MANTEL-HAENSZEL YÖNTEMİ
Mantel-Haenszel (MH) yöntemi, muhtemelen diğerlerine daha az aşina olsa da epidemiyologlar tarafından yaygın olarak bilinmekte olup, log bahis oranlarından ziyade ağırlıklı ortalama oranlar olması nedeniyle olağandışıdır. Çalışma i’deki olasılık oranını belirtmek için Yi kullanırsak, Yi şu şekilde hesaplanır.
Bu, ürünlerin toplamının (etki büyüklüğü çarpı ağırlık) ağırlıkların toplamına bölünmesidir. Bu formül ters varyans formülüyle aynıdır, ancak ağırlıklar (W) farklı tanımlanmıştır ve etki büyüklüğü (Y) log birimlerinden ziyade ham birimlerdedir.
Odds oranı ham birimlerde hesaplanırken, varyans log birimlerinde hesaplanır. Bu nedenle, Z-skorunu ve güven aralıklarını hesaplamak için olasılık oranını log birimlerine dönüştürmemiz gerekiyor. MH oran oranının doğal günlüğü basittir.
Ters varyans formülünde özet etkisinin varyansının, ağırlıkların toplamının tersi olarak tanımlandığını hatırlayın. Burada durum böyle değil. Bunun yerine, MH yaklaşımı, çalışmalar arasında toplanacak ve daha sonra özet etkisinin varyansını hesaplamak için kullanılacak olan ayrı değerler toplamamızı ister.
Z değeri ve p değeri, günlük değerleriyle aynıdır. Mantel-Haenszel yöntemi, 2 2 tablodaki olasılık oranlarını birleştirmek için geliştirilmiştir. O zamandan beri başkaları tarafından risk oranlarını veya risk farklılıklarını 2 2 tablolarda birleştirmek için genişletildi. Bunlar için benzer formüller mevcuttur, ancak bunları havuzlama mekanizması hakkında çok az fikir sağladıkları ve meta-analiz yazılımında kolayca uygulanabildikleri için sunmuyoruz.
Mantel-Haenszel yöntemi, her bir çalışmaya atanan ağırlığın, çalışmalar arasındaki varyansa değil, yalnızca o çalışmaya dayalı olduğu sabit etki modeline dayanır.
İkili Veriler İçin Diğer Yöntemler
Bu bölümde, olasılık oranları üzerinde bir meta-analiz gerçekleştirmek için Mantel-Haenszel yöntemi ve tek adımlı yöntem (Peto yöntemi olarak da bilinir) olmak üzere iki yöntem sunuyoruz. Her iki yöntem için de her çalışmadan elde edilen verilerin, etiketli hücrelerle 2 2 tablosu şeklinde sunulduğunu varsayıyoruz.
ODDS ORANI İÇİN TEK ADIMLI (PETO) FORMÜL
Özet oran oranını hesaplamak için tek adımlı yöntem, günlük oran oranı ölçeğinde çalışır ve temel ters varyans yaklaşımının bir çeşididir. Ancak bu yöntem, hem olasılık oranı hem de varyansı için daha önce sunulandan farklı bir formül kullanır. Tek adımlı yönteme bazen Peto yöntemi denir.
Tek adımlı yaklaşımda, temel yaklaşımda olduğu gibi, tüm analizler, bahis oranlarının logaritması üzerinde gerçekleştirilir. Günlük değerlerinin ağırlıklı ortalamasını hesaplıyoruz ve ardından özet etkisini bildirmek için bu değeri üstelleştiriyoruz.
2 2 tablosundaki hücrelerden biri veya daha fazlası boş olduğunda (yani, sıfır değeri), temel ters varyans formülü sıfırla çalışamaz ve tipik yaklaşım 0,5 değerini (veya başka bir değeri) eklemektir. değer) dört hücrenin tümüne. Ancak hem Mantel-Haenszel yöntemi hem de tek adımlı yaklaşım sıfır değeriyle çalışabilir ve bu nedenle herhangi bir ayarlamaya gerek yoktur.
Tek adımlı yaklaşım, analizin tüm noktalarında ters varyans ağırlıklarını kullanması bakımından temel şema ile aynı mantığı izler ve temel yaklaşımdan yalnızca, log oran oranını hesaplamak için biraz farklı bir yol kullanması bakımından farklıdır. ve varyansı. Bu nedenle, tek adımlı yaklaşım rastgele etkiler modeline genişletilebilir. Ancak pratikte bu nadiren yapılır.
Mantel Haenszel in r
Mantel-Haenszel odds ratio
Wald testi nedir
Mantel haenszel chi square
McNemar test
Likelihood ratio test nedir
Cochran and Mantel Haenszel statistics spss
Mantel test
ÖZET NOKTALAR
Odds oranlarını birleştirmek için Mantel-Haenszel yöntemi, sabit etkili ters varyans yöntemine bir alternatiftir. Olasılık oranlarını birleştirmek için tek adımlı (Peto) yöntem, bir ters varyans yöntemidir, ancak her çalışmada olasılık oranı ve varyansı hesaplamak için alternatif bir yaklaşım kullanır. Bu yöntem, bazı çalışmalarda boş hücreler olduğunda bazı avantajlar sunar.
Psikometrik Meta-Analiz
Çoğu meta-analiz, bu sonuçların mevcut en iyi etki tahminleri olduğu üstü kapalı bir varsayımla yürütülen çalışmalarda elde edilen sonuçları özetlemeyi amaçlar. Bununla birlikte, herhangi bir çalışmanın sonuçlarını etkileyen metodolojik kusurları vardır. Bu kusurlar için tahminleri düzeltebilseydik, bu düzeltilmiş sonuçların bir meta-analizini yapmak tercih edilebilir olurdu.
Ardından, tüm çalışmalarda metodolojik kusurlar (sonlu örneklem boyutu dahil) olmasaydı çalışma sonuçlarının ne olacağını ele alabilir ve bu metodolojik olarak mükemmel çalışmalarda etkileri tanımlayan parametreleri tahmin edebiliriz.
Ne yazık ki, bu metodolojik kusurların spesifik etkisini bilmek imkansız değilse de genellikle zordur. Büyüyen bir literatür, teorik değerlendirmeleri veya diğer çalışmalardan ve diğer meta-analizlerden elde edilen bilgileri kullanarak olası önyargıları belirleme girişimlerini ele almaktadır.
Meta-analiz için bir yaklaşım, başlangıcından bu yana neredeyse yalnızca çalışmaların metodolojik sınırlamaları için etki tahminlerini ayarlamanın yollarını geliştirmeye odaklanmıştır. Bu, psikometrik meta-analizin alanıdır (aynı zamanda geçerlilik genellemesi veya Hunter-Schmidt meta-analizi olarak da adlandırılır). Bu alan aynı zamanda meta-analizde sonuçları birleştirmek için daha önce tartışılanlardan biraz farklı (ancak yakından ilişkili) bir dizi yöntem benimsemiştir.
Bu bölümde iki konuya genel bir bakış sunulmaktadır. Biri, meta-analizi kullanmayı düşünen hemen hemen herkesin ilgisini çekecek olan etki tahminlerini (yapay düzeltme olarak bilinir) ayarlama yaklaşımıdır. Diğeri, etki büyüklüğü ölçüsü olarak korelasyonları kullanan araştırmacıların öncelikle ilgisini çekecek olan, psikometrik meta-analiz alanındaki sonuçları birleştirmek için yaygın olarak kullanılan yöntemlerdir.
Araştırma araştırmalarındaki metodolojik kusurlar, çalışma sonuçlarını, çalışma tasarımının artefaktları olarak düşünülebilecek şekillerde etkiler. Psikometrik meta-analiz üzerine yapılan çalışmaların çoğu, sürekli sonuç ölçütlerini kullanan ve standardizasyon (korelasyon katsayıları veya standartlaştırılmış ortalama farklar gibi) içeren etki büyüklüğü ölçütlerini kullanan çalışma örneklerine odaklanmıştır.
Ölçme araçları ölçüm hatasına (kusurlu güvenilirlik) tabi olduğundan, bu ölçüm hatası tarafından daha küçük (zayıflatılmış) hale getirilmiş etki büyüklüğü tahminleri üretirler. Bazı çalışmalarda örneklemler, bağımsız veya bağımlı değişkenler üzerindeki tüm varyasyon aralığını içermeyen şekillerde seçilirse, bu aralık kısıtlaması nedeniyle etki büyüklüğü tahminleri azalır (veya zayıflatılır).