Meta komutu5–7, sabit ve rastgele etkiler özet tahminlerini hesaplamak ve isteğe bağlı olarak bir orman grafiği oluşturmak için ters varyans ağırlığını kullanır. Meta komutu kullanmanın temel farkı (metan komutuna kıyasla), her çalışma için etki tahminini ve buna karşılık gelen standart hatayı içeren değişkenlere ihtiyaç duymamızdır. Metacum, metainf, metabias ve metareg (bu bölümün ilerleyen kısımlarında anlatılacaktır) komutları da bu girdi değişkenlerini gerektirir.

Burada meta göstermek için streptokinaz verilerini yeniden analiz ediyoruz, bu sefer olasılık oranı ölçeğindeki sonucu dikkate alıyoruz. Olasılık oranları veya risk oranları için meta komut, günlük ölçeğinde çalışır. Dolayısıyla, bir özet oran oranı üretmek için, oranın günlüğünü ve her çalışma için buna karşılık gelen standart hatayı hesaplamamız gerekir. Bu, olasılık oranı için basittir.

Bu formülü, risk oranının standart hataları ve yaygın olarak kullanılan diğer tedavi etkisi tahminleriyle birlikte verir. Çıktı, olasılık oranlarını ve güven aralıklarını üslendirmek için eform seçeneği kullanılarak tekrar oran oranı ölçeğine dönüştürülebilir.

Meta’nın varsayılan olarak hem sabit hem de rastgele efekt analizleri gerçekleştirdiğini ve tablo çıktısının her iki analizin ağırlıklarını içerdiğini unutmayın. Rastgele etkiler analizinde daha küçük çalışmalara sabit etki modeline göre nispeten daha fazla ağırlık verildiği açıktır.

Meta komutu yalnızca tahmini tedavi etkisini ve standart hatasını gerektirdiğinden, tedavi etkisinin standart 2 × 2 tablosundan türetilmediği çalışmaların meta-analizlerinde özellikle yararlı olacaktır. Örnekler, tedavi etkisinin Cox regresyonundan türetilen tehlike oranı ile ölçülebildiği çapraz denemeleri veya hayatta kalma denemelerini içerebilir.

Örnek 2: Akut miyokard enfarktüsünde intravenöz magnezyum

Aşağıdaki tablo, miyokard enfarktüsünü takiben ölümün önlenmesinde intravenöz magnezyumun randomize kontrollü çalışmasının verilerini vermektedir. Bu denemeler, bir meta-analizin8 sonuçlarının tek bir büyük denemeyle (ISIS-4)9–11 çeliştiği iyi bilinen bir örnektir.

ISIS-4 denemesinin sonuçları ile daha önceki denemeler arasındaki tutarsızlık, metan komutu tarafından üretilen grafikte açıkça görülebilir. ISIS-4 denemesi meta-analizdeki toplam ağırlığın %89,7’sini sağladığından, sabit etkiler analizini kullanan genel (özet) tahminin yalnızca ISIS-4 denemesinden elde edilen tahmine çok benzer olduğuna dikkat edin.

Sıfır Hücrelerle Uğraşmak

Bir çalışmanın bir kolu hiçbir olay içermediğinde – veya eşit olarak tüm olaylar – 2 × 2 tabloda “sıfır hücre” olarak adlandırılan şeye sahibiz. Sıfır hücreleri, tedavi etkisinin oran ölçülerinin ve fark ya da oran ölçülerinin standart hatasının hesaplanmasında problemler yaratır. 8 numaralı deneme için müdahale grubunda ölüm olmadığı için tahmin edilen olasılık oranı sıfırdır ve standart hata tahmin edilemez.

Bu problemle başa çıkmanın yaygın bir yolu, deneme için 2 × 2 tablosunun her hücresine 0,5 eklemektir. Bununla birlikte, araştırmanın müdahale veya kontrol kollarında herhangi bir olay yoksa, oran olarak özetlenen herhangi bir etki ölçüsü tanımsızdır ve bunun yerine mutlak (risk farkı) ölçeği kullanılmadıkça, araştırmadan çıkarılmalıdır.

meta description nedir
Meta değişken nedir
Meta regresyon nedir
cma meta-analiz programı indir
Meta-analiz Nasıl yapılır
Meta-analiz Nedir
Meta-analiz kitap PDF
meta-analiz çalışması örneği

Metan komutu, analizden önce 2 × 2 tablosunun tüm hücrelerine 0,5 ekleyerek sorunu otomatik olarak ele alır. Özet istatistiklerin hesaplanmasını gerektiren komutlar için (meta,metacum,metainf, metabias ve metareg) tedavi etkisi ve standardı hesaplamadan önce bunu yapmak ve olaysız veya tüm deneklerin olay yaşadığı denemeleri bırakmak gerekir. 

Çalışmaların rastgele etkiler analizinde çok daha eşit ağırlıkta olması nedeniyle ortaya çıkan sabit ve rastgele etkiler özet tahminleri arasındaki çarpıcı farka dikkat edin. Ayrıca, heterojenlik testi oldukça önemlidir. Bu örneğe daha sonra döneceğiz.

Kümülatif Meta-analiz

Metacum komutu12, her bir çalışmanın yayınlandığı zamandaki kümülatif kanıtların hesaplandığı kümülatif meta-analizleri13,14 gerçekleştirir ve grafikler. Bu komut ayrıca, her çalışma için etki tahminini ve buna karşılık gelen standart hatayı içeren değişkenleri gerektirir. Streptokinaz denemelerinin kümülatif bir meta-analizini gerçekleştirmek için, önce hem deneme adını hem de yılı içeren 20 uzunluğunda bir karakter değişkeni yaratırız ve ardından yıla göre sıralarız.

1970’lerin sonunda, streptokinazın miyokard enfarktüsünü takiben ölümü önlediğine dair açık kanıtlar vardı. Ancak, büyük GISSI-1 ve ISIS-2 denemelerinin sonuçlarının bilindiği 1980’lerin sonlarına kadar rutin olarak kullanılmadı. Kümülatif meta-analiz grafiği, bu denemelerin özet tahmin için güven aralığını azaltmasına rağmen, tahmini koruma derecesini değiştirmediğini açıkça ortaya koymaktadır.

Bireysel çalışmaların etkisinin incelenmesi

Bireysel çalışmaların özet etki tahmini üzerindeki etkisi, metainf komutu kullanılarak görüntülenebilir. Bu komut, bir seferde bir çalışma çıkarılarak meta-analiz tahminlerinin hesaplandığı bir etki analizi gerçekleştirir. Metainf’in sözdizimi, meta komutunun sözdizimi ile aynıdır. Varsayılan olarak, sabit etki analizleri görüntülenir. Magnezyum verileri için bu analizi yapalım.

Y eksenindeki etiket, katsayının (burada, log oran oranı) üstelleştirildiğini gösterir. Meta-analizde ISIS-4 çalışması (16 numara) hakimdir, bu nedenle diğer çalışmaların atlanması çok az fark yaratır veya hiç fark yaratmaz. ISIS-4 çıkarılırsa, miyokard enfarktüsünden sonra ölümün önlenmesinde magnezyumun açık bir etkisi olduğu görülmektedir.

Huni grafikleri ve huni grafiği asimetrisi testleri

Metabias komutu, Begg ve Mazumdar ve Egger ve diğerleri tarafından önerilen huni grafiği asimetrisi için testleri gerçekleştirir. Grafik seçeneği belirtilirse, komut, hassasiyet11’e (graph(egger)) veya huni grafiğine (graph(begg)) karşı standartlaştırılmış efektin bir grafiğini üretecektir.

Magnezyum verileri için, ISIS-4 denemesi dahil edildiğinde huni grafiği asimetrisinin açık kanıtı vardır. ISIS-4 davasının sonuçları bilinmeden önce önyargı kanıtı olup olmadığını bilmek daha ilginç. Bu nedenle, aşağıdaki analizde ISIS-4 denemesini atlıyoruz.

Huni grafiği asimetrik görünüyor ve Egger (ağırlıklı regresyon) yöntemini kullanan (önyargı 0,009 için P) ancak Begg’i (sıra korelasyon yöntemi) kullanmayan yanlılık kanıtı var. Bu, tartışıldığı gibi, regresyon testinin daha büyük bir istatistiksel gücü ile uyumludur.

Huni grafiğindeki yatay çizgi, sabit etkiler özet tahminini gösterirken (ters varyans ağırlığı kullanılarak), eğimli çizgiler, çalışmalar arasında heterojenlik olmadığı varsayılarak, belirli bir standart hata için beklenen %95 güven aralıklarını gösterir.

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

Sonuç sürekli bir ölçümse, müdahale ve kontrol grupları için katılımcı sayısı, ortalama yanıt ve bunun standart sapması gerekir.

Sürekli verilerin meta-analizi için kullanılan iki özet istatistik vardır. Ortalamalardaki fark, tüm denemelerdeki sonuç ölçümleri aynı ölçekte yapıldığında kullanılabilir. Meta-analiz, ortalamalardaki bu farklılıkların ağırlıklı ortalamasını hesaplar, ancak kafa karıştırıcı bir şekilde ağırlıklı ortalama fark (WMD) yöntemi olarak adlandırılır.

Standartlaştırılmış fark, denemelerin tümü aynı sonucu değerlendirdiğinde, ancak bunu çeşitli şekillerde ölçtüğünde kullanılır (örneğin, tüm denemeler depresyonu ölçer, ancak farklı psikometrik ölçekler kullanırlar). Bu durumda, denemelerin sonuçlarını birleştirmeden önce tek tip bir ölçekte standardize etmek gerekir.

Standartlaştırılmış ortalama fark yöntemi, o denemede gözlemlenen değişkenliğe göre her denemede tedavi etkisinin boyutunu (yine gerçekte ortalamada bir fark değil, ortalama bir fark değil) ifade eder. Yöntem, denemeler arasındaki standart sapmalardaki farklılıkların, deneme popülasyonları arasındaki değişkenlikteki gerçek farklılıkları değil, ölçüm ölçeklerindeki farklılıkları yansıttığını varsayar.

Bu varsayım, pragmatik ve açıklayıcı denemelerin (kötü sonuç riskleri açısından farklılık gösterebilen) aynı derlemede birleştirildiği bazı durumlarda sorunlu olabilir. İncelemede kullanılan herhangi bir ölçüm ölçeğinin birimlerinden ziyade standart sapma birimlerinde rapor edildiğinden, genel tedavi etkisinin yorumlanması da zor olabilir.

Standartlaştırılmış ortalama fark yönteminde kullanılan üç popüler etki büyüklüğü formülasyonu vardır. Bu formülasyonlar, hesaplamalarda kullanılan standart sapmaya ve küçük örnek yanlılığı için bir düzeltmenin dahil edilip edilmediğine göre farklılık gösterir.

İstatistikte küçük örnek yanlılığı, küçük bir örnek verilen bir tahminin beklenen değeri ile örnek sonsuz ise beklenen değer arasındaki fark olarak tanımlanır. Simülasyonlar, standartlaştırılmış ortalama farkın sonlu örneklerle olduğundan fazla tahmin edilme eğiliminde olduğunu, ancak yanlılığın yalnızca toplam örnek boyutu çok küçük olduğunda önemli olduğunu göstermektedir.

Müdahale gözlemlenen değişkenliği değiştirdiğinde ve potansiyel olarak ortalama değeri değiştirdiğinde bu yöntem tercih edilir. Hem ağırlıklı ortalama fark hem de standartlaştırılmış ortalama fark yöntemleri, her denemedeki sonuç ölçümlerinin Normal dağılıma sahip olduğunu varsayar. Bu dağılımlar çarpık veya aşırı derecede Normal olmadığında, bu yöntemlerin sonuçları yanıltıcı olabilir.

varyans ve standart sapma
standart sapma hesaplama
Meta regresyon nedir
Meta-analiz örnekleri
Funnel plot nedir
Meta-analiz etki büyüklüğü
Orman grafiği yorumlama
Forest plot yorumlama

Deneme sonuçlarını birleştirerek (meta-analiz) tedavi etkisinin  bir özet (toplanmış) tahmini elde etmek için formüller

Aşağıda açıklanan meta-analiz yöntemlerinin tümü, yukarıda açıklanan, genel olarak 􏰄i ile gösterilen, her biri genellikle SE(􏰄i) ile ilgili olan bir wi ağırlığı verilen bireysel çalışma özeti istatistiklerini birleştirir. Tanımlanan tüm yöntemler, Bölüm 18’de açıklanan Stata rutinlerinde mevcuttur. Toplama notasyonu, analize dahil edilen i denemelerinin toplamını gösterir.

Sabit Efekt ve Rastgele Efekt Yöntemleri

Sabit etki meta-analizinde, tedavinin gerçek etkisinin her çalışmada aynı değerde olduğu veya çalışma sonuçları arasındaki farkların yalnızca şans oyunundan kaynaklandığı sabit olduğu varsayılır. Sabit bir etki varsayımı, bir homojenlik testi kullanılarak test edilebilir.

Rastgele etkiler meta-analizinde, bireysel çalışmalar için tedavi etkilerinin bazı genel ortalama tedavi etkileri etrafında değiştiği varsayılır. Genellikle etki büyüklükleri 􏰄i’nin ortalama 􏰄 ve varyans 􏰅 2 olan Normal bir dağılıma sahip olduğu varsayılır. Özünde, aşağıda açıklanan homojenlik testi 􏰅2’nin sıfır olup olmadığını test eder. 􏰅2 değeri ne kadar küçükse, sabit ve rastgele etkiler analizleri o kadar benzerdir.

Peto, tüm çalışmaların aynı tedavi etkisini tahmin ettiğini varsaymadığını, ancak genellikle bir sabit etki yöntemine en çok benzeyen olarak kabul edildiğini savunarak, varsayımsız bir özet olasılık oranı elde etme yöntemini açıklar.

Sabit veya rastgele etkiler modellerinin kullanılması konusunda fikir birliği yoktur. Aşağıda verilen yöntemlerin tümü, DerSimonian ve Laird yöntemi dışında sabit etkili yaklaşımlardır.

Ters Varyans Yöntemi

İkili veya sürekli verileri birleştirmek için ters varyans yöntemleri kullanılabilir. Aşağıdaki genel formülde, 􏰄i ile gösterilen etki büyüklüğü, log bahis oranları oranı, log nispi risk, risk farkı, ortalamalardaki fark veya i. denemeden standartlaştırılmış ortalama fark olabilir.

Etki büyüklükleri, bireysel denemelerden elde edilen tedavi etkilerinin ağırlıklı ortalaması hesaplanarak havuzlanmış bir tahmin vermek üzere birleştirilir.

Bu nedenle, daha küçük standart hataları olan daha büyük çalışmalara, daha büyük standart hataları olan daha küçük çalışmalara göre daha fazla ağırlık verilir. Bu ağırlık seçimi, havuzlanmış tedavi etkisinin 􏰄IV değişkenliğini en aza indirir.

Bu yaklaşımın gücü, geniş uygulanabilirliğidir. Mevcut standart hatalara sahip herhangi bir tahminin birleştirilmesi için kullanılabilir. Bu nedenle, standartlaştırılmış ölüm oranları, tanısal test endeksleri, tehlike oranları ve çapraz geçişli denemelerden ve küme randomize denemelerden gelen tahminler dahil olmak üzere birçok çalışma türünden tahminler için kullanılabilir. Her çalışma için ham 2 􏰀 2 tablolarının elde edilemediği ancak tedavi etkilerinin ve güven aralıklarının mevcut olduğu durumlarda da bu yöntemi kullanmak mümkündür.

Mantel-Haenszel Yöntemleri

Veriler, hem olay oranlarının düşük olması hem de denemelerin küçük olması açısından seyrek olduğunda, ters varyans yöntemlerinde kullanılan tedavi etkilerinin standart hatalarının tahminleri zayıf olabilir. Mantel-Haenszel yöntemleri alternatif bir ağırlıklandırma şeması kullanır ve veriler seyrek olduğunda daha sağlam olduğu gösterilmiştir ve bu nedenle ters varyans yöntemine tercih edilebilir. Diğer durumlarda, ters varyans yöntemine benzer tahminler verirler. Yalnızca ikili sonuçlar için kullanılabilirler.

Her çalışma için, her bir denemenin etki büyüklüğüne analizde wi ağırlığı verilir. Birleştirilmiş etkinin genel tahmini, 􏰄MH tarafından verilir.

Ters varyans yöntemlerinden farklı olarak, standart hataları (ve güven aralıkları) hala log ölçeğinde hesaplanmasına rağmen, göreli etki ölçümleri doğal ölçeklerinde birleştirilir.Bununla birlikte, homojenlik testi, Mantel-Haenszel ağırlıklarına değil, ters varyans ağırlıklarına dayanmaktadır. Heterojenlik istatistiği ile verilir. 

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

Teşhis testi doğruluğunun sistematik incelemelerinin faydasını şu anda sınırlayan birçok faktör vardır. ROC eğrilerini birleştirmek için bir yöntemin olmaması gibi bunlardan birkaçından daha önce bahsedilmişken, heterojenliğin ortaya çıkardığı problemler ve bir özet ROC eğrisinin yorumlanmasındaki zorluklar gibi diğerleri vaka çalışmasında gösterilmiştir.

Bir sağlık bakım pratisyeni, bir tanı testinin belirli bir değeri için duyarlılık ve özgüllüğe (veya pozitif ve negatif olabilirlik oranlarına) ilişkin geçerli özet tahminler isterken, çalışma arası brüt heterojenliğin varlığı (özgüllük ve pozitif olasılık için gözlemlendiği gibi). vaka çalışmasındaki oran) genellikle tahminlerini yasaklayabilir.

Tanısal olasılık oranı veya özet ROC eğrisi gibi çalışmalar arasında daha tutarlı olan özet istatistiklerin kullanımı, tanısal performansın geçerli bir özet tahmininin hesaplanmasına izin verir, ancak doğrudan klinik uygulamaya uygulanamayan istatistikler üretir. 

Hem tanısal olasılık oranlarını hem de özet ROC eğrilerini yorumlamak için, testin uygulanacağı popülasyondaki duyarlılığı veya özgüllüğü hakkında biraz bilgi sahibi olmak gerekir: ne yazık ki bu rakamların hiçbiri başka bir tanısal çalışma yapılmadan tahmin edilemez. 

Aslında, gözlemlenen duyarlılıklar ve özgüllükler arasındaki değişkenlik ve karşılıklı bağımlılık nedeniyle bilgileri bir özet ROC tekniğiyle özetleme ihtiyacının, bir tanı teknolojisinin uygulanmasıyla ilgili bir sorunu gösterdiği düşünülebilir. Bu, özellikle kesme noktalarında (birçok görüntüleme teknolojisi gibi) açık bir varyasyona sahip olmadığını iddia eden bir test için ROC benzeri bir ilişki gözlemlendiğinde veya bu tür bir varyasyonun ortak bir kesme noktasında gözlemlendiği durumlarda geçerlidir.

Bu durumlarda, ROC benzeri ilişki, test performansının çalışmalar arasında farklılık gösterdiğini ve büyük olasılıkla test operatörleri arasında farklılık göstereceğini gösterir. Özet ROC yöntemi bu varyasyona izin verirken, onu karakterize etmeye veya açıklamaya çalışmaz, bu nedenle meta-analiz, bir operatörün teknolojiyi en doğru şekilde kullanmasına yardımcı olacak bilgileri sağlayamaz.

Ayrıca, hem gerçek pozitif hem de yanlış pozitif tanı oranlarını aynı anda artıran (veya azaltan) diğer faktörlerdeki varyasyon yoluyla belirgin bir eşik etkisinin ortaya çıkabileceği de not edilmelidir. Örneğin, hastalık spektrumundaki bir değişikliğin ve alternatif teşhislerin duyarlılık ve özgüllük üzerindeki varsayımsal etkisini gösteren verileri yeniden gözden geçirin.

Genel muayenehane örneğinden hastane örneğine geçiş, gerçek pozitif orandaki (duyarlılık) ve yanlış pozitif oranındaki (1-özgüllük) artışlarla kendini gösterirken, tanısal olasılık oranı nispeten sabit kalır.

cma meta-analiz programı indir
Meta-Analiz Eğitimi
Meta analiz Nasıl yazılır TDK
Meta-analiz kitap PDF
Meta-analiz Nedir
Meta regresyon nedir
Meta-analiz Nasıl yapılır
meta-analiz çalışması örneği

Bu çalışmaların özet ROC yöntemleri kullanılarak analizi, değişen spektrumun etkisini bir eşik etkisi olarak kötüye kullanacaktır. Spektrumdaki varyasyonların, Lijmer ve meslektaşları tarafından tespit edilen tanısal olasılık oranlarındaki farklılıklardan ziyade, pratikte görünen eşik etkileri olarak ne ölçüde maskelendiği belirsizdir.

Tüm bu noktaları akılda tutarak, tanısal çalışma verilerinin havuzlanması için varsayılan yöntem olarak özet ROC yöntemlerinin desteklenmesi haklı olarak eleştirilebilir. Duyarlılıkları, özgüllükleri ve olasılık oranlarını bir araya toplamak için daha basit yöntemlerin uygulamada ciddi şekilde yanıltıcı olup olmayacağını ve görünen eşik etkilerinin gerçekten alternatif heterojenlik kaynaklarından ziyade tanısal eşikteki değişikliklerden kaynaklanıp kaynaklanmadığını değerlendirmek için ampirik araştırmalar gereklidir.

Klinik tıp uygulaması için klinik fayda ve olasılık oranlarının teşviki göz önüne alındığında, tanısal olasılık oranlarından ve özet ROC eğrilerinden ziyade bu daha basit tanısal doğruluk özetlerini geçerli bir şekilde türetme yeteneği oldukça arzu edilir.

Ek olarak, tanısal test doğruluğunun meta-analizleri, çalışma tasarımının önemli yönleri, düşük raporlama standartları ve yayın yanlılığı hakkında bilgi ve takdir eksikliği nedeniyle engellenmektedir. Bu sorunların hiçbiri tanısal doğruluk çalışmalarına özgü değildir, ancak bunların RCT’lerden daha sorunlu olabileceğine dair endişeler vardır. Lijmer ve meslektaşları, çalışma tasarımının belirli özelliklerinin önemini anlama yolunda ilerleme kaydettiler ve bu da, randomize kontrollü araştırmalar ve sistematik incelemelere benzer kanıta dayalı raporlama kılavuzlarına yol açabilir.

Yayın yanlılığı sorunları daha zordur: Literatürde tanısal doğruluk çalışmaları için yayın yanlılığı oranlarını tahmin eden hiçbir çalışma yoktur ve çalışmalar yapılmadan önce kolayca tanımlanamadığından bu tür araştırmaların yapılması zordur.

Ayrıca, tanımlanan çalışmaların yanlı bir örneklem olup olmadığını araştırmak için huni grafiğinin eşdeğeri yoktur. Bazı yazarlar, yayın yanlılığının aslında randomize kontrollü çalışmalardan ziyade tanısal doğruluk çalışmaları için daha büyük bir sorun olabileceğini öne sürmüşlerdir.

Bir testin tanısal doğruluğunun değerlendirilmesi de klinik değere sahip olup olmadığını değerlendirmenin yalnızca bir bileşenidir. Terapötik müdahaleler, ancak ortalama olarak hastalara faydalı oldukları gösterildiyse sağlık hizmetlerinde kullanım için önerilebilir: aynı kriter bir tanı testinin kullanımı için de geçerlidir ve en doğru testler bile klinik olarak yararsız olabilir ve sonuç verir. iyiden çok zarar.

Teşhis doğruluğu çalışmaları, bir tanı araştırmasının etkili olduğunu kanıtlayamaz, ancak bir testin performansının, etkili olma potansiyeline sahip olması için tatmin edici olup olmadığını ayırt edebilir.

Bir gözden geçiren kişi, tanısal doğruluk çalışmalarının sistematik bir gözden geçirmesinin, tanısal bir müdahalenin değerine ilişkin en yararlı kanıtı sağlayıp sağlamayacağını değerlendirmelidir. Hasta sonuçlarına ilişkin çalışmalar veya bir terapötik ve tanısal karar testi kullanmanın etkisi, yeni bir tanı testi kullanmanın artan yararına dair daha ikna edici kanıtlar sağlayabilir.

Ancak bu tür çalışmalar, özellikle yeni teknolojiler ve klinik muayenenin bileşenleri için birçok test için mevcut değildir. Tersine, pratik sorunlar (bazı hastalıklar için iyi bağımsız referans standartlarının olmaması gibi) bazen tanısal doğrulukla ilgili güvenilir çalışmaların yapılamayacağı anlamına gelir ve test güvenilirliği, yönetim kararları ve hasta sonuçları ile ilgili çalışmalar, testin değerine ilişkin tek kanıt sağlayacaktır. 

Teşhis doğruluğu çalışmalarının titiz sistematik incelemelerini üstlenmek için temel metodoloji mevcut olmakla birlikte, pratik uygulamasının önündeki en büyük engel, uygun şekilde tasarlanmış, yürütülen ve rapor edilen birincil çalışmaların olmamasıdır5. Bazı alanlarda tanısal performansa ilişkin faydalı tahminler elde edilebilirken, birçok alanda sistematik incelemelerin rolü, birincil çalışmalardaki eksiklikleri vurgulamakla sınırlıdır.

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

Sistematik İncelemeleri

Özet noktalar

• Tanısal doğruluk çalışmalarının sistematik incelemeleri ile randomize kontrollü çalışmaların sistematik incelemeleri arasındaki temel farklar, çalışmaların tanımlanmasında, yanlılık potansiyelinin değerlendirilmesinde ve sonuçlarını istatistiksel olarak birleştirmek için kullanılan yöntemlerde ortaya çıkar.

• Tasarımla ilgili uygun indeksleme terimlerinin olmaması nedeniyle tanısal doğruluk incelemeleri için elektronik literatür araştırmaları zor olabilir.

• Ampirik araştırmalar, çalışma kalitesinin en önemli yönlerinin klinik olarak ilgili bir kohortun seçilmesini, tek bir iyi referans standardının tutarlı kullanımını ve deneysel ve referans test sonuçlarının maskelenmesini içerdiğini ileri sürer. Eksik raporlama da önyargı ile ilişkilidir.

• Çalışma sonuçlarını birleştirmek için istatistiksel bir yöntemin seçimi, heterojenlik kaynaklarına, özellikle de tanısal eşiklerdeki varyasyona (kesme noktalarındaki açık sayısal farklılıklar veya konumlar ve operatörler arasındaki doğal varyasyon yoluyla) bağlıdır.

• Sonuçlar makul ölçüde homojen ise, duyarlılıklar, özgüllükler ve olabilirlik oranları doğrudan birleştirilebilir. Bir eşik etkisi mevcut olduğunda, çalışma sonuçları en iyi şekilde özet alıcı işletim özelliği (ROC) eğrisi olarak özetlenebilir. Böyle bir eğrinin yorumlanması ve pratikte uygulanması zor olabilir. Çalışma sonuçları güçlü bir şekilde heterojen olduğunda, istatistiksel havuz oluşturmaya çalışmamak en uygun olabilir.

• Bir tanı testinin performansının tam değerlendirmesi, test güvenilirliğini, tanısal doğruluğu, tanısal ve terapötik etkiyi ve testin hasta sonuçları üzerindeki net etkisini incelemeyi içerir. Uygun çalışmaların mevcudiyetine bağlı olarak, test değerlendirmesinin bu yönlerinin her biri için ayrı sistematik incelemeler yapılabilir.

Testler, tıpta hastalığın ilerlemesini taramak, teşhis etmek, derecelendirmek ve izlemek için rutin olarak kullanılır. Teşhis bilgileri, görüntüleme ve biyokimyasal teknolojiler, patolojik ve psikolojik araştırmalar ve öykü alma ve klinik muayeneler sırasında ortaya çıkan belirti ve semptomlar dahil olmak üzere çok sayıda kaynaktan elde edilir.

Meta-analiz Nedir
Meta-analiz Nasıl yapılır
CMA meta-analiz programı
cma meta-analiz programı indir
Meta-Analiz Eğitimi
Meta analiz Nasıl yazılır TDK
Meta-analiz örnekleri
Meta regresyon nedir

Bu kaynaklardan elde edilen her bilgi, ister hasta kişilerde hastalıkları teşhis etmek, isterse asemptomatik bireylerde hastalığı erken teşhis etmek amacıyla elde edilmiş olsun, ayrı bir teşhis veya tarama “testi” sonucunda değerlendirilebilir. Bu “testlerin” güvenilirliği, doğruluğu ve etkisine ilişkin değerlendirmelerin sistematik olarak gözden geçirilmesi, optimal test seçimine ve test sonuçlarının uygun yorumlanmasına rehberlik etmek için esastır.

Bir tanı araştırmasını anlamlı kılmak için bir klinisyenin, testten elde edilen sonuca göre bir hastanın söz konusu hastalığa sahip olma olasılığı hakkında bir çıkarım yapabilmesi gerekir. Testler nadiren bir tanıyı %100 kesin kılar, ancak tanıyı pragmatik bir şekilde ekarte etmek veya ekarte etmek için yeterli bilgi sağlayabilirler.

Yani, hastayı tedavi etmenin beklenen yararlarının, onları tedavi etmemenin beklenen sonuçlarına ağır basması için yeterince kesin bir teşhis koyabilirler. Bu bölüm, pozitif ve negatif test sonuçları ile hastalığın varlığı veya yokluğu arasındaki olasılıksal ilişkileri tanımlayan ve bu nedenle bir testin hastaları hastalıklı olmayanlardan ne kadar iyi ayırabileceğini gösteren tanısal doğruluk çalışmalarının sistematik incelemelerine odaklanmaktadır.

Test doğruluğu çalışmalarının sistematik olarak gözden geçirilmesinin gerekçesi

Testlerin sistematik incelemeleri, terapötik müdahalelerin sistematik incelemeleriyle aynı nedenlerle yapılır: mevcut tüm kanıtlara dayalı performans tahminleri üretmek, yayınlanmış çalışmaların kalitesini değerlendirmek ve çalışmalar arasındaki bulgulardaki farklılıkları hesaba katmak gerekir.

Teşhis doğruluğu çalışmalarının incelemeleri, randomize kontrollü çalışmaların sistematik incelemeleriyle ortak olarak, soru tanımı, literatür taraması, uygunluk ve kalite için çalışmaların değerlendirilmesi, veri çıkarma ve veri sentezinin kilit aşamalarını içerir.

Ancak, birçok aşamadaki ayrıntılar farklılık gösterir. Özellikle, test doğruluğu değerlendirmelerinin tasarımı, tedavilerin etkinliğini değerlendiren çalışmaların tasarımından farklıdır; bu, çalışma kalitesi ve yanlılık potansiyeli değerlendirilirken farklı kriterlere ihtiyaç duyulduğu anlamına gelir. Ek olarak, her çalışma, tek bir istatistik yerine bir çift ilgili özet istatistik (örneğin, duyarlılık ve özgüllük) rapor eder ve çalışma sonuçlarının havuzlanması için alternatif istatistiksel yöntemler gerektirir.

Randomize kontrollü araştırmaların sistematik incelemeleri, genellikle istatistiksel gücü artırdıkları gerekçesiyle gerekçelendirilir: bir dizi denemeye katılan katılımcıları asimile ederek, tedavi edilen ve kontrol grupları arasındaki sonuçlarda küçük ama klinik olarak önemli farklılıkları tespit etme yeteneğimizi arttırırlar.

İstatistiksel güç, iki grubu karşılaştırmadıkları ve resmi olarak hipotezleri test etmedikleri için tanısal doğruluk çalışmalarında nadiren tartışılır. Bununla birlikte, birkaç çalışmanın sonuçlarını bir araya getirerek örnek boyutunu artırmak, tanısal performans tahminlerinin kesinliğini artırır.

Test performansına ilişkin bireysel çalışmaların ortalama olarak çok küçük olduğu resmi olarak belgelenmemiş olsa da, literatürün resmi olmayan incelemeleri genellikle, bireysel çalışmaların özellikle çok küçük bir vaka örneğine dayanarak, özellikle test duyarlılığını tahmin ettiğini ortaya koymaktadır. hastalık nadirdir. Çalışmalar arasında sonuçları bir araya toplamak, bu tahminlerin kesinliğini geliştirmek ve test performansının tutarlılığını araştırmak ve farklı tasarımlara ve farklı ortamlardan gelen çalışmalar arasındaki sonuçları karşılaştırmak için bir fırsat sağlar.

Bu bölümde, teşhis testlerinin sistematik incelemelerini yaparken en yerleşik yöntemlere ve güncel konulara genel bir bakış sunuyorum. Test doğruluğu çalışmalarını sistematik olarak gözden geçirme bilimi hızla gelişirken, yöntemler randomize kontrollü araştırmaları gözden geçirmek için kullanılanlardan daha az yerleşiktir. Kullanışlılıklarını ve uygulamalarını sınırlayan mevcut metodolojilerin ve bilgilerin bazı eksikliklerini vurgulayacağım.

Test doğruluğu çalışmalarının özellikleri

Test performansı (veya doğruluğu) çalışmaları, her biri deneysel testin yanı sıra ikinci bir “altın standart” referans testinden geçen hedef hastalığı olan ve olmayan ayrı hasta grupları arasındaki test sonuçlarını karşılaştırır. Test sonuçları ve hastalık durumu arasındaki ilişki, duyarlılık, özgüllük ve olabilirlik oranları gibi olasılık ölçütleri kullanılarak tanımlanır.

Referans testinin sonuçlarının gerçeğe çok yakın olması önemlidir, aksi takdirde deneysel testin performansı kötü tahmin edilecektir. Bunu başarmak için, referans testleri bazen birkaç bilginin birleştirilmesini, invaziv prosedürlerin üstlenilmesini veya hastayı uzun süre takip etmeyi içerir.

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

Östrojen replasman tedavisi ile koroner kalp hastalığı arasındaki ilişkinin gözlemsel kanıtlarının meta-analizleri, postmenopozal östrojen kullanımının koroner kalp hastalığı riskini %35 ila 45 oranında azalttığı ve bu etkinin kafa karıştırıcı veya yanlılık ile açıklanmasının olası olmadığı sonucuna varmıştır.

Bir inceleme, östrojenin koruyucu etkisinin, yerleşik koroner kalp hastalığı olan kadınlarda sağlıklı kadınlara göre daha güçlü olduğunu savundu. Bununla birlikte, hormon replasman tedavisi kullanan kadınlar, tedaviye uyan, nispeten sağlıklı kadınlardan oluşan seçilmiş bir grup olabilir. Bu tür seçim yanlılığı, gözlemsel çalışmalarda gözlemlenen belirgin faydalı etkiyi açıklayabilir.

Bu, hormon replasman tedavisi kullanan kadınların hormon replasman tedavisinden etkilenmesi muhtemel olmayan hastalıkları geliştirme olasılığının daha düşük olduğu gözlemiyle desteklenmektedir. Daha yakın zamanlarda, yerleşik koroner kalp hastalığı olan kadınlarda yapılan geniş Kalp ve Östrojen/progestin Değiştirme Çalışması (HERS) ve menopoz sonrası kadınlarda daha küçük çalışmaların meta-analizi, hormon replasman tedavisinin koroner olay riskini azaltmadığını gösterdi.

Elbette, randomize kontrollü çalışmalardan elde edilenlere benzer sonuçlar veren gözlemsel çalışmaların örnekleri vardır. Bununla birlikte, gözlemsel çalışmalarda müdahalenin kasıtlı olarak seçilmesi ve rastgele dağıtılmaması gerçeği, seçim yanlılığının ve kafa karıştırmanın çoğu zaman sonuçları çarpıtacağı anlamına gelir.

Önyargı ve kafa karıştırıcı, özellikle daha sağlıklı yaşam tarzlarına sahip kişiler tarafından seçilip uyulması daha muhtemel olan önleyici müdahaleler için ve doktorların bazı hasta gruplarına, örneğin çok hasta veya nispeten sağlıklı olanlara seçici olarak reçete etme eğiliminde olduğu tedaviler için olasıdır. ancak bireysel durumlarda yanlılığın yönünü ve derecesini tahmin etmek zordur. Bu, gözlemsel çalışmaların meta-analizlerinde, analistin genellikle bilmeden ve safça önyargılı sonuçlar etrafında sıkı güven aralıkları üretebileceği anlamına gelir.

Heterojenlik Kaynaklarının Araştırılması

Bazı gözlemciler, gözlemsel çalışmaların meta-analizinin tamamen terk edilmesi gerektiğini öne sürüyorlar. Aynı fikirde değiliz, ancak çalışmaların istatistiksel kombinasyonunun genel olarak gözlemsel çalışmaların gözden geçirilmesinin önemli bir bileşeni olmaması gerektiğini düşünüyoruz. Gözlemsel çalışma sonuçları arasındaki olası heterojenlik kaynaklarının kapsamlı bir şekilde değerlendirilmesi, genellikle yanlı olabilen genel bir etki ölçüsünün mekanik hesaplamasından daha fazla içgörü sağlayacaktır.

Bu noktayı açıklamak için literatürden birkaç örneği yeniden analiz ettik. Diyet ve meme kanserini düşünün: Ekolojik analizlerden65 yüksek doymuş yağ alımının meme kanseri riskini artırabileceği hipotezi, çoğu zaman çelişkili sonuçlarla çok sayıda gözlemsel araştırma üretti.

Kapsamlı bir meta-analiz66 vaka kontrolü için bir ilişki gösterdi, ancak kohort çalışmaları için değil (vaka kontrol çalışmaları için oran oranı 1·36’ya karşı, en yüksek doymuş yağ alımı kategorileri ile en düşük kategorileri karşılaştıran kohort çalışmaları için oran oranı 0·95, P = 0,0002 fark için). Bu tutarsızlık, kohort ve vaka kontrol çalışmalarının iki ayrı büyük işbirlikçi havuzlanmış analizinde de gösterildi. Bu durum için en olası açıklama, diyet öğelerinin hatırlanmasındaki ve çalışma katılımcılarının seçimindeki önyargıların, vaka kontrol karşılaştırmalarında sahte bir ilişki oluşturmasıdır.

Meta analiz Nasıl yazılır TDK
Meta-Analiz Eğitimi
Meta regresyon nedir
cma meta-analiz programı indir
meta-analiz çalışması örneği
Meta-analiz Nasıl yapılır
Meta-analiz kitap PDF
Heterojenlik Nedir

Geçmişteki maruziyetlerin farklı şekilde hatırlanmasının yanlılığa yol açabileceği, aralıklı güneş ışığına maruz kalma ve melanomla ilgili vaka kontrol çalışmalarının bir meta-analizinden de açıkça görülmektedir.

Çalışma hipotezinin bir dereceye kadar körleştirildiği çalışmalar birleştirildiğinde, yalnızca küçük ve istatistiksel olarak anlamlı olmayan bir etki (olasılık oranı 1·17, %95 güven aralığı 0·98 ila 1·39) belirgindi. Tersine, körleme olmayan çalışmalarda, etki önemli ölçüde daha büyük ve istatistiksel olarak anlamlıydı (olasılık oranı 1·84, 1·52 ila 2·25). Bu iki tahmin arasındaki farkın şans eseri olması muhtemel değildir (hesaplamamızda P = 0.0004).

Maruz kalma değerlendirmesi için kullanılan yöntemlerin önemi, 23 farklı çalışmadan alınan diyet kalsiyum alımı ve kan basıncına ilişkin kesitsel verilerin bir meta-analizi ile daha da gösterilmektedir. (a)’da gösterildiği gibi, 100 mg kalsiyum alımı başına sistolik kan basıncındaki (mmHg cinsinden) değişikliği tanımlayan regresyon eğiminin, tüketilen kalsiyum miktarının değerlendirilmesi için kullanılan yaklaşımdan güçlü bir şekilde etkilendiği rapor edilmiştir.

İlişki, diyet geçmişleri (eğim –0.01) ve 24 saatlik hatırlama (eğim –0.06) ile küçüktü, ancak alışılmış diyet ve uzun vadeli kalsiyum alımını değerlendiren gıda sıklığı anketleri kullanıldığında büyük ve istatistiksel olarak oldukça anlamlıydı. . Yazarlar, “kronik diyet kalsiyum alımının kan basıncı veya hipertansiyon gelişimi üzerindeki herhangi bir “gerçek” etkisinin, maruz kalma ile sonuç arasında bir gecikme süresine izin verdiğinden, geçmiş maruziyetle daha iyi tahmin edilebileceğini” savundular.

Ancak daha sonra orijinal yayınlardan veriler çıkarılırken hataların meydana geldiğine dikkat çekildi. Bu, bir çalışmaya verilen ağırlığın olması gerekenden yaklaşık 60 kat daha fazla olduğu anlamına geliyordu ve bu çalışma hatalı bir şekilde diyet geçmişi denemelerinin meta-analizini domine etti.

Meta-analizi bu hata ve diğer birkaç hata için düzeltmek, tamamen farklı bir tabloya yol açar. Farklı beslenme metodolojileri kullanan çalışmalardan elde edilen farklı bulgular için yazarlar tarafından öne sürülen açıklamanın doğru olduğuna dair hiçbir öneri yoktur. Bu, deneme grupları arasında bulunan farklılıkları açıklayan makul nedenlerin kolaylıkla üretilebileceğinin bir başka göstergesidir.

Aynı zamanda, verileri farklı, karmaşık formatlarda sunan yayınlanmış makalelerden veri çıkarmanın hataya açık olduğu gerçeğini de göstermektedir. Araştırmacıların birincil verilerini kullanıma sunduğu ortak analizlerde bu tür hatalardan kaçınılabilir.

Bireysel katılımcı verilerine dayanan analizler ayrıca kafa karıştırıcı faktörlerin, yanlılığın ve heterojenliğin daha kapsamlı bir şekilde araştırılmasına izin verir. İlişkilerin nedenselliğini destekleyen önemli bir kriter, doz-yanıt ilişkisinin gösterilmesidir. Mesleki epidemiyolojide, böyle bir ilişkiyi gösterme arayışı, çok farklı çalışan gruplarının karşılaştırılmasına yol açabilir.

Formaldehit maruziyeti ve kanseri inceleyen bir meta-analizde, cenaze yöneticileri ve mumyacılar (yüksek maruziyet) anatomistler ve patologlar (orta ila yüksek maruziyet) ve sanayi işçileri (iş görevine bağlı olarak düşük ila yüksek maruziyet) ile karşılaştırıldı.

Gösterildiği gibi, anatomistler ve patologlar arasında akciğer kanseri ölümlerinde çarpıcı bir eksiklik vardır (standartlaştırılmış ölüm oranı [SMR] 33, %95 güven aralığı 22 ila 47), bu büyük olasılıkla bu grup arasında daha düşük sigara içme prevalansına bağlıdır. Bu durumda formaldehitin akciğer kanserine karşı koruduğunu çok az kişi tartışabilir. Bununla birlikte, diğer durumlarda, bu tür seçim yanlılığı daha az belirgin olabilir.

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

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).

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.). Bu, bu yöntemleri biraz gerçekçi kılacaktır. Bununla birlikte, belki de daha ciddi bir sorun, tüm bu yöntemlerin, her çalışmanın yalnızca bir hipotezi test ettiğini (ve dolayısıyla dikkate alınması gereken yalnızca bir ilgili p değerine sahip olduğunu) örtük olarak varsayıyor gibi görünmesidir.

Sonuç olarak, bu yöntemlerin birkaç hipotezin test edildiği ve çeşitli anlamlılık testleri ve p değerleri ile sonuçlanan çalışmalara uygulanabilirliği sorgulanabilir. Daha önce belirtildiği gibi, bu tür çalışmalar bugün araştırma literatürlerinin çoğunda büyük çoğunluğu oluşturmaktadır. Bu geniş varsayımsal problemlerin ötesinde, bu yöntemler, gerçek verilerde tutulabilen veya tutulmayan çeşitli ek istatistiksel varsayımlara dayanır.

Bununla birlikte, eğer varsa, yayın yanlılığı, meta-analitik incelemeler de dahil olmak üzere araştırma incelemelerinden elde edilen sonuçları ciddi şekilde çarpıtma potansiyeline sahip olduğundan, bu yöntemler büyük ilgi görmüştür. Gelecekte meta-analizde önemli ölçüde daha önemli hale gelmeleri olasıdır.

Bu yöntemler zaman içinde gelişmiştir ve aşağıdaki sunumda bu yöntemleri göründükleri yaklaşık kronolojik sırayla sunuyoruz. Bu yöntemlerin oldukça teknik doğası ve yer kısıtlamaları nedeniyle, bu yöntemlerin yalnızca genel bakışlarını ve özet açıklamalarını sunuyoruz.

Orijinal Hedges-Olkin (1985) Yöntemi

Hedges (1984) ve Hedges ve Olkin (1985) tarafından sunulan ilk yöntem, tüm önemli çalışmaların (önem yönünden bağımsız olarak) yayınlandığı ve önemsiz çalışmaların hiçbirinin yayınlanmadığı varsayımına dayanıyordu. Yani, en basit “ağırlık fonksiyonları” ile başladılar: Tüm anlamlı çalışmalar 1 ve tüm önemsiz çalışmalar 0 ağırlıklıydı. Daha sonraki yöntemlerde daha karmaşık ve daha az gerçekçi olmayan varsayımlar ve ağırlıklandırma fonksiyonları kullanıldı.

Belirli bir araştırma literatüründe yalnızca yayınlanmış çalışmalar mevcut olsaydı ve yalnızca önemli sonuçlar bildiren çalışmalar yayınlanmış olsaydı, o zaman sıfır hipotezi doğru olsaydı, yayınlananlarda istatistiksel olarak anlamlı pozitif ve negatif d veya r değerleri yaklaşık olarak eşit sayıda olurdu. literatür ve r ̄ ve d ̄ ortalama olarak 0 olacaktır ve yayın yanlılığının r ̄ ve d ̄ tahminleri üzerinde hiçbir etkisi olmayacaktır (ancak Sρ2 ve Sδ2 tahminleri yanlı olacaktır).

Her iki yönde de önemli ve aşırı sonuçlar eşit derecede muhtemel olacaktır. Ancak, sıfır hipotezi yanlış olsaydı (örneğin, δ ̄ > 0), bu tür çalışmalardan hesaplanan ortalama etki büyüklüğü gerçek değerine eşit olmayacak, bunun yerine yukarıya doğru yönlendirilecekti. Bu yanlılığın miktarı, altta yatan δ değerine ve çalışma örneklem büyüklüğüne bağlı olacaktır.

Hedges ve Olkin (1985), maksimum olabilirlik yöntemlerine dayanarak, farklı çalışma örneklem büyüklükleri ve g∗ değerleri için δ tahminlerini tahmin etmiş ve tablolaştırmıştır; burada g∗, bir çalışmadan elde edilen d’nin gözlemlenen değeridir. önemsiz ds elendi (sansürlendi). Tüm anlamlı olmayan ds’yi hariç tutan bir dizi çalışmada, her d değerinde bir yanlılık vardır.

Meta analiz Nedir
Meta regresyon nedir
Meta analiz çalışması Nedir
Meta-analiz makale nedir
meta-analiz çalışması örneği
Meta-analiz kitap PDF
Meta-analiz pdf
meta-analiz makale örneği

Bu taraflı d değerleri (sembolize edilmiş g∗), Hedges ve Olkin’in Tablo 2’si (s. 293–294) kullanılarak yaklaşık olarak yansız δ tahminlerine dönüştürülebilir. Örneğin, NE = NC = 20 ve g∗ = .90 ise, bu tablo δ (δˆ) için maksimum olabilirlik tahmininin .631 olduğunu gösterir. g∗’den δˆ’ye bu dönüşüm, çalışma setindeki g∗ değerlerinin her biri için yapılabilir.

Tablo NE =NC, ancak Hedges ve Olkin (s. 292) varsayımına dayalıdır (s. 292), deney ve kontrol grubu örneklem büyüklükleri eşit olmadığında, tabloya minimum doğruluk kaybıyla girmek için ikisinin ortalamasının kullanılabileceğini kaydetti. Gözlenen tüm d değerleri, yalnızca önemli sonuçların rapor edilmesinin neden olduğu yanlılık için düzeltildikten sonra, Hedges ve Olkin, elde edilen δˆ değerlerinin çalışma örneklem büyüklükleriyle ağırlıklandırılmasını ve (neredeyse) yansız ortalama etki büyüklüğünü (δ ̄) tahmin etmek için ortalamasının alınmasını tavsiye etti.

Bu nedenle, analiz için yalnızca önemli etki büyüklüklerini bildiren çalışmalar mevcut olduğunda bile, ortalama etki büyüklüğünün yansız bir tahminini elde etmek mümkündür. Bu tahminin, δ ̄, gözlemlenen ortalama etki büyüklüğünden, g ̄∗ oldukça küçük olacağına dikkat edin. Bu yöntemin formülleri, popülasyon etki büyüklüğünün δ çalışmalar arasında değişmediği varsayımı altında türetilmiştir (yani, bu bir sabit etkiler modelidir). δ çalışmalar arasında önemli ölçüde farklılık gösteriyorsa, bu yöntem yalnızca ortalama etki büyüklüğünün (δ ̄) yaklaşık bir tahminini verir.

δˆ değerlerinin örnekleme hatası varyansı, formülde sıradan d değerleri için verilenden oldukça büyüktür. , NE = NC = 50 ve δ = 1.50). Meta-analizde ortaya çıkan çoğu veri seti için, örnekleme hatası varyans formülleri, gerçek örnekleme hatası varyansını yaklaşık üçte bir ila yarıya kadar hafife alacaktır. Bu nedenle, elde edilen SDδ tahmini çok büyük olacaktır. Ancak, daha önce belirtildiği gibi, δ ̄ tahmini yaklaşık olarak yansız olmalıdır.

Normalde, çalışmaların sansürlenmesi tamamlanmamıştır. Önemli olanlar arasında bazı önemsiz çalışmalar bulunacaktır. Bu durumlarda, Hedges ve Olkin (1985), araştırmacının önemsiz olan çalışmaları elemesini ve ardından burada açıklanan yöntemleri kullanmaya devam etmesini önermiştir. Bununla birlikte, daha sonra geliştirilen yöntemler, toplam yayın yanlılığından daha azına izin verir. Yani, bazı önemsiz çalışmaların yayınlanması ve bazı önemli çalışmaların yayınlanmama ihtimaline izin veriyorlar. Bu, önemli olmayan çalışmaları analizden çıkarma ihtiyacını ortadan kaldırır.

The post Orijinal Hedges-Olkin (1985) Yöntemi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz 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).

Sıfır hipotezi doğruysa, popülasyon korelasyonu veya etki büyüklüğü aslında 0’dır. Dolayısıyla, çalışma sonuçları p değerleri şeklinde verildiğinde, yarısının .50’den büyük ve yarısının .50’den küçük olması beklenir. 50. İşaret testi, pozitif ve negatif yönlerde gözlemlenen bulguların frekanslarının, sıfır hipotezi altında beklenen 50-50 bölünmeden önemli ölçüde farklı olup olmadığını test etmek için kullanılabilir.

Alternatif olarak, gözden geçiren kişi, teoriyi destekleyen istatistiksel olarak anlamlı bulgular bildiren çalışmaların oranını belirlemek için bir sayı kullanabilir (pozitif anlamlı sonuçlar) ve bu oranı sıfır hipotezi altında beklenen orana (tipik olarak, .05 veya .01) karşı test edebilir. Bu test için binom testi veya ki-kare istatistiği kullanılabilir.

Hedges ve Olkin (1980), bazı gözden geçirenlerin, gerçek etki büyüklüğü veya gerçek korelasyon sıfır değilse, çalışmaların çoğunluğu olmasa bile çoğunun pozitif anlamlı bir sonuç göstermesi gerektiğine inandıklarını belirtti. Aslında, bu genellikle doğru değildir. Gerçek etki büyüklüğü veya gerçek korelasyon, tipik olarak karşılaşılan büyüklük aralığında olduğunda, bireysel çalışmalardaki düşük istatistiksel güç nedeniyle, çalışmaların yalnızca küçük bir kısmı genellikle önemli pozitif bulgular bildirecektir.

Hedges ve Olkin (1980) de sıfır hipotezini reddetmek için gereken pozitif anlamlı bulguların oranının genel olarak inanıldığından çok daha küçük olduğuna dikkat çekmiştir. Örneğin, alfa = .05 kullanılarak 10 çalışma çalıştırılırsa, üç veya daha fazla pozitif anlamlı bulgunun olasılığı .01’den azdır. Yani, on testten üçü pozitif anlamlı bulgu sıfır hipotezini reddetmek için yeterlidir.

Bununla birlikte, bu oy sayma yöntemleri, en çok, sıfır hipotezi yanlış olduğunda değil, doğru olduğunda faydalıdır. Örneğin, Bartlett, Bobko, Mosier ve Hannan (1978) ve Hunter, Schmidt ve Hunter (1979), siyahlar ve beyazlar için istihdam testi geçerliliklerindeki önemli farklılıkların sıklığının sıfır altında beklenen şans frekanslarından farklı olmadığını gösterdi. hipotez ve kullanılan alfa seviyeleri. Örneğin Bartlett ve diğerleri, alfa = .05 düzeyinde bu tür 1100’den fazla testi inceledi ve %6,2’sinin anlamlı olduğunu buldu.

Coward ve Sackett (1990) binlerce yetenek-performans ilişkisini incelemiş ve .05 alfa seviyesinde doğrusallıktan istatistiksel olarak anlamlı sapmaların sıklığının yaklaşık %5 olduğunu bulmuşlardır. Yüksek istatistiksel güce sahip kümülatif çalışmalarda boş hipotez reddedilmediğinde, bu yöntem popülasyon etki büyüklüğü veya popülasyon korelasyonu için bir tahmin sağlar: 0. Ancak, boş hipotez yanlış olduğunda (olağan durum), binom veya işaret testleri etki büyüklüğü tahmini sağlamaz.

Bu ciddi bir dezavantajdır. Ek olarak, istatistiksel anlamlılık testleri oldukları için binom ve işaret testleri, ayrıntılı olarak tartışıldığı gibi, anlamlılık testlerinin tüm dezavantajlarına sahiptir. Ancak, bu doğru oy sayma yöntemlerini bir anlamlılık testi kullanmadan kullanmak mümkündür. Örneğin, Bartlett ve ark. (1978) ve Coward ve Sackett (1990), sayısal bulgular, bir anlamlılık testi kullanmadan sonucun ne olması gerektiğini mükemmel bir şekilde ortaya koymaktadır.

Etki büyüklüğü nedir
Etki büyüklüğü yorumu
Etki büyüklüğü hesaplama
Etki büyüklüğü kaç olmalı
Cohen d etki büyüklüğü yorumlama
Etki büyüklüğü değerleri
Meta regresyon nedir
İstatistik etki büyüklüğü nedir

Oy Sayma Yöntemleri Etki Büyüklüklerinin Tahminlerini Getirme

Pozitif bir sonucun olasılığı ve pozitif anlamlı bir sonucun olasılığı, hem popülasyon etki büyüklüğünün hem de çalışma örneklem büyüklüğünün işlevleridir. Tüm çalışmalar için örneklem büyüklükleri biliniyorsa, bir dizi çalışmanın altında yatan ortalama etki büyüklüğü, ya pozitif sonuçların oranından ya da pozitif anlamlı sonuçların oranından tahmin edilebilir. Hedges ve Olkin (1980), etki büyüklüğünü tahmin etmek için bu yöntemlerin her ikisi için formüller türetmiştir.

Ortalama etki büyüklüğü tahmini etrafındaki güven aralıklarını hesaplamak için kullanılabilecek formüller de sundular. Bu güven aralıkları, genel olarak, etki büyüklüklerinin her çalışma için ayrı ayrı hesaplanıp daha sonra ortalamasının alınabileceği durumlarda elde edilenlerden daha geniştir. İkinci durumda, güven aralıkları ortalamanın standart hatasına dayanır.

Ortalama etki büyüklüğüne ilişkin Hedges-Olkin tahminleri için güven aralıkları daha geniştir, çünkü pozitif sonuç sayılarından (istatistiksel anlamlılıktan bağımsız olarak) veya pozitif anlamlı sonuçlardan etki büyüklüklerinin tahmini, olağan doğrudan prosedüre göre çalışmalardan daha az bilgi kullanır. Bu nedenle, etki büyüklüklerinin oy sayımına dayalı tahminleri, tipik olarak, yalnızca bireysel çalışmalarda etki büyüklüklerini belirlemek için gereken bilgiler mevcut olmadığında veya geri alınamadığında kullanılmalıdır.

Çoğu çalışma ya r ya da d değerleri ya da bu değerleri hesaplamak için yeterli bilgi sağlar. Birkaç çalışma yapmazsa, normalde bir kişi bu çalışmaları meta-analizden çıkarır. Setin tamamı yoksa, Hedges ve Olkin tarafından sunulan yöntemlerden birini kullanmak gerekir; ancak, bu olağandışı olurdu. r veya d’yi hesaplamak için yeterli bilgi sağlamayan bir çalışma alt grubuna (örneğin 10 çalışma) sahip olunması daha olasıdır. Daha sonra, bu çalışma alt kümesi için bir d ̄ tahmini elde etmek için Hedges-Olkin yöntemi kullanılabilir ve böylece bu çalışmaları kaybetmekten kaçınılabilir.

Ayrıca, her çalışma için yalnızca istatistiksel anlamlılık ve anlamlılık yönü veren geleneksel bir inceleme okuyorsanız, incelemedeki çalışmaların d ̄ tahminini almak için bu yöntemlerden birini kullanabilirsiniz; aslında bu, bu çalışmaların eksik ve daha az kesin – ancak hızlı ve kullanışlı – bir meta-analizi olacaktır.

Olumlu Önemli Bulguları Sayma

Birinin, her çalışmada NE = NC = 12 olan 10 çalışması olduğunu ve 10’dan 6’sının önemli pozitif sonuçlara sahip olduğunu varsayalım (pˆ = 6/10 = .60). Daha sonra, Hedges ve Olkin’in (1980) Tablo A2’sinden, tahmin edilen δˆ = .80 belirlenebilir. Araştırmacı ayrıca bu δˆ’nin standart hatasının bir tahminini kullanarak da elde edebilir.

Bu güven aralığı pˆ için geçerlidir. Daha sonra, yine Hedges ve Olkin’in (1980) Tablo A2’sini kullanarak, bu güven aralığının uç noktalarını δˆ değerlerine dönüştürmeliyiz. Doğrusal enterpolasyonla, pˆ = .81 için δˆ 1.10’dur ve pˆ = .35 için δˆ .53’tür.

Ve δˆ’nin örnekleme hatası varyansı (.1733)2 veya .03003’tür. Bu nedenle, birleştirilen 10 çalışma için meta-analizde yalnızca bir giriş vardır: δˆ = .80 ve Se2 = .03003.

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