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).

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).

Meta-analizin temel fikri, çeşitli çalışmaların her birinden bir etki büyüklüğü hesaplamak ve bu etki büyüklüğü tahminlerinin ağırlıklı ortalamasını hesaplamaktır. Ağırlıkların sabit etki varsayımını veya rastgele etki varsayımını nasıl yansıttığını gösterdik. Ayrıca, alt grup analizleri ve meta-regresyon kullanarak çalışmalar arasındaki etki büyüklüklerindeki farklılıkları nasıl inceleyebileceğimizi de gördük.

Şimdiye kadar verdiğimiz tüm örneklerde, bu yöntemleri karşılaştırmalı çalışmalara veya ilişkilendirme çalışmalarına uyguladık. Örneğin, bir klinik denemede farklı tedavilere randomize edilen kişilerin sonuçlarını, ortalamalardaki farka veya risk oranlarına bakarak karşılaştırabiliriz. Veya, erkekler ve kadınlar gibi mevcut iki gruptaki puanları karşılaştırmak için aynı teknikleri de kullanabiliriz.

Tam olarak aynı meta-analiz yaklaşımı, başka tür araştırmalar ve başka tür verilerle çalışmak için kullanılabilir. Bir şeyin başka bir şey üzerindeki etkisine bakmamız gerekmediği gerçeğini yansıtmak için, nokta tahmini terimini etki büyüklüğü tahmininden daha genel bir terim olarak da kullanacağız.

Meta-analizin mümkün olabilmesi için tek gereksinim şudur:

• Nokta tahmini tek bir sayı olarak ifade edilebilir.
• Nokta tahmini için bir varyans hesaplayabiliriz.

DİĞER ETKİ ÖLÇÜLERİ

Şimdi, bu gereksinimlerin karşılandığı ve bu nedenle çalışmalar arasında bulguları birleştirmek için meta-analizin kullanılabileceği durumlara ilişkin bazı örnekler sunuyoruz. Bunların hiçbiri için ayrıntılı metodoloji sağlamaya çalışmıyoruz. Bunun yerine amacımız, temel yöntemler için bir dizi uygulamadan bir lezzet sağlamaktır. İlgili formüllerin çoğu, tamamlayıcı cilt olan Meta-Analiz için Hesaplama Etkisi Boyutları’nda sağlanmaktadır.

Tek tanımlayıcı istatistikler

Tek tanımlayıcı istatistikleri birleştirmek için bir meta-analiz kullanılabilir. Örneğin, sürekli ölçümlerin bir örneği, basitçe ortalaması ile özetlenebilir ve örnekler (veya çalışmalar) arasında araçları sentezlemek için bir meta-analiz de gerçekleştirilebilir.

Benzer şekilde, ikili sonuçların bir örneği, basitçe başarıların oranı, bir olayın riski veya bir durumun yaygınlığı ile özetlenebilir. Örneğin, genel popülasyonda gıda alerjilerinin yaygınlığını değerlendirmek için bir meta-analiz de kullanıldı.

Prevalans, varyansı ile birlikte her çalışmadan tahmin edildi ve standart teknikler kullanılarak bir meta-analizde birleştirildi. Ancak, tek gruplu çalışmalarda sıklıkla olduğu gibi, çok önemli heterojenlik gözlemlendi. Örneğin, bir meta-analizde kendi bildirdiği süt alerjisinin ortalama prevalansı %3’ün biraz üzerindeyken, %2,5 ile %4 arasında sıkı bir %95 güven aralığıyla, bireysel çalışmaların sonuçları %1,2 arasında da değişiyordu.

meta-analiz örneği
bilimsel araştırma yöntemleri meta-analiz
Meta-analiz pdf
Meta analiz Nedir
meta-analiz makale örneği
meta-analiz eğitim bilimleri
Meta-analiz özellikleri
Orman grafiği yorumlama

Fiziksel sabitler

Meta-analiz yöntemleri fizik alanında uzun bir geçmişe sahiptir. Örneğin, Raymond Birge, 1932’de farklı deneylerden elde edilen fiziksel sabitlerin tahminlerini birleştirme yöntemleri üzerine bir makale yayınladı. 1941’de, bir boşlukta ışığın hızını ölçmek için yapılan çok sayıda girişimi özetledi ve bulgularının ağırlıklı ortalamalarını hesapladı. . Diğer önemli sabitler için de benzer bir yaklaşım kullanılmıştır. Meta-analiz terimi 1976 yılına kadar tanıtılmamış olsa da, bunlar esasen çoklu deneylerin meta-analizleridir.

Diğer veri türleri ile iki gruplu çalışmalar

Sonuçlar sürekli veya ikili olduğunda iki grubu karşılaştırmak için bazı farklı endeksleri ayrıntılı olarak tanımlamış olsak da, başka tür verilerle karşılaşılabileceğini açıkça belirtmeliyiz. Belirli üç farklı veri türü de aşağıdaki gibidir.

Sıralı veriler, her bir birey üç veya daha fazla kategoriden birine atandığında ortaya çıkar ve bu kategorilerin mantıksal bir sıralaması vardır. Örneğin, bir tedavi periyodundan sonra bir durumun belirtileri ‘hafif’, ‘orta’ veya ‘şiddetli’ olarak değerlendirilebilir. Meta-analizde kullanılmak üzere sıralı verileri olan çalışmalardan tek bir etki büyüklüğü hesaplanabilir. Örneğin, orantısal bir oran modelinin varsayımları altında, bir oran oranı da mevcuttur.

Olaya kadar geçen süre (hayatta kalma) verileri, her bir kişinin ne kadar süre takip edildiğini ve sonucu (olay meydana geldi veya takip dönemi sona erdi) bildiğimizde kullanılır. Tipik olarak, her çalışmada tedavi etkisini yansıtmak için bir tehlike oranı hesaplarız ve bu tehlike oranlarını çalışmalar arasında sentezlemek için meta-analizi de kullanırız.

Hız verileri, veriler hem bir gözlem periyodu hem de bu periyot boyunca belirli bir olayın meydana gelme sayısını içerdiğinde ortaya çıkar. Bu tür veriler, (tekrarlanabilir) bir olayın görülme sıklığının bir grupta diğerinden daha düşük olup olmadığını belirlemek için kullanılır. Özellikle bireylerin birden fazla olaya sahip olmasına da olanak tanır.

Bu tür verilerden herhangi biriyle karşılaşıldığında iki grubu karşılaştırmak için yöntemler mevcuttur. Yukarıda belirtildiği gibi, en sık karşılaşılan endeks türleri sıralı veriler için olasılık oranları, zaman-olay verileri için tehlike oranları ve oran verileri için oran oranlarıdır. Meta-analiz, logaritmik ölçekte çalışan bu özel durumların her birinde aynı şekilde ilerleyecektir, çünkü endeksler de farklılıklardan ziyade oranlardır.

Regresyon katsayıları

Meta-analize uygun geniş çalışma türleri yelpazesinin son bir örneği, regresyon katsayılarının veya beta ağırlıklarının birleşimidir. Bu, birkaç regresyon analizinden elde edilen sonuçların sentezidir ve metaregresyon ile karıştırılmamalıdır. Örneğin, Sirmans ve meslektaşları (2006), ev fiyatı ile evin metrekaresi, yaşı, yatak odası sayısı ve bir yüzme havuzunun varlığı gibi çeşitli özellikleri arasındaki ilişkiyle de ilgilendiler.

Bunların her birini ayrı ayrı ele alarak, ilişkiyi (örneğin metrekare ve ev fiyatı arasındaki) inceleyen ve ilişkiyi karakterize etmek için regresyon katsayıları elde eden çalışmaları derlediler. Bunlar daha sonra, ağırlıklardaki katsayıların varyansları kullanılarak bir meta-analizde de birleştirilebilir.

Ancak, bu yazarların temel amacı sadece genel bir regresyon katsayısı elde etmek değil, regresyon katsayılarının çalışmanın yeri ve zamanlaması gibi diğer çalışma düzeyindeki özelliklere bağlı olup olmadığını ve regresyon analizinin yapılıp yapılmadığını incelemektir. Diğer ev özellikleri için kontrol edilir (örneğin yatak odası sayısı). Bu nedenle birincil analiz, regresyon katsayılarının bir meta-regresyonudur.

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

İstatistiksel güç çalışmalarının istatistiksel çalışmaların gücü üzerinde etkisi var mı? başlıklı bir makale yayınladılar. Cohen’in ilk anket gücünün 25 yıldan bu yana önemli bir şekilde değişmediğini buldular. Benzer şekilde, Rossi (1990), Journals of Abnormal Psychology, Consulting and Clinical Psychology ve Personality and Social Psychology’de 1982’de yayınlanan makaleleri gözden geçirdi. Küçük, orta ve büyük etkileri saptamak için ortalama güç sırasıyla 0.17, 0.57 ve 0.83 idi.

Bu, mevcut yazarlardan birinin (Borenstein, 2000) aşağıdaki gibi dört teorem önermesine yol açtı.

1. Birçok araştırma alanındaki güç son derece düşüktür.
2. Kural (1), değişikliğe karşı dayanıklı görünmektedir.
3. Önem eksikliği, daha fazla bilgi gerektiği şeklinde yorumlanmalıdır, ancak hatalı olarak, hiçbir etkinin olmadığı şeklinde yorumlanır.
4. Kural (3), değişime açık görünüyor.

O halde, bir bakıma, oy sayımı anlatı incelemesinden kaynaklanmadı. Aksine, temel hata, birincil araştırmalarda bir yuva bulduğu on yıllardır var olmuştur. Alan anlatı incelemelerine geçtiğinde, bu temel hata adlandırıldı ve kodlandı, ancak temelde değişmeden kaldı.

Ancak önemli bir fark var. Tek bir çalışma ile çalıştığımızda ve önemsiz bir sonuç aldığımızda, etkinin gerçek olup olmadığını bilmemize imkan yoktur. Anlamsız p değeri, ya gerçek etkinin sıfır olduğu gerçeğini ya da çalışmamızın düşük güce sahip olduğu gerçeğini yansıtabilir. İlkini (gerçek etkinin sıfır olduğunu) kabul etmemeye dikkat etsek de, onu göz ardı edemeyiz.

Buna karşılık, bir dizi çalışmadan elde edilen verileri sentezlemek için meta-analizi kullandığımızda, genellikle gerçek etkiyi belirleyebiliriz. Ve birçok durumda (örneğin, gerçek etki önemliyse ve çalışmalar arasında tutarlıysa), ayrı çalışmalarda önemsiz p-değerinin bir etkinin olmamasından ziyade düşük güçten kaynaklandığını iddia edebiliriz.

Örneğin, streptokinaz meta-analizinde, tedavinin ölüm riskini azalttığı açıktır. 27 çalışmanın anlamlı olmayan p değerlerine sahip olmasının nedeninin, tedavinin etkisinin olmaması değil, düşük istatistiksel güç nedeniyle olduğunu söylemek doğru olur. (Bir sonraki bölümde aslında streptokinaz çalışmaları için gücü hesaplayacağız.)

Sıfırın ötesine geçmek

Bu bölümde, amacımız sıfır hipotezini test etmekse, meta-analizin (anlatı incelemesinden farklı olarak) bu amaç için istatistiksel olarak sağlam bir mekanizma sağladığını gösterdik. Bununla birlikte, meta-analizin bir boş değer testinin ötesine geçmemize izin verdiğini vurgulamak istiyoruz. Etkinin büyüklüğünü değerlendirmemize (ki bu genellikle daha alakalı bir sorudur) ve etki büyüklüğünün çalışmalar arasında tutarlı olup olmadığını belirlememize olanak tanır.

ÖZET NOKTALAR

• Oy sayımı, istatistiksel olarak anlamlı olan çalışma sayısının sayılması ve bunun istatistiksel olarak anlamlı olmayan sayılarla karşılaştırılması işlemidir.
• Oy sayımı, önemsiz bir p-değerini, bir etkinin olmadığının kanıtı olarak değerlendirir. Aslında, küçük, orta ve hatta büyük etki büyüklükleri, yetersiz istatistiksel güç nedeniyle anlamlı olmayan bir p değeri verebilir. Bu nedenle oy sayımı hiçbir zaman geçerli bir yaklaşım değildir.

meta-analiz örnek çalışma
Meta analiz Nedir
Meta-analiz özellikleri
Meta-analiz pdf
Meta-analiz avantaj dezavantaj
Meta-analiz makale
Orman grafiği yorumlama
Meta-analiz araştırma yöntemi

Meta-Analiz İçin Güç Analizi

Araştırmada (hem birincil çalışmalarda hem de meta-analizde) ortak bir amaç, etkisiz sıfır hipotezini test etmektir. Amacımız buysa, çalışmanın iyi bir istatistiksel güce sahip olduğundan emin olmak önemlidir (istatistiksel olarak anlamlı bir sonuç verme konusunda yeterince yüksek bir olasılık). Bu bölümde istatistiksel güçle ilgili iki temayı takip edeceğiz.

İlk tema kavramsaldır. Gücü belirleyen faktörleri tartışıyoruz ve birincil bir çalışmadan bir meta-analize geçerken bu faktörlerin değerinin nasıl değişebileceğini araştırıyoruz. Bu temelde, dahil edilen çalışmaların herhangi birinde bir meta-analiz için gücün neden bazen (ama her zaman değil) güçten daha yüksek olduğunu görebiliriz. Burada, ana etkinin bir testi için sadece gücü ele alıyoruz.

İkinci tema pratiktir. Birincil çalışmalar için güç analizi sürecini kısaca gözden geçiriyoruz ve ardından aynı sürecin meta-analiz için nasıl genişletilebileceğini gösteriyoruz. Burada, ana etkinin bir testi için öncelikle güce odaklanıyoruz, ancak aynı zamanda heterojenlik testlerine ilişkin materyalleri de dahil ediyoruz.

KAVRAMSAL BİR YAKLAŞIM

Önem testi (çalışma tamamlandıktan sonra gerçekleştirilir) formu alır. Z test istatistiği olduğunda, M etki büyüklüğüdür ve SEM etki büyüklüğünün standart hatasıdır. Z’nin gözlemlenen değeri daha sonra alfa (􏰈) kriteri ile karşılaştırılır. Alfa 0,05 olarak ayarlanmışsa, 0,05’ten düşük bir p değeri (±1,96’nın ötesinde bir Z değeri) istatistiksel olarak anlamlı olacaktır.

Bu nedenle, sonuçların istatistiksel olarak anlamlı olma olasılığı aşağıdakilere bağlıdır. Etki boyutu. M arttıkça Z artar ve istatistiksel anlamlılık olasılığı artar. Tahminin kesinliği. Kesinlik arttıkça (SEM azaldıkça), Z artar ve istatistiksel anlamlılık olasılığı artar. Önem kriteri(􏰈).Sıfırdan uzaklaştıkça, p’nin 􏰈’den küçük olma olasılığı artar ve istatistiksel anlamlılık olasılığı artar.

Anlamlılık testi ile güç analizi arasındaki fark, anlamlılık testini veriler toplandıktan sonra, yani M, SEM ve 􏰈 noktaları bilindikten sonra gerçekleştirmemizdir. Buna karşılık, gücü hesapladığımızda (genellikle, çalışma yapılmadan önce), M hakkında bir varsayımda bulunmamız, SEM hakkında eğitimli bir tahminde bulunmamız ve 􏰈 için bir değer seçmemiz gerekir.

Bu nedenle, gözlemlenen değerlerden ziyade öngörülen değerlerle çalışıyoruz. Yine de gücü kontrol eden faktörler, anlamlılık testini kontrol edenlerle aynıdır. Yani, beklenen etki büyüklüğü arttıkça, tahminin kesinliği arttıkça ve/veya 􏰈 sıfırdan uzaklaştıkça, güç o kadar yüksek olur.

Birincil çalışmalarla karşılaştırıldığında meta-analizler için güç

Arka plan olarak bununla, birincil çalışmalar ve meta-analiz arasında güç hususlarının nasıl farklılaştığını tahmin edebiliriz. Tipik olarak, beklenen etki büyüklüğü ve anlamlılık kriteri (􏰈), birincil çalışma ve meta-analiz için aynı olacaktır. Bununla birlikte, birincil çalışmalardan meta-analizlere geçerken kesinlik (bazen önemli ölçüde) değişecektir.

Bireysel çalışmalardan özet etkiye geçerken kesinliğin nasıl değiştiğine dair bir fikir edinmek için orman grafiğinde güven aralıklarıyla çalışabiliriz. Somut olarak, her bir güven aralığının genişliği (alt sınırdan üst sınıra olan mesafe) standart hatayla orantılıdır.

The post Meta-Analiz İçin Güç Analizi – 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).

Daha genel olarak, herhangi bir çalışma için gözlenen etki Yi, genel ortalama, çalışmanın gerçek etkisinin genel ortalamadan sapması ve çalışmanın gözlemlenen etkisinin çalışmanın gerçek etkisinden sapması ile verilir.

Bu nedenle, herhangi bir çalışmada Yi’nin gözlemlenen etkisinin 􏰑’den ne kadar düşeceğini tahmin etmek için hem 􏰌i’nin varyansını hem de “i’nin varyansını dikkate almamız gerekir.

􏰑’den (üçgen) her 􏰎i’ye (daireler) olan mesafe, çalışmalar arasındaki gerçek etkilerin dağılımının 􏰔 (tau) (veya varyansı için 􏰔 2) olarak adlandırılan standart sapmasına bağlıdır. Aynı 􏰔 2 değeri, meta-analizdeki tüm çalışmalar için geçerlidir ve Şekil 12.4’te, alttaki normal eğri ile temsil edilir ve bu, kabaca 0,50’den 0,70’e kadar uzanır.

􏰎i’den Yi’ye olan mesafe, 􏰎i ile ilgili örnek etkilerinin örnekleme dağılımına bağlıdır. Bu, her çalışmadan gözlemlenen etki büyüklüğünün varyansına bağlıdır, VYi ve dolayısıyla bir çalışmadan diğerine değişecektir. Şekil 12.4’te Çalışma 1’in eğrisi nispeten genişken Çalışma 2’nin eğrisi nispeten dardır.

BİR RASTGELE ETKİ META-ANALİZİN YAPILMASI

Gerçek bir meta-analizde, elbette, nüfus etkisi ile başlamak ve gözlenen etkiler hakkında tahminler yapmak yerine, gözlenen etkilerle başlar ve nüfus etkisini tahmin etmeye çalışırız. Başka bir deyişle amacımız, genel ortalamayı, 􏰑 tahmin etmek için Yi koleksiyonunu kullanmaktır. Genel ortalamanın en kesin tahminini elde etmek için (varyansı en aza indirmek için), her bir çalışmaya atanan ağırlığın o çalışmanın varyansının tersi olduğu bir ağırlıklı ortalama hesaplarız.

Rastgele etkiler modeli altında bir çalışmanın varyansını hesaplamak için, çalışmanın toplam varyansı bu iki değerin toplamı olduğundan, hem çalışma içi varyansı hem de 􏰔2’yi bilmemiz gerekir. Çalışma içi varyansı hesaplamak için formüller Bölüm 3’te sunulmuştur. Çalışmalar arası varyansı tahmin etmeye yönelik bir yöntem, çalışılan örnekle devam edebilmemiz için burada verilmiştir, ancak bu yöntemin tam bir tartışması ertelenmiştir. heterojenlik konusunu biraz ayrıntılı olarak ele alacağız.

Tau-kare Tahmini

2 parametresi (tau-kare), çalışmalar arası varyanstır (etki büyüklüğü parametrelerinin çalışma popülasyonu üzerindeki varyansı). Başka bir deyişle, her çalışma için gerçek etki büyüklüğünü bir şekilde bilseydik ve bu etki büyüklüklerinin varyansını hesaplarsak (sonsuz sayıda çalışma boyunca), bu varyans 􏰔2 olurdu. 􏰔2’yi tahmin etmek için bir yöntem, aşağıdaki gibi momentler yöntemi (veya DerSimonian ve Laird) yöntemidir.

Ortalama etki büyüklüğünü tahmin etme

Sabit etki analizinde her çalışma, varyansının tersi ile ağırlıklandırılmıştır. Rastgele etkiler analizinde de her çalışma, varyansının tersi ile ağırlıklandırılacaktır. Aradaki fark, varyansın artık orijinal (çalışma içi) varyansı artı çalışmalar arası varyansın tahminini, T 2’yi içermesidir. Genel kuralına uygun olarak, parametreye atıfta bulunmak için 􏰔 2’yi ve atıfta bulunmak için T 2’yi kullanırız. 

Forest plot yorumlama
Orman grafiği yorumlama
Meta analiz örnekleri
Metaanaliz nasıl yapılır
Meta analiz Nedir
Kontenjans katsayısı formülü
Meta-analiz özellikleri
Meta standart nedir

Buradaki formüller (rastgele efektler) ile önceki bölümdekiler (sabit efekt) arasındaki paralelliği vurgulamak için aynı gösterimleri kullanıyoruz, ancak rastgele efekt versiyonunu temsil etmek için bir yıldız işareti (*) ekledik.

ÖZET NOKTALAR

• Gizli etkiler modeli,çalışmalardaki gerçek etkilerin, gerçek etkilerin dağılımından örneklendiği varsayılır.
• Özetetki, ilgili gerçek etkilerin tahmini için geçerlidir ve boş hipotez, bu etkilerin ortalamasının 0.0 (oran ölçüleri için 1.0 oranına eşdeğer) olmasıdır.
• Amacımız dağılımın ortalamasını tahmin etmek olduğundan, iki varyans kaynağını hesaba katmamız gerekiyor. İlk olarak, her çalışmada etkiyi tahmin etmede çalışma içi hata vardır. İkincisi (çalışmalarımızın her birinin gerçek ortalamasını bilsek bile), çalışmalar arasında gerçek etkilerde farklılıklar vardır. Çalışma ağırlıkları, her iki varyans kaynağını da en aza indirmek amacıyla atanır.

Sabit Etki ve Rastgele Etki Modelleri

Sabit etki ve rastgele etki modellerini tanıttık. Burada, aralarındaki kavramsal ve pratik farklılıkları vurguluyoruz. Orman arazilerini düşünün. Aynı altı çalışmayı içerirler, ancak ilki sabit etki analizini, ikincisi ise rastgele etki analizini kullanır. Bu grafikler, aşağıdaki tartışma için bir bağlam sağlar.

ÖZET ETKİNİN TANIMI

Her iki grafik de alt satırda bir özet etkisi gösterir, ancak bu özet etkisinin anlamı iki modelde farklıdır. Sabit etki analizinde, gerçek etki büyüklüğünün tüm çalışmalarda aynı olduğunu ve özet etkinin bu ortak etki büyüklüğüne ilişkin tahminimiz olduğunu varsayıyoruz. Rastgele etkiler analizinde, gerçek etki büyüklüğünün bir çalışmadan diğerine değiştiğini ve analizimizdeki çalışmaların gözlemlenebilecek rastgele bir etki büyüklüğü örneğini temsil ettiğini varsayıyoruz. Özet etki, bu etkilerin ortalamasına ilişkin tahminimizdir.

ÖZET ETKİNİN TAHMİNİ

Sabit etki modeli altında, tüm çalışmalar için gerçek etki büyüklüğünün aynı olduğunu ve etki büyüklüğünün çalışmalar arasında değişmesinin tek nedeninin örnekleme hatası olduğunu varsayıyoruz (etki büyüklüğü tahmininde hata). Bu nedenle, daha büyük çalışmalarda aynı etki büyüklüğü hakkında daha iyi bilgiye sahip olduğumuz için, farklı çalışmalara ağırlıklar atarken, daha küçük çalışmalardaki bilgileri büyük ölçüde görmezden gelebiliriz.

Buna karşılık, rastgele etkiler modelinde amaç, tek bir gerçek etkiyi tahmin etmek değil, etkilerin dağılımının ortalamasını tahmin etmektir. Her çalışma farklı bir etki büyüklüğü hakkında bilgi sağladığından, tüm bu etki büyüklüklerinin özet tahminde gösterildiğinden emin olmak istiyoruz. Bu, küçük bir çalışmayı ona çok küçük bir ağırlık vererek indiremeyeceğimiz anlamına gelir (sabit etki analizinde yaptığımız gibi).

Bu çalışma tarafından sağlanan tahmin kesin olmayabilir, ancak başka hiçbir çalışmanın tahmin etmediği bir etki hakkında bilgidir. Aynı mantıkla, çok büyük bir çalışmaya çok fazla ağırlık veremiyoruz (sabit etki analizinde yapabileceğimiz gibi). Amacımız, bir dizi çalışmadaki ortalama etkiyi tahmin etmektir ve bu genel tahminin herhangi birinden aşırı derecede etkilenmesini istemiyoruz.

Bu grafiklerde, her etüde atanan ağırlık, o etüd için kutunun (özellikle alan) boyutuna yansıtılır. Sabit etki modelinde (kutuların boyutunda yansıtıldığı gibi) geniş bir ağırlık aralığı bulunurken, rastgele etkiler modelinde ağırlıklar nispeten dar bir aralığa düşmektedir.

Örneğin, en büyük çalışmaya (Donat) atanan ağırlığı, iki model altındaki en küçük çalışmaya (Peck) atanan ağırlıkla karşılaştırın. Sabit etki modeli altında Donat’a Peck’in yaklaşık beş katı ağırlık verilir. Rastgele etkiler modeli altında Donat’a Peck’in sadece 1.8 katı ağırlık verilir.

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