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.
Faktör Analizi Kullanan Çalışmalar
Faktör analizleri, muhtemelen dergi alanından tasarruf etmek için genellikle sıfır dereceli korelasyon matrisi çıkarılarak yayınlanır. Bununla birlikte, sıfır dereceli korelasyonlar, çalışmalar arasında meta-analiz edilebilirken faktör yükleri olamaz. İlk olarak, belirli bir çalışmada ortaya çıkan faktörler, görünen tek değişkenler tarafından değil, meydana gelen değişken kümeleri veya kümeleri tarafından belirlenir.
Örneğin, bir çalışmanın iyi bir motivasyon ölçüsü ve on bilişsel yetenek ölçüsü içerdiğini varsayalım. O zaman, motivasyon değişkeninin ortaklığının 0 olması ve faktör analizinde bir motivasyon faktörünün görünmemesi muhtemeldir. Faktörler, gereksiz ölçümle tanımlanır; en az iki gereksiz gösterge (ve tercihen üç veya daha fazla) ile ölçülmediği sürece hiçbir faktör görünmeyecektir.
İkincisi, açıklayıcı faktör analizindeki faktörler (örneğin, VARIMAX rotasyonunun izlediği ana eksen faktörleri gibi) birbirinden bağımsız olarak tanımlanmaz. Örneğin, ilk çıktıda bir değişken kümesinin G1’i ve başka bir kümenin G2’yi tanımladığını ve G1 ile G2 arasındaki korelasyonun r olduğunu varsayalım. Ardından, faktör puanları standartlaştırılırsa, VARIMAX faktörleri tarafından tanımlanacaktır.
Böylece, her bir ortogonal faktör, doğal kümeler arasında bir tutarsızlık değişkeni olarak tanımlanır ve G1’in bir göstergesinin faktör F1’e yüklenmesi, yalnızca kendi kümesindeki G1’in diğer göstergelerine değil, aynı zamanda başka hangi faktörlerin aynı kümede göründüğüne de bağlı olacaktır.
Küme analizi sonuçları ve doğrulayıcı faktör analizi sonuçları biraz farklı bir resim sunmaktadır. Bir küme analizi veya doğrulayıcı faktör analizi modeli verilere uyuyorsa, o zaman bir göstergenin kendi faktörü üzerindeki faktör yükü, güvenilirliğinin karekökü olur ve diğer değişkenlerden bağımsızdır ve dolayısıyla kümülasyona tabidir. Bununla birlikte, yüksek kaliteli doğrulayıcı faktör analizleri literatürde hala oldukça nadirdir.
Kanonik Korelasyon Kullanan Çalışmalar
Kanonik korelasyon, bir dizi tahmin değişkeni ve bir dizi bağımlı ölçü ile başlar ve bu nedenle kavramsal olarak çoklu regresyon için uygun bir durumdur. Bununla birlikte, kanonik korelasyonda iki yeni değişken oluşturulur: öngörücü değişkenlerin ağırlıklı bir kombinasyonu ve bağımlı ölçümlerin ağırlıklı bir kombinasyonu. Bu kombinasyonlar, iki ağırlıklı kompozit arasındaki korelasyonu maksimize edecek şekilde oluşturulur.
Kanonik korelasyonlar çalışmalar arasında toplanamaz. Kanonik ağırlıklar da olamaz. Çoklu regresyonda, her bir beta ağırlığı, bağımlı değişkene ve belirli tahmin ediciler grubuna bağlıdır. Bu nedenle, yalnızca tam olarak aynı yordayıcı setinin kullanıldığı (ki bu gerçekten nadirdir) diğer çalışmalara genelleme yapar.
Bununla birlikte, her kanonik regresyon ağırlığı, yalnızca çalışmadaki kesin öngörücüler kümesine değil, aynı zamanda kesin bağımlı ölçümler kümesine de bağlıdır. Bu nedenle, kanonik regresyon sonuçlarının karşılaştırılabilmesi veya kümüle edilebilmesi çok nadir olacaktır. Öte yandan, bu tür çalışmaların sıfır dereceli korelasyon matrisleri, çalışmalar arasında toplanabilir.
Çok Değişkenli Varyans Analizi (MANOVA) Kullanan Çalışmalar
İstatistiksel olarak MANOVA, tedavi kontrast değişkenlerinin “bağımsız” değişkenler ve ölçülen değişkenlerin “bağımlı” ölçüler olduğu bir kanonik regresyondur. Sonuç olarak, çalışmalar arasında kümülasyon için gereken veriler, karşıtlıklar arasındaki, karşıtlıklar ve diğer ölçülen değişkenler arasındaki ve diğer ölçülen değişkenler arasındaki sıfır dereceli korelasyonlar kümesidir. Bu veriler rapor edilmelidir, ancak nadiren bildirilir. Bu nedenle, MANOVA kullanan çalışmalardan elde edilen veriler nadiren meta-analiz edilebilir.
Kanonik korelasyon analizi nedir
Korelasyon Analizi
Korelasyon Nedir
Korelasyon Nedir Tıp
Pozitif korelasyon nedir
Psikolojide korelasyon Nedir
Çoklu korelasyon Nedir
Korelasyon türlerine örnekler
Korelasyon Nedir istatistik
Negatif korelasyon nedir
Korelasyon yöntemi nedir
İlköğretim Çalışmalarında Raporlama Hakkında Genel Yorumlar
Çoklu regresyon, faktör analizi ve kanonik korelasyon analizleri için, çalışmalar arasında kümülasyon için sıfır dereceli korelasyon matrisleri de geeklidir. Bu veriler güvence altına alındıktan sonra, gözden geçiren kişi, herhangi bir uygun istatistiksel prosedürü kullanarak kümülatif korelasyon matrisini analiz edebilir. Örneğin, çoklu regresyon için toplanan veriler yol analizinde de kullanılabilir.
Dergiler istatistiksel anlamlılık düzeyleri yerine güven aralıklarının yayınlanmasını gerektiriyorsa, üç fayda ortaya çıkacaktır. İlk olarak, araştırmacılar, çoğu bireysel sosyal bilim çalışmasından elde edilen tahminlerde ne kadar belirsizliğin olduğu konusunda uyarılacaktır. Ortak küçük örnek çalışmalar genellikle geniş güven aralıklarına sahip olacaktır. İkincisi, araştırmalar arasındaki sonuçların, istatistiksel olarak anlamlı çalışmaların oranlarına odaklanıldığında genellikle yaptıklarından daha fazla uyum içinde de olduğu ortaya çıkacaktır.
Örneğin, örneklem büyüklüğü 50 olan ve korelasyonları .05, .13, .24, .33 ve .34 olan beş çalışma varsa, beş çalışmadan sadece ikisi .05 düzeyinde istatistiksel olarak anlamlıdır, ancak beş korelasyonun tamamının %95 güven aralıkları önemli ölçüde örtüşecektir. Son olarak, iki örnekli testler durumunda, standart etki puanlarını hesaplamak için gereken tek şey güven aralığı ve örnek boyutları da raporlarıdır.
Mükemmelden daha az güvenilirliğe sahip değişken ölçüleri kullanıldığında, bu ölçüler arasındaki korelasyonlar, ölçüm hatası nedeniyle zayıflama için düzeltilmeli mi? Kusurlu ölçüm kullanımından kaynaklanan korelasyonlardaki azalmanın tamamen yapay bir mesele olduğu ölçüm teorisinden açıkça anlaşılmaktadır. Ölçümün güvenilirliği, ölçülen değişkenlerin teorik ve psikolojik anlamından bağımsız olarak yapılabilirlik ve pratiklik meselesidir.
Bu nedenle, teorik öneme sahip olan, mükemmel bir şekilde ölçülen değişkenler arasındaki korelasyonlardır; yani, teoriler test edilirken çoklu regresyon veya yol analizinde kullanılması gereken düzeltilmiş korelasyonlardır. Her bir değişkenin güvenilirliği yayınlanırsa, çalışmalar arasında bulguları biriktirenler, uygun yöntemleri kullanarak verileri de analiz edebilir.
İdeal olarak düzeltilmiş korelasyonlar üzerinde meta-analiz gerçekleştirilmelidir (gösterildiği gibi, bu düzeltme, artefakt dağılım meta-analiz yöntemleri kullanılarak kümülasyondan sonra gerektiğinde yapılabilir). Daha önce belirtildiği gibi, düzeltme, tahmin edilen korelasyondaki örnekleme hatasını arttırır ve bu nedenle, düzeltilmemiş korelasyon katsayılarında örnekleme hatası nedeniyle varyansın düzeltilmesine yönelik formüller, zayıflama için düzeltilmiş korelasyonlar için uygun değildir. Bunun yerine, düzeltilmiş korelasyonlardaki örnekleme hatasını hesaplamak için düzeltilmiş korelasyonlar için verilen formüller de kullanılmalıdır.