklu karşılaştırma testi
Tukey testi yorumlama
Duncan testi tablosu
Çoklu karşılaştırma testleri
Duncan testi
Post-hoc test çeşitleri
Tukey testi niçin kullanılır
Bu yaklaşım, örneklem büyüklüğünün bir gruptan diğerine farklılık gösterdiği durumlarda genişletilebilir. Örneğin, daha fazla denekle yapılan tedavilere daha fazla ağırlık vermek için basit bir ortalama yerine etkilerin ağırlıklı ortalamasını kullanabiliriz. Bu durumda, ağırlıklandırmayı hesaba katmak için varyansı da ayarlamamız gerekir. Örneklem büyüklüğü gruptan gruba farklılık gösteriyorsa, korelasyon artık 0,50 olmayacaktır, ancak dış korelasyonlara başvurmaya gerek kalmadan verilere dayanarak kesin olarak tahmin edilebilir.
Çoklu karşılaştırma gruplarıyla çalışmak için alternatif bir yaklaşım, tedavi gruplarından gelen verileri daraltmak ve bu verileri bir etki büyüklüğü ve varyansı hesaplamak için kullanmaktır. 23 tablosunda bir kontrol grubu ve iki tedavi grubundan ikili verilerle çalışıyorsak, 22’lik bir tablo oluşturmak için iki tedavi grubunu daraltırız ve ardından etki büyüklüğünü bundan hesaplarız.
Veya, üç grup (A, B ve kontrol) için ortalamalar ve standart sapmalarla çalışıyorsak, birleşik bir ortalama ve standart sapma elde etmek için A ve B’den gelen verileri daraltırız ve sonra kontrol grubu ve kontrol grubu için etki büyüklüğünü hesaplarız. bu birleştirilmiş grup (bağımsız alt gruplar için bkz. seçenek 2, (23.1), (23.2), ve (23.3)). Bu yaklaşım, esasen yukarıda önerilen yöntemle aynı sonuçları verecektir.
TEDAVİLER ARASINDAKİ FARKLAR
Şimdi, farklı tedaviler aynı karşılaştırma grubunu kullandığında, tedaviler arasındaki farklılıkları araştırma sorununa dönüyoruz. Mevcut örneği genişletmek için, iki tedavi grubumuz (A ve B) ve bir kontrol grubumuz olduğunu varsayalım. Tedavilerden birinin diğerine üstün olup olmadığını bilmek istiyoruz.
Çoklu karşılaştırmalarla birleşik bir etkiyi hesaplamak için kullanılan yaklaşım, çoklu sonuçlar için olana benzer olsa da, tedaviler arasındaki farklılıklara döndüğümüzde durum böyle değil. Birden fazla sonuç olması durumunda, okuma için bir etki büyüklüğümüz (tedavi edilen ve kontrol arasındaki fark olarak tanımlanır) ve matematik için bir etki büyüklüğümüz (tedavi edilen ve kontrol arasındaki fark) vardı.
Yaklaşımımız, iki etki boyutu arasındaki farkla çalışmaktı. Çoklu karşılaştırmalar durumunda, benzer yaklaşım, A’ya karşı kontrol için etki büyüklüğünü ve B’ye karşı kontrol için etki büyüklüğünü hesaplamak ve ardından iki etki büyüklüğü arasındaki farkla çalışmak olacaktır.
Bu yaklaşım işe yarayacak olsa da, daha iyi (potansiyel olarak daha güçlü) bir yaklaşım, kontrol grubunu tamamen yok saymak ve etki büyüklüğünü A ve B arasındaki fark olarak tanımlamaktır. İkili verilerle çalışıyorsak 2 x 2 oluştururuz. A’ya karşı B tablosunu belirleyin ve bunu bir efekt boyutunu hesaplamak için kullanın. Ortalamalar ve standart sapmalarla çalışıyorsak, kontrol grubunu tamamen göz ardı ederek bu iki gruptaki özet verilerden bir etki büyüklüğü hesaplarız.
Bu yaklaşım yalnızca, tüm çalışmalar aynı gruplara sahipse (burada, A ve B) işe yarayacaktır, bu da her çalışma için aynı etki büyüklüğünü (A’ya karşı B) oluşturmamıza izin verir. Pratikte, bazı çalışmalar A ile B’yi karşılaştırırken, diğerleri A ile kontrol ve yine de diğerleri B ile kontrolü karşılaştırdığı için sorunlarla karşılaşmamız muhtemeldir. Veya bazı çalışmalar ikiden fazla karşılaştırma grubu içerebilir. Bu tür sorunları ele almak için geliştirilen yöntemler bu kitabın kapsamı dışındadır, ancak daha sonraki okumalarda ele alınacaktır.
Çoklu karşılaştırma testleri ÇOKLU karşılaştırma testleri örnekleri Duncan çoklu karşılaştırma testi Duncan testi Duncan testi tablosu Post-hoc test çeşitleri Tukey testi niçin kullanılır Tukey testi yorumlama