Rafine Yöntemler – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Çalışmalar Arası Varyasyonu Analiz Etmek İçin Rafine Yöntemler
Meta-analiz için diğer yöntemleri göz önünde bulundurmanın ikinci nedeni, daha karmaşık istatistiksel teknikleri kullanan çalışmalar arasında sonuçları birleştirmek isteyebilmemizdir. Özellikle, rastgele etkiler meta-analizinde, çalışmalar arası standart sapmayı tahmin ediyoruz. Çalışmaların sayısı az olduğunda, açıkladığımız gibi, bu önemli bir hatayla tahmin edilebilir. Belirsizliğin hesaba katılmasına izin veren yöntemler mevcuttur.
Böyle bir olasılık, bu bölümün sonunda tartışacağımız meta-analiz için Bayesci bir yaklaşımdır. Rastgele etkiler ters varyans yöntemindeki bir diğer husus, farklı çalışmalarda gerçek etkilerin normal bir dağılım izlediği varsayımıdır.
Bu varsayımın makul olup olmadığını değerlendirmek genellikle çok zordur. Diğer dağılımları varsayan yöntemler ve hatta verilerin dağılımın şeklini belirlemesine izin veren yöntemler mevcuttur. Bunlar, şimdiye kadar çoğunlukla yalnızca istatistiksel yöntemler araştırmacıları tarafından ele alınan gelişmiş yöntemlerdir.
BİREYSEL KATILIMCI VERİLERİ META ANALİZLERİ
Meta-analistin her çalışmadan elde edilen tüm orijinal verilere erişimi olduğunda, meta-analiz, bireysel katılımcı verileri (veya bireysel hasta verileri) meta-analizi olarak adlandırılabilir. Bu genellikle meta-analize dahil edilen orijinal çalışmaların yazarlarıyla işbirliğini içerir. Stewart ve Tierney tarafından özetlenen literatüre dayalı meta-analiz (veya özet veri meta-analizi) üzerinde bireysel katılımcı verisi (IPD) meta-analizinin birçok avantajı vardır.
Bunlar şunları içerir:
- Tutarlı veri kontrolü ve (gerekirse) veri temizliği yapabilme
- Analizleri temel alacak eksiksiz ve güncel bir veri setine sahip olmak
- Çok çeşitli istatistiksel analizleri aynı şekilde yapabilme
- Katılımcı düzeyinde ortak değişkenlerin etkilerini inceleyebilme
- Çalışma yazarları ile doğrudan iletişim kurmanın diğer faydaları, örneğin çalışmalar hakkında tanımlayıcı bilgilerin eklenmesi, sonuçların yorumlanması ve daha ileri çalışmaların belirlenmesi.
Bireysel katılımcı verilerine erişimle, olası analiz yöntemlerinin çeşitliliği oldukça fazladır. Yöntemler genel olarak her bir çalışmayı ayrı ayrı analiz eden ve ardından standart meta-analiz teknikleri kullanarak etki büyüklüklerini birleştiren yöntemler ve (diğer yandan) tüm verileri tek seferde analiz eden yöntemler olarak kategorize edilebilir.
Bireysel katılımcı verilerine standart meta-analiz yöntemlerini uygulama
Yaygın bir yaklaşım, her çalışmayı tutarlı bir şekilde analiz etmek ve sonuçta ortaya çıkan etki büyüklüğü tahminleri ve bunların varyansları üzerinde bir ters varyans meta analizi yapmaktır. Örneğin, her çalışmadan ortalama bir fark hesaplanabilir ve bunlar standart yöntemler kullanılarak birleştirilebilir.
Bununla birlikte, IPD’ye erişim, her çalışmadan elde edilen verilerin tutarlı ve hatta karmaşık analizlerine izin verir. Örneğin, özet veri meta-analizinde bazen karşılaşılan bir sorun, çalışmaların farklı ortak değişken kümeleri için ayarlanmış etki büyüklüğü tahminleri sağlamasıdır. Örneğin, bir çalışma yaş ve cinsiyete göre düzenlenebilir; ve bir diğeri yaş, cinsiyet ve sigara içme davranışına uyum sağlayabilir. Ham verilere erişim ile meta-analist, her çalışmada aynı ortak değişkenleri ayarlayabilir.
Özet verilerin bir başka yaygın sınırlaması, çalışmaların temel sonuçları o kadar farklı şekillerde sunmasıdır ki, her çalışma için ortak bir etki büyüklüğü kolayca hesaplanamaz. Bu, özellikle olaya kadar geçen süre verileri için geçerlidir. Her bir birey üzerinde bir çift gözlem toplandığından (gözlem süresi ve olayın bu sürenin sonunda olup olmadığı), olaya kadar geçen süre verileri, 2 x 2 tablosu gibi basit özetlere kolaylıkla indirgenemez.
Bu nedenle, yalnızca çalışmalar arasında farklılık gösterebilen analiz sonuçları sunulma eğilimindedir. Tıbbi alandaki mevcut IPD meta-analizlerinin çoğu, meta-analizden önce her çalışmaya ortak bir analiz yöntemi uygulanabileceğinden, olaydan zamana kadar olan sonuçları ele alır.
Fiziksel rafinasyon nedir
Rafinasyon Nedir
Vinterizasyon Nedir
Rafinasyon yağ çeşitleri
Fiziksel rafinasyon işlem basamakları
Rafinasyon aşamaları
Yağların oksidasyonu nedir
Rafinasyon işlemi
Tek bir analizde bireysel hasta verilerini analiz etme
Bir dizi birincil çalışma için IPD verildiğinde, tüm veri setini analiz etmek için bireysel çalışmaları analiz etmek için kullanılabilecek herhangi bir yöntem kullanılabilir. Bir IPD veri setinin analizinin altında yatan temel ilke, çalışmaların bireysel kimliklerine saygı gösterilmesidir. Bu şekilde tartışılan Simpson paradoksu probleminden kaçınıyoruz. İstatistik terminolojisinde, analizin çalışma ile katmanlaştırıldığını söylüyoruz. Bu genellikle pratikte her çalışma için bir kukla ortak değişken dahil edilerek elde edilir.
Tüm IPD’yi birlikte analiz etmenin bir avantajı (her çalışmayı ayrı ayrı analiz etmek ve ardından etki büyüklüklerini sentezlemek yerine), bilgilerin bir çalışmadan diğerine ödünç alınabilmesidir. Örneğin, bir kilo verme müdahalesinin etkisinin yaşa bağlı olup olmadığıyla ilgilendiğimizi ve her biri farklı yaşlardaki benzer bir popülasyonda gerçekleştirilen müdahaleyle ilgili birkaç küçük denememiz olduğunu varsayalım.
Böyle bir soru için meta-regresyon kullanamayız çünkü yaş, çalışma düzeyinde bir değişkenden ziyade katılımcı düzeyindedir (ortalama yaş, her çalışma için kabaca aynı olacaktır).
Her katılımcının yaşı da dahil olmak üzere denemelerden IPD’ye sahipsek, tüm verileri bir kerede analiz ederek, çalışmaya göre tabakalandırmamız koşuluyla, yaşın müdahale üzerindeki etkisinin güçlü bir analizini elde edebiliriz. Gücü daha da artırmak için bir çalışmadan diğerine bilgi ödünç almaya karar verebiliriz. Örneğin, kilo kaybı için standart sapmanın her çalışmada aynı olduğunu varsayabiliriz.
Aslında kitapta bu noktaya kadar tartıştığımız meta-analiz modellerinin her biri, istatistiksel modelde farklı varsayımlar yapılarak tek bir IPD analizinde gerçekleştirilebilir. Bununla birlikte, rastgele etki modellerinden bazılarının uygulanması zordur. Bu nedenle, her bir çalışmayı ayrı ayrı analiz etmek ve daha sonra bir meta-analizde etki büyüklüklerini sentezlemek gibi daha basit yaklaşım, uygulamada en popüler olmaya devam etmektedir.
BAYEZ YAKLAŞIMLARI
Bu kitapta tanımladığımız yöntemler, istatistik için klasik veya sık kullanılan yöntemlerdir. Güven aralıkları ile birlikte bilinmeyen parametreleri tahmin etme ve sonuçların boş bir hipotezle (p değeri) ne ölçüde uyumlu olduğunu belirlemek için istatistiksel testler gerçekleştirme etrafında dönerler.
Fiziksel rafinasyon işlem basamakları Fiziksel rafinasyon nedir Rafinasyon aşamaları Rafinasyon işlemi Rafinasyon Nedir Rafinasyon yağ çeşitleri Vinterizasyon Nedir Yağların oksidasyonu nedir