Blog

Tedavi Etkileri: Deneysel Eserler ve Etkileri Bu bölüm, deneylerin ve müdahalelerin değerlendirilmesine ilişkin kapsamlı bir tartışma sunar. Bir sonraki bölüm, meta-analiz ve diğer daha teknik materyaller için nicel yöntemler ve formüller sunacaktır. Basitlik amacıyla, yalnızca iki gruplu bir deneyi ele alacağız. Burada geliştirilen ilkeler, daha karmaşık tasarımlar için de geçerlidir. Bu sunum, Bölüm 2'deki korelasyonel çalışmalarla paralel olacaktır. Tipik çalışmalar için, örnekleme hatası, tedavi etkilerinde hataya neden olur ve çalışmaların birbiriyle tutarsız görünmesine neden olur. Olağan analiz güven aralıklarına dayalı olsaydı, örnekleme hatasının büyük etkileri fark edilecek ve çalışmalar arasındaki sahte farklılıklar uygun şekilde örnekleme hatasına atfedilecekti. Bunun yerine, çoğu araştırmacı, sorunu azaltmaktan ziyade ağırlaştıran istatistiksel anlamlılık testine güvenir. Meta-analiz, örnekleme hatasından kaynaklanan farklılıkları, gerçek moderatör değişkenlerinden kaynaklanan farklılıklardan ayırabilir. Tedavi etkileri diğer artefaktlar tarafından da bozulur: bağımlı değişkende ölçüm hatası, tedavi değişkeninde ölçüm hatası (yani, nominal tedavi ile gerçek tedavi arasındaki farklar), sürekli bağımlı değişkenin ikiye ayrılması, bağımlı değişkende aralık değişimi değişken, bağımlı değişkende mükemmel yapı geçerliliğinin olmaması, tedavi değişkeninde mükemmel yapı geçerliliğinin olmaması (örneğin, amaçlanan tedavi etkisinin diğer istenmeyen etkilerle karıştırılması), tedavi etkisinin tahmininde yanlılık ve ayrıca kötü veriler raporlama hataları, hesaplama hataları, transkripsiyon hataları vb. nedeniyle yapılır.  Artefaktlar tarafından üretilen tedavi etkilerindeki çarpıklıklar, tedavi etkilerinin “etkisi oldu” veya “etkisi olmadı” şeklindeki geleneksel ikili tanımlamayla kamufle edildi. Çoğu artefakt, tedavi etkisinin boyutunu azaltır. Azaltmak için bir etki olmasaydı, artefakt bozulmaya neden olmazdı. Bu nedenle, "etki yok" sıfır hipotezi altında, örnekleme hatası dışındaki yapaylıklar önemsiz hale gelir ve geleneksel olarak göz ardı edilir. Bununla birlikte, meta-analiz, nihilist sıfır hipotezinin nadiren doğru olduğunu göstermiştir. Örneğin, Bölüm 2, 3 ve 5'te tartışıldığı gibi, Lipsey ve Wilson (1993), 300'den fazla psikolojik müdahalenin (tedavi koşulları) mevcut meta-analizlerini incelemiş ve tedavilerden sadece ikisinin (%1'den az) esasen etkili olduğunu bulmuşlardır.  Bu büyük çalışmaya dayanarak, psikolojik tedavilerle ilgili çalışmalarda sıfır hipotezinin yanlış olduğu önceki olasılığı 0,993 olarak tahmin edilebilir. Çoğu araştırma alanında, sıfır hipotezi doğru değildir ve yapay ürünlerin etkisindeki azalmanın gerçek ve önemli bir etkisi vardır. Diğer şeylerin yanı sıra, bir artefakt tarafından çalışma etkisinin boyutundaki azalma, geleneksel istatistiksel anlamlılık testinin (çoğu çalışma için en iyi koşullarda yüksek olan) hata oranını artırır. Çalışmalar arasındaki artefaktların kapsamındaki farklılıklar, çalışmalar arasındaki etkilerde belirgin farklılıklara neden olur, yani hiçbir şeyin olmadığı durumlarda tedavi etkileşimleri yoluyla durumun (veya ortamın) görünümünü üretir. Bu bölüm, tedavi etkisinin nicelleştirilmesinin tartışılmasıyla başlayacaktır. Ardından, inceleme çalışması bağlamında örnekleme hatasının etkilerini ve geleneksel istatistiksel anlamlılık testinin başarısızlığını gösteren varsayımsal çalışma arası verileri sunacağız. Daha sonra, örnekleme hatası dışındaki eserler hakkında önemli bir tartışma sunacağız. Bu diğer eserler, doğaları gereği rastgele değil, genellikle sistematik olsalar da, aynı büyüklükte olabilirler. Meta analiz araştırması nedir meta-analiz çalışması örneği Meta analiz Nedir Meta-analiz ve derleme arasındaki fark Meta-analiz pdf meta-analiz makale örneği Meta analiz çalışması Meta-analiz özellikleri Tedavi Etkisinin Nicelenmesi: d İstatistik ve Nokta İki Seri İlişkisi Önemli bir konu, tedavi etkilerinin nicel veya ikili olarak tanımlanmasıdır. Geleneksel tanımlama ikiye ayrılır: Tedavinin ya etkisi oldu ya da hiç etkisi olmadı. Metodologlar uzun zamandır tedavi etkisini nicel biçimde tanımlamamız gerektiğini, yani tedavinin gerçek boyutunu tahmin etmemiz gerektiğini tartışıyorlar. İkili bir açıklama birkaç nedenden dolayı zayıftır. İlk olarak, (1) bir tedavinin pratik önemini değerlendirmek için, (2) tedavilerin etkinliğini karşılaştırmak için, (3) bir teorinin doğrulanıp doğrulanmadığını belirlemek için kullanılabilecek bilgiler, büyük bir bilgi kaybı vardır. veya onaylanmadı ve (4) yol modelleri gibi nicel teorileri test etmek içindir. İkincisi, tedavi etkisini ikiye ayırmadaki örtük varsayım, çoğu tedavinin etkisinin olmadığıdır. Bu doğru olsaydı, o zaman tedavi etkisinin 0 olmadığı ifadesinde önemli bilgiler olurdu. Ancak, daha önce tartışıldığı gibi, meta-analizler artık tedavilerin nadiren hiçbir etkisinin olmadığını göstermiştir. “Tedavinin hiçbir etkisi olmadı” sonucu genellikle hatalıdır. Bu nedenle, bir tedavi için soru, gerçekten bir etkisinin olup olmadığı değil, etkinin bir teorinin öngördüğü kadar büyük olup olmadığı, etkinin pratik öneme sahip olacak kadar büyük olup olmadığı veya etkinin bazılarından daha büyük veya daha küçük olup olmadığıdır. diğer tedavi veya tedavinin bazı varyasyonları. Bu sorular ancak tedavi etkisinin büyüklüğü ölçülerek yanıtlanabilir. Tedavi etkilerinin ikiye ayrılması, tedavilerin istatistiksel analizi ile de ilgilidir. Çoğu tedavinin hiçbir etkisinin olmadığı doğru olsaydı, o zaman iyi bir istatistiksel analiz Tip I hataya odaklanırdı: böyle bir etki olmadığı halde bir etkinin olduğu gibi yanlış bir sonuca varmak. Geleneksel anlamlılık testi, Tip I hataların zamanın %5'inden fazla olmayacağını garanti eder. Bununla birlikte, meta-analiz şimdi bu nihilist sıfır hipotezinin nadiren doğru olduğunu göstermiştir. Sıfır hipotezi yanlışsa, o zaman tüm istatistiksel hatalar Tip II hatalar olacaktır: aslında bir etki varken yanlış bir şekilde hiçbir etki olmadığı sonucuna varmak. Göreceğimiz gibi, tipik numune boyutları için Tip II hata oranı oldukça yüksektir. 100'lük örneklem boyutları için, ders kitabı deneyleri için Tip II hata oranı yaklaşık %50'dir ve daha incelikli takip araştırmaları için Tip II hata oranı henüz daha yüksektir. Önemlilik testi hata oranının %85 kadar yüksek olduğu birçok önemli araştırma alanı vardır. Boş hipotez çoğu araştırma alanında yanlış olduğundan, geleneksel anlamlılık testi çok yüksek bir hata oranına sahiptir. Bu yüksek hata oranı, geleneksel anlamlılık testinin aslında gözden geçirme çalışmaları düzeyinde ters etki yaptığı anlamına gelir. Geleneksel anlamlılık testi için yüksek hata oranı, anlamlılık testi kullanılarak yorumlanan sonuçların çalışmalar arasında mutlaka tutarsız görünmesi gerektiği anlamına gelir. Örneğin, anlamlılık testi zamanın %50'sinde yanlışsa, çalışmaların yarısı önemli bir tedavi etkisine sahip olacak, ancak diğer yarısı yanlış bir şekilde tedavi etkisi göstermiyor gibi görünecektir.