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 İçinde Çoklu Sonuçlarla ve Alt Gruplarla Çalıma
Program karmaşık veri yapıları ile çalışabilir. Veri giriş sayfasında kullanıcı, bazı (veya tüm) çalışmaların birden fazla alt grup, sonuç, zaman noktası ve/veya karşılaştırma içerdiğini belirtebilir. Bu durumda program, her çalışma içinde ek veri satırları için yer sağlayacaktır.
Analizde, program ilgili tüm seçenekleri sunacaktır. Örneğin, bazı çalışmalar birkaç bağımsız alt grup içeriyorsa, kullanıcı diğerlerini hariç tutarken bir analizi bir veya daha fazla alt grupla sınırlayabilir veya çalışmalar içindeki alt gruplar arasında verileri birleştirebilir. Veya bazı çalışmalar birden fazla sonuç içeriyorsa, kullanıcı analizi bir veya daha fazla sonuçla sınırlayabilecek ve/veya sentetik etkiler yaratabilecek ve/veya farklı sonuçlardaki etkiyi karşılaştırabilecektir.
Alt grup analizi ve meta-regresyon gerçekleştirin
Kullanıcı, verileri girerken kategorik değişkenler oluşturabilir ve her çalışma için bir değer (örneğin, akut veya kronik) girebilir. Analizde program, kullanıcının kategorik değişkenlere göre gruplandırmasına ve bir alt grup analizi (varyans analizi) gerçekleştirmesine izin verecektir. Benzer şekilde, kullanıcı veri girerken sürekli değişkenler oluşturabilir ve ardından bir meta-regresyon gerçekleştirebilir.
Yayın yanlılığı için analizler gerçekleştirme
Program bir huni grafiği oluşturacak, Begg ve Mazumdar ile Egger yanlılık testlerini gerçekleştirecek ve Rosenthal ve Orwin’in Fail-safe N’sini rapor edecektir. Ayrıca Trim and Fill analizini ve numune boyutuna göre sıralanmış bir kümülatif analizi gerçekleştirecektir. veya kesinlik.
Diğer programlarla arayüz
Kullanıcılar, herhangi bir Windows tabanlı elektronik tablodan özet verileri kopyalayıp CMA’ya yapıştırabilir. Ayrıca hesaplanan değerleri CMA’dan panoya ve oradan diğer programlara kopyalayabilirler.
REVMAN 5.0
RevMan (İnceleme Yöneticisi), The Cochrane Collaboration tarafından Cochrane incelemelerinde kullanılmak üzere geliştirilmiş bir yazılımdır, ancak program kuruluş dışında da kullanılabilir (ayrıntılar için web sitesine bakın). CMA ve Stata makroları yalnızca meta-analiz için bir mekanizma sağlarken, RevMan, meta-analizin yalnızca bir parçası olduğu sistematik incelemenin tüm yönleri için bir mekanizma sağlar.
Bu, incelemenin tüm bölümlerini yönetmek için bir mekanizma isteyen kişiler için bir avantajdır ve tamamlanmış incelemeyi The Cochrane Library’ye yüklemek isteyen araştırmacılar için kritik bir avantajdır, çünkü bunu yapmak için tek mekanizma budur. Bununla birlikte, kullanıcının analize geçmeden önce birden fazla adımdan geçmesi gerektiğinden, diğerleri için bir dezavantaj olabilir.
Regresyon analizi yorumlama
Çoklu regresyon analizi örnekleri
Çoklu regresyon analizi tablo yorumlama
Çoklu uyum analizi
Basit regresyon analizi yorumlama
Regresyon analizi Örnekleri
Basit doğrusal regresyon analizi
Ridge regresyon analizi
Veri girişi
Veri giriş sayfası gösterilir. Kullanıcı verileri beyaz hücrelere girer. Program çeşitli istatistikleri hesaplar ve bunları gölgeli hücrelerde görüntüler. Bu örnekte, kullanıcı her çalışma için olayları ve toplam n’yi girmiş ve program, olasılık oranını hesaplamıştır. Ekran görüntüsü netlik için kırpılmıştır (normalde bir orman grafiği de görüntülenir).
RevMan, verileri dört biçimde kabul edecektir: olaylar ve örnek boyutu, ortalamalar, standart sapmalar ve örnek boyutu, O eksi E ve V ve genel etki boyutu. Analizdeki tüm çalışmalar aynı formatta olmalıdır. Verileri birden çok formatta sağlanan bir araştırmacının, her çalışma için etki büyüklüklerini ve varyansı harici olarak (örneğin, Excel kullanarak) hesaplaması ve ardından hesaplanan etki büyüklüğünü ve varyansını programa kopyalaması gerekir.
Program aşağıdaki etki büyüklükleriyle çalışacaktır: Ham ortalama farkı, standartlaştırılmış ortalama farkı (g), olasılık oranı, risk oranı ve risk farkı. Program ayrıca genel bir efekt boyutuyla da çalışacaktır.
Analiz
Program, burada gösterilene benzer bir ekran görüntüler. Menüler, aşağıdakiler de dahil olmak üzere, hesaplama modelinin ve ekranın birçok öğesini özelleştirmek için kullanılır.
- Sabit veya rastgele efekt modelleri için sonuçları görüntüleyin.
- Her iki model için de ağırlıkları görüntüleyin.
- Etki boyutu, varyans, standart hata, güven sınırları, Q, T2 ve I2 dahil olmak üzere bir istatistik tablosu görüntüleyin.
Bir orman arsası oluşturun
Analiz motoru ayrı bir orman çizimi görüntüsü oluşturabilir. Olay örgüsünde sınırlı esneklik olsa da tasarım iyi düşünülmüş ve çoğu analiz için uygun.
Duyarlılık analizi
Kullanıcı, bir veya daha fazla çalışmayı analizden manuel olarak hariç tutabilir.
Alt grup analizi ve meta-regresyon gerçekleştirin
Her çalışma karşılaştırmasında program, kullanıcının alt gruba göre veri girmesine izin verir. Program her karşılaştırma için bir analiz üretir ve alt grup değişkenleri girildiğinde sonuçları alt gruba göre gruplandırır. Program, her alt grup için ayrı bir analiz yapacak ve alt gruplar arasındaki etkiyi karşılaştıracaktır, ancak bir meta-regresyon gerçekleştiremez.
Yayın yanlılığı için analizler gerçekleştirin
RevMan bir huni grafiği seçeneği gösterecek, ancak yayın yanlılığı için herhangi bir test veya prosedür sunmuyor.
Diğer programlarla arayüz
Kullanıcılar, herhangi bir Windows tabanlı elektronik tablodan özet verileri kopyalayıp RevMan’a yapıştırabilir.
STATA 10.0 İLE STAT MAKROLARI
Stata, birincil çalışmalar için genel amaçlı bir istatistiksel pakettir ve programın kendisinde meta-analiz rutinleri yoktur. Bununla birlikte, Stata, kullanıcıları daha sonra Stata web sitesine gönderilebilecek özel amaçlı makrolar (kod blokları) geliştirmeye teşvik eder ve meta-analiz için bu tür makrolardan oluşan eksiksiz bir set geliştirilmiştir.
Stata, komuta dayalı bir programdır; bu, kullanıcının bir analiz gerçekleştirmek için bir düğmeyi tıklamak yerine bir komut (örneğin ‘metan TreatedDead TreatedAlive ControlDead ControlAlive, sabit rr’) yazdığı anlamına gelir. Ancak, işlemi basitleştiren komutu oluşturmak için genellikle bir iletişim kutusu kullanmak mümkündür.
Stata’ya aşina olmayan birinin, meta-analiz prosedürlerine geçmeden önce programı edinmesi ve öğrenmesi gerekir. Ancak, bu programı zaten kullanan araştırmacılar için makrolar kesinlikle bir göz atmaya değer.
Bu insanlar için bu programın avantajları, bu ciltte tartışılan prosedürlerin çoğunu gerçekleştirebilen mevcut makroların sayısı ve bu prosedürlerin çoğu için mevcut seçeneklerin sayısıdır. Stata makrolarını kullanmanın tek gerçek dezavantajı, bu makroların kabul edeceği oldukça sınırlı sayıda veri giriş formatıdır.