Bir huni grafiğinde görüntülenen denemeler, aynı müdahalenin altında yatan aynı etkiyi her zaman tahmin etmeyebilir ve sonuçlar arasındaki bu tür heterojenlik, daha küçük denemelerde gerçek tedavi etkisi daha büyükse, huni grafiklerinde asimetriye yol açabilir. Örneğin, birleşik bir sonuç düşünülürse, yalnızca birleşik sonucun müdahaleden etkilenen bileşeni için yüksek risk altındaki hastalarda önemli fayda görülebilir.

Koroner kalp hastalığı (KKH) mortalitesini azaltan bir kolesterol düşürücü ilaç, yerleşik kardiyovasküler hastalığı olan yüksek riskli hastalarda, izole hiperkolesterolemili genç, asemptomatik hastalara göre tüm nedenlere bağlı mortalite üzerinde daha büyük bir etkiye sahip olacaktır.

Bunun nedeni, KKH mortalitesinde tutarlı bir nispi azalmanın, tüm ölümlerin daha büyük bir bölümünün KKH’den olacağı yüksek riskli hastalarda tüm nedenlere bağlı mortalitede daha büyük nispi bir azalmaya dönüşeceğidir. Yüksek riskli hastalarda yürütülen denemeler, bu tür hastaları işe almanın zorluğu ve artan olay oranları, belirli bir etkiyi saptamak için daha küçük örnek boyutlarının gerekli olduğu anlamına geldiğinden, daha küçük olma eğiliminde olacaktır.

Küçük denemeler genellikle daha büyük denemeler yapılmadan önce yapılır. Aradan geçen yıllarda standart (kontrol) tedaviler iyileşmiş olabilir, böylece deneysel tedavinin göreceli etkinliğini azaltabilir. Standart tedavilerdeki değişiklikler, deneysel tedavinin etkisinin bir modifikasyonuna da yol açabilir.

Böyle bir mekanizma, miyokard enfarktüsünde magnezyum infüzyonunun etkisinin klinik denemelerinde elde edilen tutarsız sonuçların bir açıklaması olarak önerilmiştir. Magnezyum infüzyonunun reperfüzyon meydana geldikten sonra uygulanması halinde işe yaramayabilir.

(Tedavi etkisine dair hiçbir kanıt sunmayan) ISIS-4 denemesi yapıldığında, miyokard enfarktüsünün tedavisinde tromboliz rutin hale gelmişti. Ancak bu argüman, tromboliz almayan hastalarda bile magnezyumun hiçbir etkisi göstermeyen ISIS-4 çalışmasının alt grup analizi tarafından desteklenmemektedir.

Bazı müdahaleler daha büyük denemelerde daha az uygulanmış olabilir, bu da daha küçük denemelerde daha olumlu sonuçları açıklayabilir. Bu, özellikle, inme sonrası rehabilitasyon veya diabetes mellitusta çok yönlü müdahaleler gibi kronik hastalıklardaki karmaşık müdahalelerin denenmelerinde olasıdır.

Huni grafiği nedir
Meta regresyon nedir
Orman grafiği yorumlama
CMA programı
Funnel plot nedir
CMA ile Meta-Analiz Uygulamaları pdf
meta-analiz çalışması örneği
Forest plot nedir

Örneğin, yatan hasta kapsamlı geriatrik değerlendirme programlarının mortalite üzerindeki etkisini inceleyen çalışmaların meta analizinde asimetrik bir huni grafiği bulundu. Deneyimli bir danışman geriatristin daha küçük denemelerde aktif olarak yer alması daha olasıydı ve bu, bu denemelerde gözlemlenen daha büyük tedavi etkilerini açıklayabilir.

Olay oranı yüksekse, oran oranları karşılık gelen risk oranından daha uçtur (1’den daha ileri). Bu nedenle, risk oranları kullanılarak çizildiğinde asimetri göstermeyen bir huni grafiği, olasılık oranları kullanılarak çizildiğinde hala asimetrik olabilir.

Bu, altta yatan riskteki farklılıkların önemli olmasına rağmen, yüksek riskli hastalarda tutarlı bir şekilde küçük denemeler ve daha düşük risk altındaki hastalarda büyük denemeler yürütülürse gerçekleşir. Son olarak, asimetrik bir huni planının yalnızca şans oyunuyla ortaya çıkması elbette mümkündür. Huni grafiği asimetrisine yol açabilecek mekanizmalar özetlenmiştir.

Huni grafiği asimetrisi, bu nedenle, yanlılık olasılığını artırır, ancak bu, yanlılığın kanıtı değildir. Bununla birlikte, asimetrinin (yalnızca şans eseri üretilmedikçe), çalışmalar bir meta-analizde birleştirildiğinde, genel etki tahmininin yorumunu sorgulamamıza her zaman yol açacağını belirtmek önemlidir.

Diğer Grafik Yöntemleri

Biyolojik uygunluğun incelenmesi

Bazı durumlarda, olası yanlılık varlığı, hastaların idrarındaki bir ilacın metabolitleri gibi tedaviye uyum belirteçleri veya kolesterol düşürme denemelerinde kolesterolde elde edilen azalma gibi tedavinin biyolojik etkileri aracılığıyla incelenebilir. tartışıldığı gibi, klinik kalp hastalığı ve mortalitede azalmayı öngören ilaçlar vardır.

Hastaların etkili bir tedaviye uyumu ölçüldüyse (örneğin, atanan ilacı fiilen alan hastaların yüzdesi olarak) ve denemeler arasında farklılık gösteriyorsa, bu, tedavi etkilerinde karşılık gelen varyasyonlarla sonuçlanmalıdır. Aderansa (yatay eksen) karşı tedavi etkisinin (dikey eksen) dağılım grafikleri, bu ilişkiyi incelemenin yararlı bir yolu olabilir.

Dağılım grafiği, yüzde 0 yapışmada hiçbir tedavi etkisi olmamasıyla uyumlu olmalıdır ve bu nedenle basit bir doğrusal regresyon çizgisi, sıfır tedavi etkisinde y eksenini kesmelidir. Bir dağılım grafiği, hiçbir hasta tedaviye uymadığında bile bir tedavi etkisini gösteriyorsa, olası bir açıklama yanlılıktır. Benzer düşünceler, klinik sonuç üzerindeki etkilerle yakından ilişkili olduğuna inanılan biyolojik belirteçlerdeki değişime karşı tedavi etkisinin dağılım grafikleri için de geçerlidir. Bu tür grafiklerin avantajı, çalışma boyutundan bağımsız bir analiz sağlamalarıdır.

Midgley ve ark. her çalışma için kan basıncındaki azalmayı (klinik sonuç) idrar sodyumundaki azalmaya (biyolojik belirteç) karşı çizdi ve bir lineer regresyon analizi gerçekleştirdi.

Diyastolik kan basıncındaki (tedavi etkisi) üriner sodyumdaki (belirteç) değişime karşı farkın grafiği, yanlılık olasılığını düşündürür. Bununla birlikte, belirtecin klinik sonuç üzerindeki tedavinin etkisini tam olarak kapsadığı varsayımı her zaman uygun olmayabilir: belirteç tarafından yakalanmayan müdahalenin etkileri artık etkiyi açıklayabilir. Örneğin, sodyum alımında azalmaya yol açan diyet değişiklikleri ayrıca kilo kaybına ve dolayısıyla kan basıncında azalmaya neden olabilir.

Tedavinin belirteç üzerindeki etkisini tahmin etmedeki hatanın, hem tedaviyle ilişkisinin hafife alınmasına hem de tahmini kesişimin sıfırdan sapmasına yol açabileceğine dikkat edilmelidir. Bu durumda sıfırdan farklı bir kesme, yanlılığın kanıtı olarak yanlış yorumlanabilir. Aşağıda bu sorunun üstesinden gelmek için regresyon modellerinin nasıl kullanılacağını tartışıyoruz.

Güvenli N

Rosenthal, yayın yanlılığını “dosya çekmecesi sorunu” olarak adlandırdı ve uç versiyonunu “dergilerin Tip I hataları gösteren çalışmaların %5’i ile doldurulması, laboratuvardaki dosya çekmecelerinin ise %95’inin doldurulması” olarak tanımladı. 

Rosenthal, yayın yanlılığının bir meta-analizin sonuçlarını etkileme potansiyelinin, ‘başarısız N’: ‘negatif’ çalışmaların sayısı (tedavi etkisinin sıfır olduğu çalışmalar) hesaplanmasıyla değerlendirilebileceğini öne sürdü. meta-analiz için P değerini 0.05’in üzerine çıkarmak için bu gerekli olacaktır.

Iyengar ve Greenhouse, arıza emniyetli N tahmininin büyük ölçüde yayınlanmamış çalışmalar için varsayılan ortalama tedavi etkisine bağlı olduğunu kaydetti. Yöntem ayrıca, genel olarak tıbbi araştırmalarda ve özel olarak sistematik incelemelerde, kişinin tahmin edilen tedavi etkisinin boyutuna ve ilişkili güven aralıklarına daha fazla odaklanması gerektiğine dair yaygın olarak kabul edilen ilkeye de aykırıdır. boş hipotez belirli, keyfi bir eşiğe ulaşır.

The post Alternatif Huni Grafiği – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

İstatistiksel heterojenlik için kanıtlar da çok güçlüdür ve bu, herhangi bir tek genel etki tahmininin yorumlanması hakkında daha da fazla şüphe doğurur. Bir tür ortalama veya tipik etkinin tahmin edildiğini kabul etsek bile, farklı denemelerin sonuçları arasındaki ekstra değişkenlik göz ardı edildiğinden, sonuçların gelecekteki denemeler veya hastalar için tahmin edilmesi açısından verilen güven aralığı çok dardır.

Bu tür problemlerin cevabı, meta-analizlerin potansiyel heterojenlik kaynaklarının dikkatli bir araştırmasını içermesi gerektiğidir. Meta-analiz, tek bir etki tahmini üretmekten daha ileri gidebilir. Örneğin, miyokard enfarktüsünün akut fazındaki tromboliz denemelerinin bir meta-analizinde, semptomların başlangıcı ile tedavi arasında daha az gecikme olduğunda sağkalım yararının daha büyük olduğu gösterilmiştir.

Bu ilişkinin nicelleştirilmesi, rutin klinik uygulamada tromboliz kullanımına yönelik politika önerilerinin hazırlanmasında önemlidir. Daha genel olarak, denemeler arasında neden tedavi etkilerindeki farklılıkların meydana geldiğini anlamaya çalışmanın faydaları, genellikle potansiyel dezavantajlardan daha ağır basmaktadır.

Aynısı, epidemiyolojik çalışmalarda maruz kalma-hastalık ilişkilerindeki farklılıklar için de geçerlidir. Genellikle meta-regresyonlar olarak adlandırılan bu tür analizler, prensipte, örneğin klinik denemelerin bir meta-analizinde, tedavi etkilerini etkilemek için bir dizi deneme veya hasta özelliğinin birlikte nasıl hareket ettiğini araştırmak için genişletilebilir. Yayınlanmış meta-analizlerde böyle bir yaklaşımı uygulamanın faydalarına ilişkin iki örnek aşağıda verilmiştir.

Serum Kolesterol Konsantrasyonu ve İskemik Kalp Hastalığı Riski

Heterojenliğin uç bir örneği, 19 000 miyokard enfarktüsü veya iskemik kalp hastalığından ölümler hakkındaki verileri içeren, serum kolesterol konsantrasyonu ve erkeklerde iskemik kalp hastalığı riskine ilişkin en büyük 10 prospektif kohort çalışmasının 1994 incelemesinde belirgindi. Amaç, serum kolesterol konsantrasyonlarındaki azalmadan elde edilmesi beklenen uzun vadeli faydayı tahmin etmek için serum kolesterolü ile iskemik kalp hastalığı riski arasındaki ilişkinin büyüklüğünü özetlemekti.

10 prospektif çalışmanın sonuçları gösterilmektedir. Bunlar, iskemik kalp hastalığı riskinin görünüşte log-lineer ilişkilerinden elde edilen, serum kolesterolünde 0.6 mmol/l’lik (Batı ülkelerindeki ortalama seviyelerin yaklaşık %10’u) bir azalma ile bağlantılı riskteki orantılı azalmalar olarak ifade edilir. 

Ayrıca, serum kolesterolünün tek bir ölçümünün, bazen regresyon seyreltme yanlılığı olarak adlandırılan, uzun vadeli düzeyin kesin olmayan bir tahmini olduğu gerçeğinden kaynaklanan eksik tahmini de hesaba katarlar.

Meta regresyon nedir
Meta-analiz Nedir
meta-analiz çalışması örneği
Funnel plot nedir
Meta-sentez ve meta-analiz arasındaki fark
Meta değişken nedir
Meta-analiz makale
Forest plot nedir

10 çalışmanın tümü, kolesterol azalmasının iskemik kalp hastalığı riskinde bir azalma ile ilişkili olduğunu gösterse de, bu etkinin tahmini boyutunda önemli ölçüde farklıydılar. Bu, genel bir homojenlik testinden elde edilen uç değerden (χ92 = 127, P 􏰀 0,001) açıktır. Bu, bu çalışmaların sonuçlarını genel bir tahminde basitçe birleştirmenin yanıltıcı olduğunu göstermektedir; heterojenliğin nedenlerinin anlaşılması gereklidir.

Heterojenliğin en bariz nedeni, katılımcıların yaşları veya daha özel olarak takip sırasında koroner olayları yaşama ortalama yaşı ile ilgilidir, çünkü iskemik kalp hastalığının belirli bir serum kolesterol artışı ile göreceli risk ilişkisinin iyi bilindiği iyi bilinmektedir. ilerleyen yaşla birlikte azalır.

Bu nedenle 10 çalışmadan elde edilen veriler, yayınlanmış ve yayınlanmamış bilgilerden mümkün olduğu kadar, girişteki yaşa göre gruplara ayrıldı. Bu, sonuçları koroner bir olay yaşamanın ortalama yaşına karşı çizilen 26 alt çalışma verdi. İskemik kalp hastalığı riskindeki azalma yüzdesi açıkça yaşla birlikte belirgin şekilde azalır.

Bu ilişki, her bir tahminin farklı kesinliklerini hesaba katmak için uygun şekilde ağırlıklandırılmış, yaşa göre log nispi risk azalmasının ikinci dereceden bir regresyonu kullanılarak özetlenebilir. Kolesterol konsantrasyonunda 0,6 mmol/l’lik bir azalmanın, iskemik kalp hastalığı riskinde 40 yaşında %54, 50 yaşında %39, 60 yaşında %27, 70 yaşında %20 ve iskemik kalp hastalığı riskinde azalma ile ilişkili olduğu sonucuna varılmıştır.

Aslında, sonuçların bu özetinden bile (χ2 = 45, P = 0,005) önemli ölçüde heterojenlik kanıtı vardır, ancak bu, yaş dikkate alınmadan önce belirgin olan orijinal heterojenlikten çok daha az aşırıdır.

Yaş dikkate alındığında ortaya çıkan sonuçlara etkisi: örneğin popülasyondaki kolesterol azalmasının etkisini göz önünde bulundurarak çok önemlidir. Serum kolesterolündeki azalma ile ilişkili iskemik kalp hastalığı riskindeki orantılı azalma, güçlü bir şekilde yaşa bağlıdır.

Erken orta yaştaki büyük orantılı azalmalar, daha mütevazı orantılı azalmaların belirgin olduğu ileri yaşlara tahmin edilemez. Gözlemsel epidemiyolojik çalışmaların meta-analizlerinde, heterojenlik kaynaklarının bu şekilde araştırılması, genellikle ikincil bir amaçtan ziyade bir temel amaç olabilir. Gözlemsel çalışmaların sistematik incelemeleri ayrıntılı olarak tartışılmaktadır.

Serum Kolesterol Azalması ve İskemik Kalp Hastalığı Riski

Serum kolesterolü düşürmenin randomize kontrollü çalışmaları, bir dizi meta-analizin konusu ve çok fazla tartışma konusu olmuştur. Az önce açıklanan 10 prospektif çalışmanın gözden geçirilmesiyle bağlantılı olarak, 1994’te mevcut olan 28 randomize çalışmanın sonuçları özetlendi; bu, özellikle statin kullananlar olmak üzere, daha yakın zamanda kullanıma sunulan serum kolesterolü düşürme denemelerinin sonuçlarını göz ardı etmektedir.

Amaç, serum kolesterol azalmasının kısa vadede iskemik kalp hastalığı riski üzerindeki etkisini ölçmekti, denemelerin ortalama süresi yaklaşık beş yıldı. Test edilen müdahalelerde (farklı ilaçlar, farklı diyetler ve bir vakada kısmi ileal baypas greftleme kullanılarak cerrahi müdahale) denemeler arasında önemli klinik heterojenlik vardı, denemelerin süresinde, elde edilen ortalama serum kolesterol azalma derecesinde (0 ·3–1.5 mmol/l) ve önceden var olan hastalık (örneğin, birincil veya ikincil önleme çalışmaları) ve girişteki serum kolesterol konsantrasyonu seviyesi gibi hastalar için seçim kriterlerinde. Daha önce olduğu gibi, bu önemli klinik farklılıkların gözlemlenen sonuçlarda bir miktar heterojenliğe yol açması muhtemel görünmektedir.

Bu tür orman arazileri heterojenliği araştırmak için pek kullanışlı değildir. Bu amaç için daha iyi bir diyagram Galbraith tarafından önerildi ve kolesterol düşürme denemeleri için gösterildi. Her deneme için, iskemik kalp hastalığının log ods oranının kendi standart hatasına oranı (z-istatistiği), standart hatanın tersi ile karşılaştırılır. Bu nedenle, küçük denemelerden elde edilen en az kesin sonuçlar şeklin solunda ve en büyük denemelerden elde edilen sonuçlar sağda görünür.

The post İstatistiksel Heterojenlik – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Rosenthal’ın (1979) dosya çekmecesi analiziyle ilgili bir başka sorun, yüz değerinde kabul edilse bile, çok zayıf bir sonuç vermesidir. Birleştirilmiş çalışma sonuçları, ortalama etki büyüklüğü küçük veya hatta çok küçük olsa bile istatistiksel olarak oldukça anlamlı olabilir. Ne genel olarak birleşik olasılık yöntemi ne de özel olarak dosya çekmecesi analizi, etki büyüklüğü hakkında herhangi bir bilgi sağlamaz. d ̄ veya r ̄’yi belirli bir düzeye getirmek için sıfır bulguların ortalaması olan kaç tane eksik çalışmanın var olması gerektiğini bilmek daha bilgilendirici olacaktır.

Burada bu hesaplama için verilen formüller yazarlar tarafından 1979’da türetilmiş ve Pearlman (1982) tarafından yaygın olarak kullanılmıştır. Daha sonra Orwin’in (1983) aynı formülleri bağımsız olarak türettiğini öğrendik. Bu denklemler sabit etkiler varsayımına bağlı değildir; gerçekte, bir rastgele etkiler modelini temsil ederler.

d ̄k’yi d ̄c’ye, yani ortalama d için kritik değere (teorik veya pratik olarak anlamlı kabul edebileceğimiz en küçük ortalama değer olabilir) düşürmek için kaç tane “kayıp” çalışma (x) olması gerektiğini bilmek istiyoruz. Böylece yeni toplam çalışma sayısı yine k + x olacaktır. 􏰀dk değişmeden kalacaktır.

k = 100 ise ancak diğer sayılar aynı kalıyorsa, x = 900. Etki büyüklüğünü belirli bir düzeye indirmek için gereken boş sonuçların ortalamasını alan eksik çalışmaların sayısı, genellikle birleşik olasılık değerini 0’a düşürmek için gereken sayıdan çok daha küçüktür. p = .05.

Bununla birlikte, birçok araştırma alanında, 90 “kayıp” çalışma olması olası değildir ve 900 olması da pek olası değildir. McNatt (2000), yayınlanmış bir meta-analizde bu prosedürün kullanımına bir örnek verdi. Gözlemlenen d ̄ 1,13’ü (büyük bir etki) d ̄ = .05’e (önemsiz bir etki) düşürmek için ortalama sıfır etki büyüklüğüne sahip 367 eksik çalışmanın gerekeceğini buldu.

Kullanılabilirlik Sapmasını Tespit Etmeye Yönelik Grafik Bir Yöntem: Huni Grafiği

Light ve Pillemer (1984), yayın veya diğer kullanılabilirlik yanlılığını saptamak için basit bir grafik yöntemi tanıttı. Bu teknik, kullanılabilirlik yanlılığının yokluğunda, ortalama etki büyüklüğünün büyük ve küçük örneklemli çalışmalarda aynı olması beklenirken, daha büyük örnekleme hatası nedeniyle küçük örneklemli çalışmalarda daha geniş çapta değişiklik göstermesi gerçeğine dayanmaktadır.

Bu tekniği uygularken, bir grafik, büyüklükleri (d değerleri veya korelasyonları) çalışma örneklem büyüklüğüne (ya da örneklem büyüklüğünün ters bir fonksiyonu olan çalışma tahmininin standart hatasına) karşı etkiler. Önyargı olmaması durumunda, ortaya çıkan rakam ters çevrilmiş bir huni şeklini almalıdır. Ortalama etki büyüklüğünün, çalışma örneklem büyüklüğünden bağımsız olarak yaklaşık olarak aynı olduğuna dikkat edin.

Bununla birlikte, çalışmaların istatistiksel önemine (p değeri) dayalı yayın veya başka bir kullanılabilirlik yanlılığı varsa, küçük etki büyüklüklerini bildiren küçük örneklemli çalışmalar orantısız bir şekilde yok olacaktır, çünkü bunlar istatistiksel anlamlılığa ulaşamayacak çalışmalardır. Bunlar huni grafiğinin sol alt köşesindeki çalışmalardır. Kullanılabilirlik yanlılığının varlığını gösteren bir huni grafiği gösterir. Küçük örneklemli çalışmaların ortalama etki büyüklüğünün, büyük örneklemli çalışmalarınkinden daha büyük olduğuna dikkat edin.

Meta regresyon nedir
Funnel plot nedir
Meta analiz Nedir
Meta-sentez Nedir
Meta analiz örnekleri
CMA programı
Forest plot nedir
Sistematik derleme nedir

Huni grafiği yönteminin altında yatan kavram basit ve doğrudan olmasına rağmen sorunlu bir yönü vardır. Tüm önemsiz çalışmalar, yayın veya diğer mevcudiyet yanlılığı nedeniyle mevcut değilse, yanlılığın kanıtını görmek kolaydır. Ancak, yalnızca bazıları eksikse (örneğin %20-60), yanlılığı tespit etmek çok daha zordur.

Bu, özellikle çalışmaların sayısı fazla değilse (belki de olağan durum) geçerlidir. Tüm önemsiz çalışmaların %100’ünün eksik olması pek olası değildir. Önem testleri, huni grafiğini değerlendirmede karar vermenin yerine kullanılabilir, ancak bu testler Bölüm 1’de tartışılan tüm önemlilik testlerine ilişkin sorunlara sahiptir. Özellikle, güçleri düşüktür.

Huni grafiği kullanılabilirlik yanlılığını öne sürdüğünde, bazıları meta-analizi yalnızca büyük-N çalışmalarına dayandırmayı önerdi (örn. ) ve bu nedenle, bu çalışmalar ortalama etki büyüklüğünün tarafsız bir tahminini sağlayacaktır.

Altta yatan ortalama etki büyüklüğü büyükse ve bu parametrede çok az gerçek varyans varsa, muhtemelen durum böyledir. (Bu iki koşul birlikte daha büyük N çalışmalarda yüksek istatistiksel güce katkıda bulunur ve daha büyük N çalışmalarının yanlı bir çalışma örneği olmamasını sağlamaya yardımcı olur.) Aksi takdirde, bu reçete sorgulanabilir. Ayrıca gösterilen yanlılığın meta-analizde gerçekte olduğundan daha büyük göründüğüne dikkat edin, çünkü çalışmalar örneklem büyüklüklerine göre ağırlıklandırılır ve bu nedenle küçük-N çalışmaları (yanlı tahminlere sahip olan) meta-analizde çok az ağırlık alır. 

Huni grafiğinin uygulamaları tipik olarak kullanılabilirlik yanlılığı kanıtı önermez. Bu, bu bölümde daha önce bahsedilen iki gerçekle iyi açıklanabilir. İlk olarak, çoğu çalışma birden fazla hipotezi test eder, bu da yayının herhangi bir hipotezin test edilmesi için istatistiksel anlamlılığa bağlı olmasını zorlaştırır. İkincisi, birçok meta-analiz, birincil çalışmaların ana odak noktası olmayan ilişkileri inceleyerek, bulunabilirlik veya yayın yanlılığının meydana gelme ihtimalini ortadan kaldırır. Bu akıl yürütme çizgisi, huni grafiğinin yanlılığı tespit etmedeki başarısızlığının, genellikle hiçbir yanlılığın olmadığı yönünde doğru bir sonuca yol açtığını ileri sürer.

Kullanılabilirlik Önyargısını Düzeltme Yöntemleri

1980’lerin ortalarından günümüze kadar devam eden istatistikçiler, kullanılabilirlik yanlılığının etkileri için meta-analiz sonuçlarını düzeltmek için istatistiksel yöntemler geliştirdiler. Zamanla, bu yöntemler istatistiksel olarak giderek daha karmaşık hale geldi (ve giderek daha karmaşık hale geldi).

Ancak tüm bu yöntemler birincil çalışmaların p değerlerine dayanmaktadır; yani, hepsi yayın olasılığının (bir ağırlık fonksiyonu aracılığıyla) bu çalışmanın p değerine bağlı olduğunu varsaymaktadır. Çalışmaların diğer özelliklerinin yayınlanma olasılığını etkileme olasılığına ilişkin herhangi bir hüküm yoktur (örneğin, rapor edilen etki büyüklüğü, çalışmanın metodolojik nitelikleri, yazarların itibarı vb.).

The post Huni Grafiği – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Şimdi BCG örneğine dönüyoruz ve rastgele etkiler modelini uyguluyoruz (Şekil 20.5). Rastgele bir etki analizi kullanıldığında, 13 çalışma için risk oranı 0,490’dır ve 0,345 ila 0,695’lik bir güven aralığı vardır; bu, aşının ortalama etkisinin TB riskini en az %30 ve muhtemelen olabildiğince fazla azaltmak olduğunu söyler. %65 (bkz. Şekil 20.5). Log birimlerinde risk oranı 0,714’tür ve 0,179’luk bir standart hatadır, bu da -3.995’lik bir Z-değeri (p < 0,001) verir ve bu da etkisiz sıfır hipotezini reddetmemize izin verir.

Bununla birlikte, en azından ilginç olan, 0.20 (aşı riski %80 oranında azaltır) ile 1.56 (aşı riski %56 oranında artırır) arasında değişen bir risk oranı arasında değişen tedavi etkilerindeki önemli varyasyondur. Sabit etki modelini tartıştığımızda ilgili istatistikler sunuldu.

Eğimin etkisinin değerlendirilmesi

Rastgele etki modelini (moment yöntemi) kullanan bir meta-regresyon, gösterilen sonuçları verir. Bu, enlem ve ilgili istatistiklerden log risk oranını tahmin etmeye yönelik katsayıları gösteren formatla aynı formata sahiptir. Bu istatistiklerin rastgele etkiler modeline dayandığını belirtmek için bir yıldız işareti (*) kullanırız. Bu ayrımla, eğim(ler)in yorumu, sabit etkili modelin yorumuyla aynıdır.

(Bu örnekte eğim, sabit etki ve rastgele etki modelleri altında hemen hemen aynıdır, ancak bu genellikle böyle değildir.) Z* 5 􏰁4.3411’e karşılık gelen iki kuyruklu p değeri 0.00001’dir. Bu bize eğimin muhtemelen sıfır olmadığını ve çalışma ekvatordan daha uzak bir mesafede yapıldığında aşılamanın daha etkili olduğunu söylüyor.

1’den p’ye kadar olan ortak değişkenlerin hiçbirinin etki büyüklüğü ile ilişkili olmadığı sıfır hipotezi altında, Q* modeli, p’ye eşit serbestlik dereceleriyle ki-kare olarak dağıtılacaktır. 

Bu örnekte yalnızca bir ortak değişken (enlem) vardır ve bu nedenle bu ortak değişkenin etkisini değerlendirmek için Z-testini veya Q-testini kullanma seçeneğine sahibiz. Bundan iki testin aynı sonuçları vermesi gerektiği sonucu çıkar ve verirler. Z değeri 􏰁4.3411’dir ve karşılık gelen p değeri 0.00001’dir. Q değeri 18.8452’dir ve buna karşılık gelen p değeri 0.00001’dir. Son olarak, Q* modeli Z*2’ye eşit olmalıdır ve aslında 18.8452, 􏰁4.34112’ye eşittir.

Uyum iyiliği testi, ortak değişkenler tarafından açıklanmayan heterojenliğin olup olmadığı sorusunu ele alır. Qresid, bu açıklanamayan heterojenliğin varyansını, t2’yi tahmin etmek (ve test etmek) için de kullanılabilir. Bu Qresid, sabit etkili ağırlıklar kullanılarak regresyondan elde edilen ağırlıklı kalıntı SS’dir.

Orman grafiği yorumlama
meta-analiz çalışması örneği
Egger testi nedir
Meta analiz Nedir
Sistematik derleme Nedir
Meta-analiz programları
Forest plot nedir
Cma programı kullanımı

Buradaki Q* modeli, alt grup analizi için Q*bet’e benzer ve Qresid, alt grup analizi için Qwithin’e benzer. Ortak değişkenler alt grupları temsil ediyorsa, Q* modeli Q*bet ile aynıdır ve Qresid, Qwithin ile aynıdır. Öngörücü yoksa, buradaki Qresid, orijinal meta-analiz için Q ile aynıdır.

Sabit etkili modelle meta-regresyon ile çalışırken, toplam varyansı bir dizi bileşene bölebildik, Qmodel artı Qresid toplamı Q’ya ulaştı. Bu, sabit etkili modelle mümkündü çünkü her bir çalışmaya ağırlık atanır yalnızca çalışma içi hata tarafından belirlendi ve bu nedenle her üç hesaplama grubu için de aynıydı.

Buna karşılık, rastgele etkiler modeli altında, her bir çalışmaya atanan ağırlık, çalışmalar arası varyansı da içerir ve bu, bir dizi hesaplamadan diğerine değişir. Bu nedenle, varyans bileşenleri toplamsal değildir. Bu nedenle, rastgele etkiler analizi için değil, sabit etkiler analizi için bir varyans analizi tablosu gösteriyoruz.

İlişkinin büyüklüğünü ölçün

Bu Şekilde, her çalışma, o çalışma için gerçek koordinatları (gözlenen etki büyüklüğü enlem) gösteren bir daire ile temsil edilir. Her dairenin boyutu (özellikle alanı), o çalışmanın analizdeki ağırlığıyla orantılıdır. Bu analiz rastgele etkiler modeline dayandığından ağırlık, her çalışma için toplam varyanstır (çalışma içi artı T 2).

Sabit etkili grafikten farkı not edin. Rastgele etkiler kullanıldığında, her bir çalışmaya atanan ağırlıklar birbirine daha çok benzer. Örneğin, TB önleme denemesi (1980) çalışması sabit etki modeli altındaki grafiği domine ederken (ve eğim üzerinde önemli bir etki yaptı), Comstock ve Webster (1969) sadece önemsiz bir etkiye sahipti (iki çalışmanın göreli ağırlıkları sırasıyla %41 ve %0.3). Rastgele etkiler altında ikisi daha benzerdir (sırasıyla %14 ve %1,6).

Orta çizgi, tahmin edilen değerleri gösterir. Ekvatora nispeten yakın bir yerde (10 enlem) gerçekleştirilen bir çalışma, sıfıra yakın bir beklenen etkiye sahip olacaktır (1.0 risk oranına karşılık gelir, bu da aşının TB üzerinde hiçbir etkisi olmadığı anlamına gelir). Buna karşılık, 55 enleminde (Saskatchewan) bir çalışma 􏰁1,50 civarında beklenen bir etkiye sahip olacaktır (0.20’ye yakın bir risk oranına karşılık gelir, bu da aşının TB riskini yaklaşık %80 oranında azalttığı anlamına gelir).

Açıklanan varyans oranı

Rastgele etkiler analizinde alt grup üyeliği tarafından açıklanan varyans oranı kavramını tanıttık. Aynı yaklaşım meta-regresyona da uygulanabilir.

Ortak değişkeni olmayan altı çalışmayı gösteren bir düşünün. Ortak değişken olmadığından, tahmin eğimi, dikey bir çizgiyle gösterilen ortalamadır (bir regresyon hesaplayacak olsaydık, kesme noktası). Şeklin altındaki normal dağılım, T2’yi yansıtır ve tahmin çizgisinden (ortalama) dağılımın neden çalışma içi hatayı aştığını açıklamak için gereklidir.

Şimdi, bir X değişkeni ile aynı boyuttaki etütleri ve tahmin denklemini yansıtan bir çizgi ile gösterilen tahmin eğimini gösteren düşünün. Tahmin çizgisi üzerindeki her noktadaki normal dağılım, T2 değerini yansıtır ve tahmin çizgisinden (bu sefer, eğim) dağılımın neden çalışma içi hatayı aştığını açıklamak için gereklidir. Ortak değişken, çalışmalar arası varyansın bir kısmını açıkladığı için, T2, Şekil 20.8’dekinden daha küçüktür ve ikisinin oranı, açıklanan varyans oranını ölçmek için kullanılabilir.

• Not 1. Normalde, etki boyutunu Y eksenine ve ortak değişkeni X eksenine çizerdik. Burada, orman arsası ile paralelliği korumak için eksenleri değiştirdik.
• Not 2. Anlaşılır olması için her şekil için gerçek etkileri çizdik. Tabii ki pratikte, gerçek etkilerin tahminlerini gözlemliyoruz, çalışma içi hataya atfedilen varyans kısmını kaldırıyoruz ve kalan varyans miktarını hesaplıyoruz.

Birincil çalışmalarda, bir ortak değişkenin etkisini tanımlamaya yönelik yaygın bir yaklaşım, o ortak değişken tarafından açıklanan varyans oranını bildirmektir. Bu indeks, R2, açıklanan varyansın toplam varyansa oranı olarak tanımlanır.

The post RASTGELE ETKİLER MODELİ – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).