Örnekler, korelasyonel çalışmalar için istatistiksel gücü göstermektedir, ancak deneysel çalışmalar için eşit derecede gerçekçidir. Deneysel çalışmalarda temel istatistik, korelasyon katsayısı değil, iki grubun, deney ve kontrol gruplarının ortalamaları arasındaki standartlaştırılmış farktır. Bu, standart sapma birimlerindeki iki ortalama arasındaki farktır ve d-değeri istatistiği olarak adlandırılır.

d istatistiği, korelasyonun kabaca iki katı büyüklüğündedir. Bu nedenle, örnek, d = .51; bu, standart sapmanın yarısı kadar bir farktır, oldukça önemli bir farktır. Normal dağılımda 50. ve 69. persentiller arasındaki farka karşılık gelir. Şekil 2.8a için karşılık gelen örnek boyutları deney grubunda N = 42 ve kontrol grubunda N = 41 olacaktır (veya tam tersi). Bu sayılar da nispeten büyüktür; birçok çalışma her grupta çok daha azına sahiptir.

Örnek, birçok deneysel çalışma için daha gerçekçi bir analoga dönüşüyor. Deney ve kontrol gruplarında 20’şer deneğin bulunduğu deneysel çalışmalara karşılık gelir. Her grupta 20 veya daha az (bazen 5 veya 10) olan birçok çalışma, özellikle örgütsel davranış ve karar verme laboratuvar çalışmaları gördük. .20’nin ρ değeri, gerçek çalışmalarda gözlemlenen birçok değerden daha büyük veya daha büyük bir değer olan .40’lık bir d değerine karşılık gelir.

Bu nedenle, küçük örneklemli çalışmaların düşük istatistiksel gücünü gösteren bu iki örnek ve bu tür çalışmalarda anlam testlerinin geleneksel kullanımından kaynaklanan sonuçlardaki hatalar deneysel çalışmalara da genellenir. d istatistiğinin özellikleri biraz farklı olduğundan, burada istatistiksel güç için verilen kesin rakamlar geçerli olmayacaktır; istatistiksel güç, deneysel çalışmalarda aslında biraz daha düşüktür. Ancak rakamlar durumu açıklamaya yetecek kadar yakındır.

Meta-analiz, gösterilen çalışmaları ve 2.8b’yi nasıl ele alır? İlk olarak, meta-analiz, her bir çalışma grubundaki ortalama r’nin hesaplanmasını gerektirir. Çalışmalar için, ortalama r, doğru değer olan .25 olarak bulunacaktır. Çünkü hesaplanan ortalama yine doğru değer olan .20 olacaktır. Bu r ̄’ler daha sonra örnekleme hatasından beklenen varyans miktarını hesaplamak için kullanılacaktır.

Bu değer daha sonra, örnekleme varyansının üzerinde ve üzerinde herhangi bir varyansın bırakılıp bırakılmadığını görmek için gözlemlenen korelasyonlardaki varyans miktarından çıkarılır. Gözlenen varyans (.10344)2 = .0107’dir. Bu nedenle, bu çalışmalar arasındaki korelasyonlardaki gerçek varyans miktarı Sρ2 = .0107 − .0107 = 0’dır.

PRISMA Checklist Türkçe
cma meta-analiz programı indir
Meta-analiz Nedir
Meta-analiz pdf
Cma ile Meta-Analiz
meta-analiz nedir nasıl yapılır
meta-analiz örneği
sistematik derleme ve meta-analiz nedir

Meta-analitik sonuç, yalnızca bir ρ (ρ = .25) değerinin olduğu ve çalışmalar arasında rs’deki tüm görünür değişkenliğin örnekleme hatası olduğudur. Böylece meta-analiz doğru sonuca götürür, geleneksel yaklaşım ise çalışmaların %25’inde ρ = 0 olduğu ve diğer %75’inde .18 ile yaklaşık olarak .46 arasında değiştiği sonucuna yol açmıştır.

Gerçekte gözlemlenen varyans (.1537)2 = .0236 = Sr2’dir. Yine, Sr2 − Se2 = 0 ve meta-analitik sonuç, tüm çalışmalarda yalnızca bir ρ değerinin olduğu—ρ = .20- ve farklı çalışmalarda rs’deki tüm değişkenliğin yalnızca örnekleme hatası olduğudur. Yine meta-analiz doğru sonuca götürürken, istatistiksel anlamlılık testlerinin geleneksel kullanımı yanlış sonuçlara yol açar. Buradaki ilke, d istatistikleri için aynıdır. Yalnızca belirli formüller farklıdır.

Buradaki örnekler varsayımsaldır, ancak gerçekçi değildir. Aslında buradaki nokta, gerçek verilerin çoğu zaman aynı şekilde davranmasıdır. Örneğin, içindeki gerçek verileri düşünün. Bu veriler, Sears, Roebuck ve Company’de dokuz farklı iş ailesi üzerinde yapılan bir çalışmada elde edilen geçerlilik katsayılarıdır.

Bu yedi testten herhangi biri için geçerlilik katsayıları bazı iş aileleri için önemlidir, ancak diğerleri için değildir. Örneğin, aritmetik testinin 1, 2, 5, 8 ve 9 numaralı iş aileleri için önemli geçerlilik katsayıları vardır; geçerlilik iş aileleri 3, 4, 6 ve 7 için önemli değildir. 9, çünkü bu iş aileleri için geçerli, diğerleri için geçerli değil.

Bu sonuç hatalıdır. Bu kitapta sunduğumuz meta-analiz yöntemlerinin uygulanması, Tablo 2.3’teki testler için iş aileleri arasındaki geçerliliklerdeki tüm farklılıkların örnekleme hatasından kaynaklandığını göstermektedir. Anlamlı olmayan geçerlilikler sadece düşük istatistiksel güçten kaynaklanmaktadır.

Örnekleme hatasının gerçek verilerdeki çalışma sonuçlarındaki tüm varyasyonu açıkladığı bir başka örnek Schmidt, Ocasio ve ark. (1985). Bu kapsamlı çalışmada, gözlemlenen korelasyon katsayıları, farklı çalışmalarda -.16’dan .61’e kadar, .78 korelasyon noktası aralığında değişiklik göstermiştir. Yine de ρ’nın gerçek değeri her çalışmada .22’de sabitti. (Aslında, her çalışma tek bir büyük çalışmadan rastgele bir örneklemdi.) Küçük örneklemli çalışmalarda örnekleme hatası, çalışma sonuçlarında muazzam değişkenlik yaratır. Araştırmacılar onlarca yıldır örnekleme hatasının ne kadar değişkenlik ürettiğini hafife aldılar.

Elbette örnekleme hatası, tüm çalışma setlerindeki tüm varyasyonu açıklamaz. Çoğu durumda, bu bölümde daha önce tartışıldığı gibi, diğer artefaktlar da çalışma sonuçlarında farklılıklara neden olur. Ve bazı durumlarda, örnekleme hatası ve diğer artefaktların (ölçüm hatası ve çalışmalar arasındaki aralık kısıtlama farklılıkları gibi) kombinasyonu bile tüm varyansı açıklayamaz. Bununla birlikte, bu artefaktlar hemen hemen her zaman çalışma sonuçlarındaki önemli miktardaki varyansı hesaba katar.

Ne Zaman ve Nasıl Biriktirilir?

Genel olarak, çalışmalar arasında sonuçların bir meta-analitik kümülasyonu kavramsal olarak basit bir süreçtir.

1.Mevcut her çalışma için istenen tanımlayıcı istatistiği hesaplayın ve bu istatistiğin çalışmalar arasında ortalamasını alın.
2. Araştırmalar arası istatistiklerin varyansını hesaplayın.
3.Örnekleme hatası nedeniyle miktarı çıkararak varyansı düzeltin.
4.Örnekleme hatası dışındaki çalışma gerçekleri için ortalamayı ve varyansı düzeltin.
5. Niteliksel olarak çalışmalar arasında sonuçlardaki potansiyel varyasyonun boyutunu değerlendirmek için düzeltilmiş standart sapmayı ortalamayla karşılaştırın. Ortalama, 0’dan büyük iki standart sapmadan fazlaysa, o zaman göz önünde bulundurulan ilişkinin her zaman pozitif olduğu sonucuna varmak mantıklıdır.

Uygulamada, kümülasyon genellikle daha sonraki bölümlerde inceleyeceğimiz çeşitli teknik karmaşıklıkları içerir.
Sonuçların kümülasyonu, aynı ilişkiyle ilgili veriler içeren en az iki çalışma olduğunda kullanılabilir. Örneğin, Crooked Corn Flakes’teki çalışmanız iş durumu ile iş tatmini arasında bir korelasyon içeriyorsa, bu korelasyonu Tuffy Bolts’taki daha önceki çalışmanızda bulunan korelasyonla karşılaştırmak isteyebilirsiniz.

Ancak, iki bağıntılı örnekleme hatasını düzeltmek için sunulan düzeltilmiş varyans prosedürlerinden farklı bir strateji kullanmak mümkündür. güven aralıkları örtüşürse, iki korelasyon arasındaki fark yalnızca örnekleme hatasından kaynaklanıyor olabilir ve ortalama, ortak değerlerinin en iyi tahminidir.

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

Meta-analistler sıklıkla farklı şekillerde rapor edilen sonuçlarla uğraşmak zorunda kalırlar. Tahıl verimini artırmanın yollarını aradığımızı ve yüksek dozda gübrenin standart dozdan daha iyi çalışıp çalışmadığıyla ilgilendiğimizi varsayalım. İki dozdan birini almak için farklı parselleri randomize ederek dozun etkisini ölçen, ancak sonucu farklı şekillerde ölçen çalışmalar bulabiliriz. Bazı çalışmalar bitkiler için ortalama büyüme oranını ölçebilirken, diğerleri belirli sayıda hafta sonra verimi ölçebilir (ve zamanlamalar çalışmalar arasında değişebilir).

Bazı çalışmalar, belirli bir büyüme oranına ulaşan bitkilerin oranını ölçerken, diğerleri, uygulamadan belirli bir hacimdeki tahılın üretimine kadar geçen süreyi ölçebilir. Bir dizi doz uygulayan ve doz ile örneğin verim arasındaki korelasyonu inceleyen başka çalışmalar bulabiliriz.

Aynı sonucu araştıran çalışmalarda bile sonuçlar farklı şekillerde rapor edilebilir. Burada iki çeşit varyasyon vardır. İlk olarak, analiz için farklı yaklaşımlar kullanılabilir. Örneğin, iki çalışma, her bir gübre dozu altında başarısız olan bitkilerin oranına odaklanabilir, ancak biri bunu bir oran olarak bildirirken, bir diğeri bunu oranlardaki bir fark olarak bildirir.

İkincisi, aynı analiz bile farklı istatistikler kullanılarak rapor edilebilir. Örneğin, birkaç çalışma iki doz arasındaki ortalama verimleri karşılaştırırsa, bazıları standart sapmalarla ortalamaları, diğerleri p değeriyle ortalamaları, diğerleri güven aralıklarıyla ortalama farklarını ve diğerleri de varyans analizinden F istatistiklerini rapor edebilir.

Tüm bu varyasyonlar bir meta-analizde ne ölçüde birleştirilebilir? Burada sadece istatistiksel değerlendirmeleri ele alıyoruz ve analizde farklı sonuç ölçütlerini birleştirmek için sağlam bir gerekçe olduğunu varsayıyoruz. İkili sonuçları (arızalı bitkilerin oranı), farklı ölçüm ölçeklerini (büyüme hızı, verim), hayatta kalma sonuçlarını (meyveye kadar geçen süre) ve korelasyonel verileri (doz-verim) kullanarak sürekli sonuçları tanımladığımıza dikkat edin. Olasılıklar listesi daha uzundur ve tüm seçeneklerin kapsamlı bir özetini yapmaya çalışmıyoruz.

Çalışmalar aynı sonuca hitap ettiğinde, aynı şekilde ölçüldüğünde, analiz için aynı yaklaşımı kullandığında, ancak sonuçları farklı şekillerde sunduğunda, meta-analizin önündeki tek engel pratiktir. İlginin etki büyüklüğünü tahmin etmek için yeterli bilgi mevcutsa, bir meta-analiz mümkündür.

Örneğin, standart sapmalı ortalamalar, p-değerli ortalamalar ve bir güven aralığına sahip ortalamalardaki farklılıkların tümü, ortalama verimdeki farkı tahmin etmek için kullanılabilir (ilk iki durumda, numune boyutlarının bilinmesi şartıyla) . Bu üçü, örneklem büyüklüğü ile birlikte uygun bir F istatistiğinin yaptığı gibi, ortalamalarda standart bir farkın hesaplanmasına da izin verir.

meta-analiz çalışması örneği
Meta analiz çalışması
sistematik derleme ve meta-analiz nedir
Meta-analiz programı
Meta analiz nasıl yapılır
meta-analiz nedir nasıl yapılır
Meta-analiz pdf
Meta-analiz etki büyüklüğü

Çalışmalar aynı sonucu ele aldığında, aynı şekilde ölçüldüğünde, ancak analiz için farklı yaklaşımlar kullanıldığında, o zaman bir meta-analiz olasılığı hem istatistiksel hem de pratik hususlara bağlıdır. Önemli bir nokta, bir meta-analizdeki tüm çalışmaların temelde aynı tedavi etkisi indeksini kullanması gerektiğidir. Örneğin, bir risk farkını bir risk oranıyla birleştiremeyiz. Bunun yerine, tüm çalışmalar için aynı indeksi hesaplamak için özet verileri kullanmamız gerekir.

Tam olarak aynı olmasa da benzer olan bazı endeksler vardır ve bunların birleştirilmesinin kabul edilebilir olup olmadığı konusunda yargıya varılması gerekir. Bir örnek, oran oranları ve risk oranlarıdır. Olay nadir olduğunda, bunlar yaklaşık olarak eşittir ve kolayca birleştirilebilir.

Olay yaygınlaştıkça ikisi birbirinden uzaklaşır ve birleştirilmemelidir. Risk oranlarına benzeyen diğer endeksler ise tehlike oranları ve oran oranlarıdır. Bazı insanlar bunların birleştirilecek kadar benzer olduğuna karar verir; diğerleri yapmaz. Bu tür kararları vaka bazında almak için meta-analistin meta-analizin amaçları bağlamındaki yargısı gerekecektir.

Çalışmalar farklı yollarla ölçülen aynı sonucu veya tamamen farklı sonuçları ele aldığında, bir meta-analizin uygunluğu esas olarak önemli hususlara bağlıdır. Araştırmacı, birleşik bir analizin anlamlı bir yoruma sahip olup olmayacağına karar vermek zorunda kalacaktır.

Eğer öyleyse, yukarıdaki istatistiksel ve pratik hususlar geçerlidir. Bir diğer husus, farklı sonuçlar için kullanılan farklı ölçeklerin nasıl ele alınacağıdır. Sürekli sonuç ölçümleri için standart yaklaşım, her çalışmayı standartlaştırılmış bir ortalama fark olarak analiz etmektir, böylece tüm çalışmalar ortak bir metriği paylaşır.

Bazı basit dönüşümler altında belki de şaşırtıcı bir şekilde birleştirilebilen yararlı bir endeks sınıfı vardır. Özellikle, standartlaştırılmış ortalama farkları, oran oranlarını ve korelasyonları ortak bir metriğe dönüştürmek için formüller mevcuttur. Bu tür dönüştürmeler, verilerin altında yatan doğası hakkında bazı varsayımlar gerektirir ve bu varsayımların ihlali, sürecin geçerliliğini etkileyebilir.

Ayrıca, ikili verileri kullanan çalışmaların, sürekli verileri kullanan çalışmalardan bazı önemli açılardan farklı olabileceğini ve korelasyonları ölçen çalışmaların iki grubu karşılaştıranlardan farklı olabileceğini unutmamalıyız. Daha önce olduğu gibi, bunlar çalışmalar arasındaki niteliksel farklılıklardan ziyade derece sorularıdır.

BİR META-ANALİZ YAPMAK İÇİN KAÇ ÇALIŞMA YETERLİDİR?

Sabit etkili bir modelle çalışıyorsak, iki veya daha fazla çalışmaya dayalı bir özet, gerçek etkinin her iki çalışmaya göre daha kesin bir tahminini sağladığından, iki çalışmamız olur olmaz bir meta-analiz yapmak mantıklıdır. tek basina. Daha da önemlisi, gözlemlenen etkilerdeki dağılımla ilgilenmiyoruz çünkü bunun örnekleme hatasından başka bir şeyi yansıtmadığı varsayılıyor.

Bir özet etki bildirerek, garanti edilmeyen bir kesinlik düzeyini ima ettiğimize dair bir endişe olabilir. Aslında, özet etki, tahminin belirsizliğini tanımlayan bir güven aralığı ile nitelenir. Ek olarak, araştırmalar gösteriyor ki, bu bilgiyi sağlayamazsak, araştırmacıların verilere kendi sentezlerini dayatacaklar, bu da her zaman bilinen formülleri kullanarak hesapladığımızdan daha az doğru ve değerden daha kendine özgü olacaktır.

Ancak çoğu durumda, etkilerdeki dağılımın (en azından kısmen) gerçek olduğu varsayılan rastgele etkiler modeliyle çalışmamız gerekir. Hata tahmininin örnekleme teorisine dayandığı (ve dolayısıyla güvenilir olduğu) sabit etki analizinden farklı olarak, rastgele etkiler analizinde hata tahminimizin kendisi güvenilmez olabilir.

Spesifik olarak, az sayıda çalışmaya dayandığında, çalışmalar arası varyansın (T2) tahmini büyük ölçüde hatalı olabilir. Özet etkisinin standart hatası (kısmen) bu değere dayanmaktadır ve bu nedenle, güven aralığı ile bir özet etki sunarsak, yalnızca nokta tahmininin yanlış olması muhtemel olmakla kalmaz, aynı zamanda güven aralığı yanlış bir anlam verebilir. 

The post META-ANALİZ YAPMAK İÇİN KAÇ ÇALIŞMA YETERLİDİR? – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Migren baş ağrıları için bir tedavinin etkisini değerlendirmek için birincil bir çalışma için güç analizini sunduk. Grup başına n525 ile tek bir çalışma için, etki büyüklüğünün 0,30 olduğunu varsayarak varyansı 0,0809, lambda’yı 1,0547 ve gücü 0,18 olarak hesapladık. Aynı soruyu ele almak için bir meta-analiz planladığımızı ve grup başına n 5 25 olan tek bir çalışma yerine, her birinin bu örneklem büyüklüğüne sahip olduğu on çalışmamız olduğunu varsayalım.

Excel’de 5NORMSINV(1 􏰉 0.05/2) 1,96 döndürür ve 5 1-NORMSDAĞ(1.96 􏰉 3.3354) þ NORMSDAĞ(􏰉 1.96 􏰉 3.3354) 0.9155 değerini döndürür.

Başka bir deyişle, güç formülü birincil bir çalışmanın formülüyle aynı olsa da, varyans k faktörü (çalışma sayısı) kadar azaltılır, bu da lambdada k kat artış ve güçte artış sağlar.

Etki büyüklüğü ve çalışma sayısının bir fonksiyonu olarak gücü grafiklendirmek için etki büyüklüğünü ve çalışma sayısını değiştirirken formülü uygulayabiliriz.Her çalışmada grup başına 25’lik bir n, 0,05 alfa (2-kuyruklu) ve bir sabit etki modeli varsayıyoruz. Grafik, 0,4, 0,3, 0,2’lik bir etki büyüklüğü (d) için gücü gösterir ve çalışmaların sayısı 1 ile 25 arasında değişir.

0,40, 0,30 veya 0,20 etki büyüklüğü için %90’lık bir güç sağlamak üzere soldan sağa okuma, 6 çalışma, 10 çalışma veya 22 çalışma gerekir. Dahil etme kriterlerini karşılayan en az 20 çalışmanın olması muhtemel olduğu bir pilot çalışmadan açıkça anlaşıldığını varsayalım. Bu noktada, araştırmacılar planlandığı gibi ilerlemeye karar verebilirler. Bu sayıya göre grafiği yukarıdan aşağıya doğru okuyarak gerçek etki 0.40 veya 0.30 ise güç %99’u, gerçek etki 0.20 ise güç %90’a yaklaşacaktır.

Buna karşılık, dahil etme kriterlerini karşılayan yalnızca 5 veya 10 çalışma olacağı görülüyorsa, hakemler sayının daha doğru bir tahminini elde etmek isteyebilir (5 ile 10 arasındaki fark önemlidir). Alternatif olarak, ilgili araştırmaların sayısını artırmak için araştırma sorusunu değiştirmenin makul yolları olabilir.

Rastgele Efektler Modelini Kullanarak Ana Etki İçin Güç

Rastgele etkiler modeli altındaki önem ve güç formülleri, sabit etki meta-analizi için olanlarla aynı yapıya sahiptir. Yıldız işaretinin (*) bir istatistiğin rastgele etkiler varyansına dayandığını belirttiği Bölüm 12’de tanıtılan notasyonu kullanarak, ana etki için anlamlılık testi hala bir test istatistiğine (örneğin) Z* dayanmaktadır ve şu şekilde hesaplanır: ancak M* ve VM* artık tahmini ortalama etki büyüklüğü ve bunun rastgele etki ağırlıkları kullanılarak varyansıdır. Daha önce olduğu gibi, Z*, karşılık gelen p-değerini veren standart normal dağılıma referansla değerlendirilir.

Ancak şimdi d* ve Vd* gerçek ortalama etki boyutu ve bunun özet etki için varyansı. Varyans, çalışmalar içindeki varyansı ve çalışmalar arasındaki varyansı içerir. Her çalışmanın aynı çalışma içi varyansa sahip olduğu basit durumu düşünün, VY deyin.

Çalışma içi varyansın makul değerleri, VY, sabit etkili model için kullanılanlarla aynı prosedürler kullanılarak elde edilebilir. Çalışmalar arası varyansın makul değerleri, t2, pilot çalışmanın bir parçası olarak toplanan çalışmalar için etki büyüklükleri hesaplanarak ve bu etkilerin çalışmadan çalışmaya gerçekte ne kadar değiştiğine bakılarak, pilot çalışmadan elde edilen veriler kullanılarak elde edilebilir.

Meta analiz Nedir
Meta-regresyon nedir
meta-analiz eğitim bilimleri
Sistematik derleme ve meta-analiz Nedir
meta-analiz nedir örneği
meta-analiz nedir nasıl yapılır
Meta analiz nasıl yapılır
Meta analiz nasıl yazılır

Alternatif olarak, önceki, benzer bir meta-analizdeki çalışmalar arası varyans uygun olabilir. Son olarak, Hedges ve Pigott, küçük, orta ve büyük derecelerde heterojenliği temsil etmek için kullanılabilecek bir sözleşme önermektedir. Bu kural, toplam varyans Vd* 51.33VY/k, 1.67VY/k veya 2.00VY/k olacak şekilde t2’yi çalışma içi varyansın 0.33, 0.67 veya 1.0 katına ayarlamak içindir.

Uygulamada, etki büyüklüğünün rastgele etkiler modelinde sabit etki modelinde olduğu gibi olması muhtemeldir. Bununla birlikte, sabit etkili modele kıyasla rastgele etkiler modeli altında varyans her zaman daha büyük olacaktır.

Açıklayıcı örnek

Sabit etki modeli için yukarıdaki örnek, gerçek etki büyüklüğünün çalışmadan çalışmaya değiştiğini ve bu nedenle rastgele etkiler modelinin uygun olduğunu varsayarsak, burada da kullanılabilir. Yine, grup başına 25 hasta ile 10 çalışma ve 5 0.30’luk bir etki büyüklüğü varsayıyoruz. Bir çalışma için çalışma içi varyans şu şekilde hesaplanır.

Bu hesaplama EXCEL’de şu şekilde yapılabilir: Daha önce olduğu gibi, bir dizi varsayım altında gücü gösteren bir grafik oluşturabiliriz.

d5 0.30’un orta etki büyüklüğüne dayanmaktadır ve dağılım küçük, orta veya büyük olduğunda gücün nasıl değişeceğini göstermektedir. 0,20 veya 0,40 efekt boyutu (d) için benzer bir grafik oluşturabiliriz. Soldan sağa okuma, çalışmalar arası dağılım küçük, orta veya büyükse, %90’lık bir güç elde etmek için yaklaşık 12, 15 veya 20 çalışmaya ihtiyacımız olacaktır.

Pilot çalışmanın en az 15 çalışmayı bulabileceğimizi gösterdiğini varsayalım. X ekseninde 15’te yukarıdan aşağıya doğru okuyarak, dağılımın küçük, orta veya büyük olması durumunda gücün 0.95, 0.92 veya 0.90 civarında olacağını görüyoruz. Tabii ki, güç bir süre için daha düşük olacaktır. 0,40’lık bir etki boyutu için 0,20 ve daha yüksek etki boyutu.

Rastgele Efektler Hakkında Notlar

Rastgele etkiler modeli altında, her çalışmanın (ve özet etkisinin) varyansı, çalışmalar içindeki varyans ve çalışmalar arasındaki varyans olmak üzere iki bileşen içerir. Pratik etki, gücün hem toplam örneklem büyüklüğüne hem de çalışma sayısına bağlı olmasıdır. Eğer çalışmadan çalışmaya önemli bir dağılım varsa, o zaman iyi bir güç elde etmenin tek yolu çok sayıda çalışmayı dahil etmektir (bu, varyansın bu unsurunu azaltır).

Çalışmaların sayısı azsa, çalışmalar arasındaki toplam örneklem büyüklüğü onbinlere veya daha fazlasına ulaşsa bile güç düşük kalabilir.

Sabit etki modelinin ve rastgele etki modelinin farklı hipotezleri ele aldığını ve farklı varyans tahminlerini kullandıklarını anlamak önemlidir, çünkü bunlar, aşağıda açıklandığı gibi, çalışmalar arasında etkilerin dağılımının doğası hakkında farklı varsayımlarda bulunurlar. 

Araştırmacılar bazen rastgele etkiler modelinde gücün sabit etki modeline göre daha düşük olduğunu belirtiyorlar. Bu ifade doğru olsa da daha büyük noktayı gözden kaçırıyor: Sabit ve rastgele etkiler analizleri için gücü karşılaştırmak anlamlı değil çünkü iki güç değeri aynı soruyu ele almıyor.

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

Tau-kare parametresi (􏰀2), gerçek etki büyüklüklerinin varyansı olarak tanımlanır. Başka bir deyişle, her biri sonsuz büyüklükte (böylece her çalışmadaki tahmin gerçek etkiydi) sonsuz büyük bir çalışma örneklemine sahip olsaydık ve bu etkilerin varyansını hesaplasaydık, bu varyans 􏰀2 olurdu.

Gerçek etkileri gözlemleyemediğimiz için bu varyansı doğrudan hesaplayamayız. Bunun yerine, T2 ile gösterilen tahminle gözlenen etkilerden tahmin ediyoruz. Bu tahmini elde etmek için, standartlaştırılmış bir ölçekte gerçek etkilerdeki dağılımı temsil eden fark (Q – df) ile başlıyoruz. Ölçüyü orijinal metriğine geri koyma ve aynı zamanda onu karesel sapmaların toplamı yerine ortalama yapma etkisine sahip bir niceliğe (C) böleriz. Somut olarak, Bu, T2’nin etki büyüklüğünün kendisiyle aynı metrikte (kare) olduğu ve aynı zamanda bu ölçekte mutlak varyasyon miktarını yansıttığı anlamına gelir.
Gerçek etkilerin (􏰀2) gerçek varyansı hiçbir zaman sıfırdan az olamazken, örnekleme hatası nedeniyle, gözlemlenen varyans, temel olarak beklediğimizden daha az ise, bu değere (T2) ilişkin tahminimiz sıfırdan küçük olabilir. çalışma içi hata – başka bir deyişle, eğer Q < df. Bu durumda, T2 basitçe sıfıra ayarlanır.

Q > df ise T2 pozitif olacak ve iki faktöre bağlı olacaktır. Birincisi, fazla varyasyon miktarı (Q – df), ikincisi ise etki büyüklüğü indeksinin metriğidir.

Aşırı varyasyonun T2 tahminimiz üzerindeki etkisi, A ve B grafiklerini karşılaştırırsak açıktır. Çalışma içi hata B’de daha küçüktür. Bu nedenle, gözlenen varyasyon her iki grafikte de aynıyken, B’de bu varyasyonun daha yüksek bir oranının gerçek olduğu varsayılır. A’dan B’ye hareket ettikçe, Q 12.00’den 12.00’ye hareket eder. 

Ölçeğin T2 tahminimiz üzerindeki etkisi, C ve D grafiklerini karşılaştırırsak açıktır. Q ve df iki grafikte aynıdır, bu da gözlemlenen varyansın aynı oranının çalışmalar arası varyansa atfedileceği anlamına gelir. Bununla birlikte, varyansın mutlak miktarı D’de daha büyüktür, dolayısıyla bu oran 􏰀2’lik daha büyük bir tahmine dönüşür. C’den D’ye hareket ettikçe, T2 0,037’den 0,096’ya hareket eder.

T2 Hakkında Ayrıntılar

Gerçek etkilerin varyansına ilişkin tahminimiz olarak, her bir çalışmaya atanan ağırlığın olduğu rastgele etkiler modeli altında ağırlıkları atamak için T2 kullanılır. 

Bu çalışmalar arasındaki varyansı tahmin etme yöntemi en popüler olanıdır ve momentler yöntemi veya DerSimonian ve Laird yöntemi olarak bilinir. Bu yöntem, rastgele etkilerin dağılımı hakkında herhangi bir varsayımda bulunmaz. Ayrıca, hesaplanması en kolay ve açıklanması en kolay olma avantajına sahiptir, bu da onu bir metin için faydalı kılar. Alternatifler var ve bazı istatistikçiler sınırlı bir maksimum olabilirlik (REML) yöntemini tercih ediyor.

meta-analiz örnek çalışma
Meta analiz Nedir
Meta-analiz araştırma yöntemi
Sistematik derleme ve meta-analiz Nedir
meta-analiz nedir nasıl yapılır
Meta-analiz avantaj dezavantaj
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz özellikleri

İlginç bir şekilde, önemli DerSimonian ve Laird makalesinin yazarlarından biri, o zamandan beri, hesaplama basitliği artık önemli bir husus olmadığı için tanımladığımız basit yöntemin artık kullanılmaması gerektiğini savundu. Bununla birlikte, bu basit yöntemi açıklamanın öğretici olduğuna inanıyoruz ve bir yöntemden diğerine sonuçlardaki farklılıkların muhtemelen küçük olduğuna dikkat edin. T2 için güven aralıklarını hesaplamak için formüller bu bölümün sonunda sunulmuştur.

Tau

Yukarıda, gerçek etki büyüklüklerinin varyansını tartıştık, burada 􏰀2 gerçek varyansı ifade eder ve T2 bu parametreye ilişkin tahminimizdir. Şimdi gerçek etki boyutlarının standart sapmasına dönüyoruz. Burada 􏰀 gerçek standart sapmayı ifade eder ve T bu parametre için bizim tahminimizdir. Standart sapmanın tahmini olan T, basitçe T2’nin kareköküdür.

T 2 gibi, T de etki büyüklüğünün kendisiyle aynı ölçektedir, ancak T 2 (varyans) kare bir değer iken T (standart sapma) değildir. Birincil bir çalışmadaki standart sapma gibi, T de ortalama etkiyle ilgili etki büyüklüklerinin dağılımını tanımlamak için kullanılabilir. Etkilerin normal olarak dağıldığını varsaymaya istekliysek (ve makul derecede kesin bir T tahminimiz varsa), gerçek etki büyüklüklerinin aralığı için bir fikir edinebilir ve sonra bu aralığın önemli sonuçlarını değerlendirebiliriz.

Şekil 16.6, Şekil 16.5 ile aynıdır, ancak bu sefer her çizime, T’ye dayalı olarak gerçek etkilerin beklenen dağılımını ekledik. Örneğin, çizim A’da özet etki 0.41 ve T 0.193’tür. Gerçek etkilerin yaklaşık %95’inin 0,41 artı veya eksi 1,96 T veya 0,04 ila 0,79 T aralığında olmasını bekliyoruz ve bu, çan eğrisinde yansıtılan aralıktır. Tüm grafikler için eğriyi oluşturmak için aynı yaklaşım kullanılır.

A ve B grafiklerinin aynı gözlemlenen varyansa sahip olduğunu, ancak etki büyüklüğündeki gerçek farklılıklara atfedilen bu varyansın oranında farklılık gösterdiğini hatırlayın. A’da, çan eğrisi nispeten dardır ve gözlemlenen dağılımın yalnızca bir kısmını yakalar – geri kalanının hatayı yansıttığı varsayılır. B’de, çan eğrisi nispeten geniştir ve dağılımın çoğunun burada gerçek olduğu varsayıldığından, dağılımın daha büyük bir kısmını yakalar.

Benzer şekilde, C ve D grafiklerinde gerçek ile gözlemlenen varyansın oranının aynı olduğunu, ancak gözlemlenen dağılımın (ölçek) D’de daha büyük olduğunu hatırlayın. Çan eğrisi D’de C’den daha geniştir (farklı ölçek nedeniyle) , ancak her iki durumda da etkilerin karşılaştırılabilir bir oranı eğri aralığı içinde yer alır (çünkü oran aynıdır).

Gerçek etkilerin standart sapmasına ilişkin T tahminimiz, dağılımın asli önemi hakkında konuşmamızı sağlar. Bir müdahalenin özet etki büyüklüğünün 0,50 olduğunu varsayalım. T 0,10 ise, etkilerin çoğu (%95) yaklaşık 0,30 ila 0,70 aralığına düşer. T 0,20 ise, gerçek etkilerin çoğu yaklaşık 0,10 ila 0,90 aralığındadır.

T 0.30 ise, gerçek etkilerin çoğu yaklaşık 􏰈0.10 ila +1.10 aralığındadır. Bu aralıklara hala bir değer yargısı eklememiz gerekiyor (hangi etki büyüklüğü zararlı, hangi etki büyüklüğü önemsiz, hangi etki büyüklüğü faydalı), ancak dağılım duygusuna sahip olarak bu tartışmalar için en azından bir başlangıç ​​noktamız var.

Bu örnekte, etki büyüklüğünün ve T’nin doğru bir şekilde tahmin edildiğini varsayıyoruz. Pratikte, gerçek etkilerin dağılımı hakkında tahminlerde bulunmak istiyorsak, bu değerlerin her ikisini de tahmin etmedeki hatayı hesaba katmamız gerekir. Bu bölümün sonuna doğru T değeri için güven aralıklarının nasıl hesaplanacağını gösteriyoruz ve  bu hata kaynaklarını hesaba katan tahmin aralıklarının nasıl hesaplanacağını gösteriyoruz.

The post t2 TAHMİNİ  – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

GERÇEK ETKİ BOYUTU

Sabit etki modeli altında meta-analizdeki tüm çalışmaların ortak (gerçek) bir etki büyüklüğünü paylaştığını varsayıyoruz. Başka bir deyişle, etki büyüklüğünü etkileyebilecek tüm faktörler tüm çalışmalarda aynıdır ve bu nedenle tüm çalışmalarda gerçek etki büyüklüğü aynıdır (dolayısıyla etiket sabittir). Gerçek (bilinmeyen) etki boyutunu teta ile gösteririz.

Gerçek toplam etki büyüklüğü 0.60’tır ve bu etki (üçgen ile temsil edilir) altta gösterilmektedir. Her çalışma için gerçek etki bir daire ile temsil edilir. Sabit etki modeli tanımı altında, her çalışma için gerçek etki büyüklüğü de 0.60 olmalıdır ve bu nedenle bu daireler doğrudan üçgenin üzerinde hizalanır.

NUMUNE HATASININ ETKİSİ

Tüm çalışmalar aynı gerçek etkiyi paylaştığından, gözlemlenen etki büyüklüğünün yalnızca her çalışmanın doğasında bulunan rastgele hata nedeniyle bir çalışmadan diğerine değiştiği sonucu çıkar. Her çalışmanın sonsuz bir örnek boyutu olsaydı, örnekleme hatası sıfır olur ve her çalışma için gözlemlenen etki gerçek etkiyle aynı olurdu. Gerçek etkiler yerine gözlenen etkileri çizecek olsaydık, gözlenen etkiler gerçek etkilerle tam olarak örtüşürdü.

Pratikte elbette her çalışmada örneklem büyüklüğü sonsuz değildir ve bu nedenle örnekleme hatası vardır ve çalışmada gözlenen etki gerçek etki ile aynı değildir. Her çalışma için gerçek etki hala 0.60’tır (dairelerle gösterildiği gibi) ancak gözlemlenen etki (karelerle gösterilmiştir) bir çalışmadan diğerine farklılık gösterir. Çalışma 1’de örnekleme hatası (e1) 􏰂0,20’dir ve bu, ‘nin gözlenen etkisini (Y1) verir.

Herhangi bir çalışmadaki hata rastgele olsa da, hataların örnekleme dağılımını tahmin edebiliriz. Her çalışma için gerçek etki büyüklüğü hakkında normal bir eğri yerleştirdik ve eğrinin genişliği o çalışmadaki varyansa dayalıdır. Çalışma 1’de örneklem boyutu küçüktü, varyans büyüktü ve gözlemlenen etkinin nispeten geniş olan 0.20 ila 1.00 aralığında herhangi bir yere düşmesi muhtemeldir. Buna karşılık, Çalışma 2’de örneklem boyutu nispeten büyüktü, varyans küçüktü ve gözlemlenen etkinin nispeten dar bir aralık olan 0.40 ila 0.80’e düşmesi muhtemeldir. (Normal eğrinin genişliği, varyansın veya standart hatanın kareköküne dayanır).

SABİT ETKİLİ BİR META-ANALİZİN YAPILMASI

Gerçek bir meta-analizde, elbette, nüfus etkisi ile başlamak ve gözlenen etkiler hakkında tahminler yapmak yerine, geriye doğru, gözlenen etkilerden başlayıp nüfus etkisini tahmin etmeye çalışıyoruz. Popülasyon etkisinin en kesin tahminini elde etmek için (varyansı en aza indirmek için), her çalışmaya atanan ağırlığın o çalışmanın varyansının tersi olduğu ağırlıklı bir ortalama hesaplarız. Somut olarak, sabit etkili bir meta-analizde her çalışmaya atanan ağırlıktır.

meta-analiz nedir örneği
Meta analiz Nedir
Meta-analiz özellikleri
Meta-analiz araştırma yöntemi
Ağ meta analizi nedir
meta-analiz nedir nasıl yapılır
Sistematik derleme ve meta-analiz Nedir
meta-analiz eğitim bilimleri

ÖZET NOKTALAR

Sabit etki modeli altında, analizdeki tüm çalışmalar ortak bir gerçek etkiyi paylaşır. Özet etki, bu ortak etki büyüklüğüne ilişkin tahminimizdir ve boş hipotez, bu ortak etkinin sıfır (bir fark için) veya bir (bir oran için) olmasıdır. Gözlenen tüm dağılım, örnekleme hatasını yansıtır ve bu çalışma içi hatayı en aza indirmek amacıyla çalışma ağırlıkları atanır.

Rastgele Etkiler Modeli

Bu bölümde rastgele etkiler modelini tanıtacağız. Bu modelin varsayımlarını tartışıyoruz ve bunların bir özet etkisini hesaplamak için kullanılan formüllerde ve özet etkisinin anlamında nasıl yansıtıldığını gösteriyoruz.

GERÇEK ETKİ BOYUTLARI

Yukarıda tartışılan sabit etki modeli, tüm çalışmalarda gerçek etki büyüklüğünün aynı olduğu varsayımıyla başlar. Ancak, birçok sistematik incelemede bu varsayım mantıksız. Bir meta-analizde bir grup çalışmayı dahil etmeye karar verdiğimizde, çalışmaların bilgiyi sentezlemenin mantıklı olduğu yeterli ortak noktaya sahip olduğunu varsayıyoruz, ancak genellikle bunların aynı olduğunu varsaymak için hiçbir neden yoktur. gerçek etki büyüklüğü tüm çalışmalarda tamamen aynıdır.

Örneğin, iki grupta (aşılanmış ve plasebo) hastalık gelişen hastaların oranını karşılaştıran çalışmalarla çalıştığımızı varsayalım. Tedavi işe yararsa, etki büyüklüğünün (örneğin risk oranı) benzer olmasını ancak çalışmalar arasında aynı olmamasını bekleriz.

Etki büyüklüğü, katılımcılar diğerlerinden daha yaşlı veya daha eğitimli veya daha sağlıklı olduğunda veya bir müdahalenin daha yoğun bir çeşidi kullanıldığında vb. daha yüksek (veya daha düşük) olabilir. Çalışmalar, katılımcıların karışımında ve müdahalelerin uygulanmasında farklılık göstereceğinden, diğer nedenlerin yanı sıra, farklı çalışmaların altında yatan farklı etki büyüklükleri olabilir.

Veya bir eğitim müdahalesinin etkisini değerlendiren çalışmalarla çalıştığımızı varsayalım. Etkinin büyüklüğü, çocukların kullanabileceği diğer kaynaklara, sınıf mevcudiyetine, yaşa ve çalışmadan çalışmaya değişmesi muhtemel diğer faktörlere bağlı olarak değişebilir.

Bu değişkenleri her çalışmada değerlendirmemiş olabiliriz. Aslında, etkinin boyutuyla gerçekte hangi ortak değişkenlerin ilişkili olduğunu bile bilmiyor olabiliriz. Bununla birlikte, mantık, bu tür faktörlerin var olduğunu ve etkinin büyüklüğünde değişikliklere yol açacağını belirtir. Çalışmalar arasında bu varyasyonu ele almanın bir yolu, rastgele etkiler meta-analizi yapmaktır.

Rastgele etkiler meta-analizinde, genellikle gerçek etkilerin normal olarak dağıldığını varsayıyoruz. Örneğin, tüm gerçek etki büyüklüklerinin ortalaması 0.60’tır, ancak bireysel etki büyüklükleri, normal eğri ile gösterildiği gibi bu ortalama etrafında dağıtılır. Eğrinin genişliği, gerçek etkilerin çoğunun 0,50 ila 0,70 aralığında olduğunu göstermektedir.

NUMUNE HATASININ ETKİSİ

Meta-analizimizin, normal eğri ile gösterilen çalışmaların dağılımından alınan üç çalışmayı içerdiğini ve bu çalışmalarda gerçek etkilerin (􏰎1, 􏰎2 ve 􏰎3 ile gösterilir) 0,50, 0,55 ve 0,65 olduğunu varsayalım.

Her çalışmanın sonsuz bir örnek boyutu olsaydı, örnekleme hatası sıfır olur ve her çalışma için gözlemlenen etki, o çalışma için gerçek etkiyle aynı olurdu.

Gerçek etkiler yerine gözlenen etkileri çizecek olsaydık, gözlenen etkiler gerçek etkilerle tam olarak örtüşürdü. Elbette herhangi bir çalışmada örneklem büyüklüğü sonsuz değildir ve bu nedenle örnekleme hatası sıfır değildir. Bir çalışma için gerçek etki büyüklüğü 􏰎i ise, o çalışma için gözlemlenen etki, örnekleme hatası nedeniyle 􏰎i’den küçük veya büyük olacaktır.

Örneğin, Şekil 12.2’deki Çalışma 3’ü düşünün. Bu çalışma, gözlemlenen etkiyi kontrol eden faktörleri ele aldığımız konudur. Çalışma 3 için gerçek etki 0,50’dir, ancak bu çalışma için örnekleme hatası –0,10’dur ve bu çalışma için gözlenen etki 0,40’tır.

Bu şekil ayrıca, herhangi bir çalışmada genel ortalama ile gözlemlenen etki arasındaki mesafenin iki ayrı bölümden oluştuğunu vurgulamaktadır: etki büyüklüklerindeki gerçek değişim (􏰌i) ve örnekleme hatası (ei). Çalışma 3’te 􏰑 ile Y3 arasındaki toplam mesafe 􏰂0,20’dir. 􏰑 ile 􏰎3 (0,60 ila 0,50) arasındaki mesafe, gerçek etki boyutunun aslında bir çalışmadan diğerine değiştiği gerçeğini yansıtırken, 􏰎3 ila Y3 (0,5 ila 0,4) arasındaki mesafe örnekleme hatasıdır.

The post SABİT ETKİLİ BİR META-ANALİZİN YAPILMASI – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Bu örnekte, tedavi etkisi tüm çalışmalarda tutarlıdır, ancak durum her zaman böyle değildir. Bu yazıdaki ana tema, etki büyüklüklerinin çalışmadan çalışmaya dağılımını değerlendirmenin ve ardından verileri yorumlarken bunu hesaba katmanın önemidir. Etki büyüklüğü tutarlıysa, genellikle özet etkisine odaklanacağız ve bu etkinin analize dahil edilen çalışmaların alanı boyunca sağlam olduğunu not edeceğiz.

Etki büyüklüğü orta derecede değişiyorsa, yine de özet etkiyi rapor edebiliriz, ancak herhangi bir çalışmadaki gerçek etkinin bu değerden biraz daha düşük veya daha yüksek olabileceğini not edebiliriz. Etki bir çalışmadan diğerine büyük ölçüde değişirse, dikkatimiz özet etkiden dağılımın kendisine kayacaktır.

Gözlenen etkilerdeki dağılım kısmen sahte olduğundan (hem etkilerdeki gerçek farkı hem de rastgele hatayı içerir), etkilerdeki varyasyonu yorumlamaya çalışmadan önce, gözlemlenen varyasyonun hangi kısmının (eğer varsa) gerçek olduğunu belirlememiz gerekir. Gözlemlenen varyansın hatadan kaynaklanan kısım ve gerçek etki büyüklüklerindeki değişimi temsil eden kısım olarak nasıl bölüneceğini ve ardından bu bilgilerin çeşitli şekillerde nasıl kullanılacağını gösteriyoruz.

Bu örnekte amacımız, tek bir popülasyondaki özet etkiyi tahmin etmekti. Bununla birlikte, bazı durumlarda, bir çalışma alt grubu ile diğerinin etki büyüklüğünü karşılaştırmak isteyeceğiz (örneğin, nispeten genç bir popülasyon kullananlar ile yaşlı bir popülasyon kullanan çalışmalar için). Diğer durumlarda, varsayılan moderatörlerin (veya ortak değişkenlerin) etki büyüklüğü üzerindeki etkisini değerlendirmek isteyebiliriz (örneğin, 10, 20, 40, 80, 160 mg’lık dozların kullanıldığı çalışmalarda etki büyüklüğünün karşılaştırılması). Bu tür analizler aşağıda tartışılmaktadır.

Neden Meta-Analiz Yapmalısınız?

Neden bir meta-analiz yapmalıyız? Her çalışma için rapor edilen sonuçları almak ve daha sonra bunları bir uzman tarafından harmanlamak ve sentezlemek yerine, verileri sentezlemek için istatistiksel yöntemleri kullanmanın avantajları nelerdir?

Bu bölümde, incelemeye dahil edilecek çalışmaları zaten seçtiğimiz ve sentezin kendisini planladığımız noktadan başlıyoruz. Çalışmaları bulma ve seçme sürecinde sistematik incelemeler ile anlatı incelemeleri arasındaki farkları ele almıyoruz. Bu farklılıklar kritik derecede önemli olabilir, ancak (her zaman olduğu gibi) tüm inceleme sürecinden ziyade veri analizine odaklanıyoruz.

meta-analiz nedir örneği
Meta analiz makale Örneği
Meta-analiz makale
Meta-analiz özellikleri
Meta analiz çalışması
Meta-Analiz Kitap
Meta-regresyon nedir
Sistematik derleme ve meta-analiz Nedir

Bir sentezin amacı, herhangi bir çalışmanın sonuçlarını diğer tüm çalışmalar bağlamında anlamaktır. İlk olarak, etki büyüklüğünün veri gövdesinde tutarlı olup olmadığını bilmemiz gerekir. Tutarlıysa, etki büyüklüğünü mümkün olduğunca doğru bir şekilde tahmin etmek ve senteze dahil edilen çalışma türleri arasında sağlam olduğunu bildirmek isteriz. Öte yandan, çalışmadan çalışmaya önemli ölçüde farklılık gösteriyorsa, varyansın kapsamını ölçmek ve sonuçları değerlendirmek istiyoruz.

Meta-analiz bu sorunları ele alabilirken, anlatı incelemesi değildir. Meta-analiz ve anlatı incelemesinin aynı soruya nasıl yaklaşacağını göstermek için bir örnekle başlıyoruz ve ardından bu örneği ikisi arasındaki temel farklılıkları vurgulamak için kullanıyoruz.

STREPTOKİNAZ META ANALİZİ

1959’da başlayan ve 1988’de sona eren zaman periyodunda (yaklaşık 30 yıllık bir süre), streptokinazın bir kalp krizini takiben ölümü önleme yeteneğini değerlendirmek için toplam 33 randomize çalışma yapıldı. Damardan uygulanan ve pıhtı önleyici olarak adlandırılan streptokinazın, kalp krizine neden olan pıhtıyı çözdüğü ve böylece hayatta kalma olasılığını arttırdığı varsayılmıştır. Deneylerin tümü benzer protokolleri izledi ve hastalar rastgele ya tedaviye ya da plaseboya atandı. Sonuç, hasta ölse de ölmese de tüm çalışmalarda aynıydı.

Denemeler boyut olarak önemli ölçüde değişiyordu. Medyan örneklem büyüklüğü 100’ün biraz üzerindeydi ancak örneklem büyüklüğü 20 hasta arasında olan bir çalışma ve sırasıyla 12.000 ve 17.000 hastayı içeren iki büyük ölçekli çalışma vardı. 33 çalışmanın altısı istatistiksel olarak anlamlıyken diğer 27’si değildi, bu da çalışmaların çelişkili sonuçlar verdiği algısına yol açtı.

1992’de Lau ve ark. 33 çalışmanın sonuçlarını sentezleyen bir meta-analiz yayınladı. Aşağıdaki sunum Lau makalesine dayanmaktadır (Lau’nun bir olasılık oranı kullandığı bir risk oranı kullanmamıza rağmen).

Orman grafiği, analiz için bağlam sağlar. Merkezin solundaki etki boyutu, tedavi edilen hastaların hayatta kalma olasılığının daha yüksek olduğunu gösterirken, merkezin sağındaki etki boyutu, kontrol hastalarının hayatta kalma olasılığının daha yüksek olduğunu gösterir.

Arsa, aşağıdaki noktaları vurgulamaya hizmet eder.

• Etki büyüklükleri, çalışmadan çalışmaya makul ölçüde tutarlıdır. Çoğu, 0,50 ila 0,90 aralığına düşer, bu da bir özet etki büyüklüğü hesaplamanın uygun olacağını düşündürür.
• Özet etki, 0,72 ila 0,87 arasında %95 güven aralığı ile 0,79 risk oranıdır (yani, ölüm riskinde %21’lik bir azalma, %95 güven aralığı %13 ila %28). Özet etkisi için p değeri 0,0000008’dir.
• Her etki boyutunu sınırlayan güven aralığı, o çalışmadaki kesinliği gösterir. Aralık 1.0’ı hariç tutuyorsa, p değeri 0,05’ten küçüktür ve çalışma istatistiksel olarak anlamlıdır. Çalışmaların altısı istatistiksel olarak anlamlıyken 27’si anlamlı değildi.
• Özetle, tedavi ölüm riskini yaklaşık %21 oranında azaltır. Ve bu etki, analizdeki tüm çalışmalarda makul ölçüde tutarlıydı.

Bu yazı boyunca, bu sonuçlara yol açan istatistiksel prosedürleri açıklıyoruz. Bu bölümdeki amacımız, basitçe meta-analizin bu mekanizmaları sunduğunu, oysa anlatı incelemesinin sağlamadığını açıklamaktır. Temel farklılıklar aşağıdaki gibidir.

İSTATİSTİKSEL ANLAMLILIK

Bir çalışmada sorulan ilk sorulardan biri, sonuçların istatistiksel önemidir. Anlatı incelemesinin, farklı çalışmalardan elde edilen p-değerlerini sentezlemek için bir mekanizması yoktur ve bunları ayrı veri parçaları olarak ele almak zorundadır. Bu örnekte, çalışmaların altısı istatistiksel olarak anlamlıyken diğer 27’si anlamlı değildi, bu da bazılarının bir etkiye karşı kanıt olduğu veya sonuçların tutarsız olduğu sonucuna varmasına neden oldu. Buna karşılık, meta-analiz, etkileri birleştirmemize ve özet etkisinin istatistiksel önemini değerlendirmemize izin verir. Özet etkisi için p değeri p 5 0.0000008’dir.

27 çalışmanın küçük etkiler bildirdiği için istatistiksel anlamlılığa ulaşamadığı varsayılabilir, ancak durumun böyle olmadığı orman planından açıkça görülmektedir. Aslında, bu çalışmaların birçoğundaki tedavi etkisi, istatistiksel olarak anlamlı olan altı çalışmadaki tedavi etkisinden daha büyüktü. Aksine, çalışmaların %82’sinin istatistiksel olarak anlamlı olmamasının nedeni, bu çalışmaların örneklem büyüklüğünün küçük ve istatistiksel gücünün düşük olmasıdır. Aslında, Bölüm 29’da tartışıldığı gibi, çoğu %20’den daha az güce sahipti. Buna karşılık, meta-analiz için güç %99,9’u aştı.

Bu örnekte olduğu gibi, bir sentezin amacı sıfır hipotezini test etmekse, meta-analiz bu amaç için matematiksel olarak kesin bir mekanizma sağlar. Bununla birlikte, meta-analiz, istatistiksel anlamlılık sorununun ötesine geçmemize ve daha ilginç ve aynı zamanda daha alakalı soruları ele almamıza da olanak tanır.

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