Belirli bir hastanın uygun olup olmayacağını belirlemek için dahil edilen çalışmaların dahil etme ve hariç tutma kriterlerini dökmek yerine, bu soruya “hastamdaki altta yatan patobiyoloji çalışma herhangi bir rehberlik sağlayamayacak kadar farklı mı?” Sorusunu sorarak daha iyi yaklaşılır. 

Bu, hastalık sürecinin patogenezinin yanı sıra hastaya özel biyoloji ve çevresel maruziyetlerin dikkate alınmasını içerir. Aşağıda açıklanan sistematik bir derlemenin uygulanabilirliğine yönelik potansiyel zorluklar göz korkutucu görünse de, “hastalarımız ile araştırmalarda okuduklarımız arasındaki farkların niceliksel olma eğiliminde olduğunu (örneğin risk ve yanıt verme derecesine ilişkin konular) akılda tutmak faydalı olacaktır. 

Örneğin, randomize klinik araştırmalar, beta blokerlerin akut miyokard enfarktüsünde (MI) ölüm riskini azaltmada yararlı olduğunu açıkça ortaya koymuş olsa da, bu ilaçlar, klinisyenler kullanımlarını “ Araştırmaya giriş kriterlerini karşılayan ideal hastalar” vardır.

Bununla birlikte, gerçek dünya ortamındaki gözlemsel çalışmalar, beta blokerlerin, algılanan kontrendikasyonlar (periferik vasküler hastalık, diabetes mellitus, konjestif kalp yetmezliği gibi) nedeniyle orijinal denemelerin dışında bırakılacak hastalarda da aynı derecede faydalı olduğunu ileri sürmüştür. 

Ayrıca, bu tür sonuç araştırmaları, deneylerde geleneksel olarak yeterince temsil edilmeyenler (kadınlar, siyahlar veya yaşlılar gibi) dahil olmak üzere tüm ana hasta alt gruplarında göreceli sağkalım faydalarının %30-40 düzeyinde olduğunu doğrulamıştır.

Ancak, bu genel kuralın bazı istisnaları vardır. Birincisi, aynı tanıya sahip iki veya daha fazla hastada hastalık patofizyolojisi genellikle benzer olsa da, durum her zaman böyle olmayabilir. Farklılıklar olduğu ölçüde, sistematik bir incelemenin uygulanabilirliği sınırlı olabilir.

Örneğin, kalp yetmezliğinde anjiyotensin dönüştürücü enzim (ACE) inhibitörlerinin denemelerine katılan hastaların büyük çoğunluğunun sistolik disfonksiyonu olmasına rağmen, popülasyona dayalı kohort çalışmaları, kalp yetmezliği olan tüm hastaların %30-40’ında diyastolik disfonksiyon olduğunu göstermektedir. 

Bu nedenle, bu denemelerin sistematik bir incelemesi ACE inhibitörü tedavisinden belirgin bir sağkalım yararı olduğunu gösterirken, faydaların diyastolik disfonksiyonu olan kalp yetmezliği hastalarına uzanıp uzanmadığı belirsizdir (aslında sonuç araştırmaları diyastolik disfonksiyonda ACE inhibitörleri ile herhangi bir mortalite avantajı bulamamıştır). 

Teknik Analiz öğrenme
Teknik analiz siteleri
Teknik analiz Grafik Okuma
Teknik analiz programı ücretsiz
Teknik analiz Yöntemleri
Teknik analiz PDF
Grafik analiz programı
Borsa teknik analiz PDF

Bu klinik ikilemin çözümü daha fazla araştırmayı beklerken, bu örnek, araştırma kanıtlarını doğru bir şekilde yorumlamak için hastalık patofizyolojisinin sağlam bir şekilde anlaşılması gerekliliğini vurgulamaya hizmet ediyor. İkincisi, hastayla ilgili birkaç faktör de araştırma sonuçlarının uygulanabilirliğini etkileyebilir.

Örneğin, genetik polimorfizmden kaynaklanan, ilaç metabolizmasındaki (asetilasyon oranları gibi) veya hastalar arasındaki immün yanıttaki farklılıklar, müdahalelerin etkilerini değiştirebilir. Üçüncüsü, çevresel faktörler tedavi etkilerini etkileyebilir (örneğin, amiodaron ile tiroid disfonksiyonu sıklığı) çevresel iyot alımına göre değişir).

Son olarak, bireysel bir hasta çalışmalardakilerden daha az (veya daha fazla) uyumluysa, bir müdahaleden elde edilen fayda ve zarar arasındaki denge farklılık gösterebilir: örneğin, uyumsuz hastalar kronik varfarin tedavisi ile uyumlu olanlara göre daha yüksek kanama riski altındadır. (göreceli risk 2,3, P = 0,003).

Araştırma kanıtlarının uygulanabilirliği üzerindeki bu sayısız etki göz önüne alındığında, kişinin kendi pratiğindeki hastalar ile sistematik incelemelerde açıklananlar arasında tedavi yanıtında bazı farklılıklar beklenmelidir. Bununla birlikte, bu varyasyonlar her zaman önemli değildir (örneğin, çeşitli patogenezlere rağmen katarakt tedavisi genellikle benzerdir) veya tedavi edilemez (bir ilacın dozu, hastanın bireysel yanıtına göre ayarlanabilir).

Kronik varfarin tedavisi ile kanama örneğine dönecek olursak, kohort çalışmaları, randomize çalışmalarda görülen komplikasyon oranlarının, fiili uygulamada uyumlu hastalar ve klinisyenler ile elde edilebileceğini göstermiştir.

Bu nedenle, çalışma sonuçlarının, denemelere kaydedilenden daha geniş bir hasta yelpazesine uygulanabilir olduğu varsayımı genellikle doğrudur ve kardiyovasküler alandaki sonuç araştırmaları tutarlı bir şekilde, bu varsayımdan, hasta alt gruplarından etkili tedavilerin kesilmesinden daha az zararın ortaya çıktığını göstermektedir. randomize çalışmalarda araştırılmamıştır.

Genel Sonuçlardan Klinik Olarak Faydalı Tahminler Türetme

İkili sonuçlara sahip randomize klinik çalışmaların ve sistematik incelemelerin sonuçları çeşitli şekillerde ifade edilebilmesine rağmen, tedavinin etkilerini bir klinik olayı (NNT) önlemek için tedavi edilmesi gereken hasta sayısı cinsinden ifade etmek yaygınlaşmaktadır. Hastalara ekstrapolasyon yapmak için en uygun format olarak kabul, dahil edilen çalışmalarda ortalama risk altında olan hastalara doğrudan uygulanabilir ve olmayan hastalar için yatak başında hızlı bir şekilde ayarlanabilir.

NNT’nin ön saflardaki klinisyenlere göre daha geleneksel raporlama biçimlerine göre avantajı (temel riski yansıtmayan rölatif risk azaltma (RRR) veya olasılık oranı (OR) gibi) antihipertansifin yararları göz önünde bulundurularak gösterilmiştir. Değişen derecelerde kan basıncı yükselmesi olan hastalar için tedaviler vardır.

Görülebileceği gibi, her üç kan basıncı katmanındaki OR (ve RRR) yaklaşık %40’tır, ancak klinisyenler ve hastalar tarafından bir inmeyi önlemek için gereken çaba miktarı temel riske göre değişir.

NNT’ler, bağıl ve mutlak riskler rapor edildiğinde kolayca hesaplanırken (NNT, kontrol ve deney kolları arasındaki mutlak olay oranlarındaki farkın tersidir), OR’lerden kolayca hesaplanamazlar.

OR’nin değeri her zaman RR’yi yansıtmadığından (özellikle hastalık insidansı %10’un üzerinde olduğunda), klinisyen sadece OR’yi rapor eden sistematik incelemelerden genel NNT’yi elde etmek için bir formül kullanmalı veya Tablo 19.2’ye başvurmalıdır. Valvüler olmayan atriyal fibrilasyonu olan ortalama bir hastada (atriyal fibrilasyon denemelerinin sistematik bir incelemesinde belirlendiği üzere) varfarin tedavisi ile bir embolik inmenin önlenmesi için NNT yaklaşık 33’tür.

NNT’ye benzer şekilde, zarar vermek için gereken sayı (NNH), ilave bir advers olaya neden olmak için müdahale alması gereken hasta sayısının bir ifadesidir. NNH, kontrol ve deney kolları arasındaki mutlak advers olay oranlarındaki farkın tersidir. Örneğin, atriyal fibrilasyon denemelerinin sistematik incelemesinde varfarin tedavisi için NNH (zarar majör kanama olarak tanımlanır) 250’dir.

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

İfadeyi yorumlamaya yardımcı olması için, ilaçların hastalar üzerindeki etkilerine ilişkin araştırmaları göz önünde bulundurun. Bir araştırmacı 0 mg, 10 mg ve 20 mg dozlarını içerebilir. FE ANOVA’da, bu tedaviler (dozajlar) bu seviyelerde sabitlenir, bunlar sadece ilgilenilenler olarak kabul edilir ve bu üç dozajın örneklendiği doğal olarak oluşan bir dozaj dağılımı olduğu fikri reddedilir. Bu, meta-analizdeki FE modelinden iki önemli şekilde farklıdır.

İlk olarak, meta-analizde araştırmacı, FE meta-analizine dahil edilen bireysel çalışmalarda parametre değerlerini (ρ1 veya δ1) belirtmez (veya düzeltmez). Bunun yerine, bunlar yalnızca çalışma örnekleminde gerçekleştiği için kabul edilir. Yani, sadece gözlemlenirler ve manipüle edilmezler.

İkinci fark birincisinden kaynaklanmaktadır: Araştırmacı, meta-analize dahil edilen çalışmalarda parametre değerlerini sabitlemediği ve sadece olduğu gibi kabul ettiği için, bunu varsaymanın veya varsaymanın hiçbir temeli veya mantığı yoktur. bu parametre değerlerinin çalışmalar arasında bir dağılımı yoktur; bu, ANOVA’daki sabit modelin temel varsayımıdır.

Ulusal Araştırma Konseyi raporunun (1992) ANOVA’daki FE modelleri ile meta-analizdeki FE modelleri arasındaki analojiyi reddetmesinin nedenleri bunlardır. Bu düşünceler, meta-analizdeki FE modelinin yalnızca Sρ2 (veya Sδ2) = 0 olan çalışma kümelerinde geçerli olduğu sonucuna (daha önce belirtildiği gibi) yol açtı.

Bu (nadir) durumlarda, çalışma parametre değerleri gerçekten sabittir – FE ANOVA tasarımlarının aksine hepsi aynı değerde olsa da. Daha önce tartışıldığı gibi, Ulusal Araştırma Konseyi raporu, bu koşul karşılanmadığında, FE meta-analiz modelinin yüksek Tip I hata oranlarına ve gerçekçi olmayan dar güven aralıklarına yol açtığı sonucuna varmıştır.

Hedges ve Vevea, meta-analizde FE modeli için istatistiksel bir mantık veya doğrulama olmadığı sonucuna varmak için burada FE modeli için tartışılan mantığı terk etti. Ancak araştırmacı tarafından öznel yargıya dayalı bir gerekçe olabileceğini belirtmişlerdir.

Meta-analizde yer alan belirli çalışmaların ötesine genelleştirilemezlerse, FE sonuçlarının çok az değerli veya ilgi çekici olduğunu kabul ederek başladılar ve bu tür bir genellemenin “resmi bir örnekleme argümanı tarafından doğrulanmadığı” sonucuna vardılar.

Gelir tablosu dikey yüzde analizi yorumlama
Teknik analiz Grafik Okuma
Mali tablolar analizi yorumlama örnekleri
Dikey yüzde analizi
Dikey analiz yorumlama
Gelir tablosu dikey analiz Formülü
Gelir tablosu dikey analiz örnekleri
Borsa grafik okuma programı

Bununla birlikte, bir araştırmacının, FE tahminlerinin tüm araştırma alanına genellenmesinin haklı olduğu konusunda öznel bir “istatistik dışı” veya “deney dışı” yargıda bulunabileceğini savundular: “Özellikle, çalışmaların yeterince benzer olduğuna önceden karar verilirse, çıkarımlar doğrulanabilir.

Bu yargı, (genellemenin genişletileceği) yeni çalışmaların, FE meta-analizinde yer alan orijinal çalışma setinde bulunanları, çalışma için çalışma, tam olarak yeniden üreten çalışma parametrelerine (ρ1 veya δ1) sahip olduğu yargısıdır. Böyle bir öznel yargının nasıl haklı gösterilebileceğini görmek zor. Bir araştırmacının böyle bir bilgi için nasıl bir temeli olabilir?

Hedges ve Vevea (1998) FE modelini uygulayan hesaplamalı örnekler sağlasalar da, FE modelinin kullanımı için bir gerekçe olarak böyle bir öznel yargının uygun olacağı bir duruma ilişkin hiçbir somut örnek (varsayımsal bile) vermezler. Bunun ne zaman uygun olabileceğine dair herhangi bir yönerge veya öneri de sunmadılar.

Hedges ve Vevea (1998), meta-analizdeki FE modelinin istatistiksel bir gerekçesi olmadığını ve bunun ileriye doğru bir adım olduğunu kabul etti. Bununla birlikte, araştırmacıların şüpheli yargılarına dayanan öznel bir gerekçe sunma girişimleri zayıf görünmektedir. Bir prosedürün istatistiksel bir gerekçesi yoksa, onun yerine ikame edilmesi, öznel, istatistiksel olmayan bir gerekçe oluşturmaya tercih edilir. RE modelinin net bir istatistiksel gerekçesi vardır, öznel yargılar gerektirmez ve tüm meta-analiz uygulamalarında kullanılabilir.

İkinci Dereceden Örnekleme Hatası: Genel İlkeler

Az sayıda çalışmaya dayalı herhangi bir meta-analizin sonucu, bir dereceye kadar hangi çalışmaların rastgele elde edilebileceğine bağlıdır; yani sonuç, kısmen çalışmalar arasında rastgele değişen çalışma özelliklerine bağlıdır. Bu, analiz edilen çalışmalar o anda var olan her şey olsa bile doğrudur. Bu fenomene “ikinci dereceden örnekleme hatası” denir. Standart sapmaların meta-analitik tahminlerini, ortalama tahminlerini etkilediğinden daha fazla etkiler.

Sıradan veya birinci dereceden örnekleme hatası ve sıradan istatistikler için de durum böyledir: Sıradan örnekleme hatası, ortalamalardan çok standart sapmaları etkiler. Olağan veya birinci dereceden örnekleme hatası, bir çalışma içindeki deneklerin örneklenmesinden kaynaklanır. İkinci dereceden örnekleme hatası, bir meta-analizdeki çalışmaların örneklenmesinden kaynaklanmaktadır.

Varsayımsal bir örnek düşünün. A özelliği ile iş performansı arasındaki ilişkiyi tahmin eden sadece 10 çalışma olduğunu varsayalım. Çalışma başına ortalama örneklem büyüklüğü sadece 68 olsa bile, ortalama geçerlilik N = 680’e dayanacak ve makul ölçüde istikrarlı olacaktır.

Çalışmalar arasında gözlemlenen varyans sadece 10 çalışmaya dayalı olacaktır ve örnekleme hatasından beklenen varyans miktarıyla karşılaştırdığımız bu varyans sadece 10 veri noktasına dayalı olacaktır. Şimdi, örnekleme hatasının, gözlemlenen korelasyonlarda (geçerliliklerde) çalışmalar arası varyans üretmek için çalışan tek faktör olduğunu varsayalım.

Daha sonra, büyük pozitif örnekleme hatalarına sahip bir veya iki çalışmamız rastgele olsaydı, çalışmalar arasında gözlemlenen varyans muhtemelen tahmin edilen varyanstan daha büyük olurdu ve yanlış bir şekilde, örneğin, örnekleme hatasının yalnızca 50 olduğu sonucuna varabiliriz. Çalışmalar arasında gözlemlenen geçerlilik varyansının yüzdesidir.

Öte yandan, örneğin rastgele beş veya altı çalışmanın gözlemlenen geçerlilik katsayıları beklenen değere (popülasyon ortalaması) çok yakın olsaydı, o zaman çalışmalar arasında gözlemlenen varyans muhtemelen çok küçük olurdu ve Birinin tipik olarak (veya ortalama olarak) bu tür rastgele seçilmiş 10 çalışma boyunca (yürütülebilecek bu tür varsayımsal çalışmaların popülasyonundan) gözlemleyebileceği varyans miktarına bakılır.

Aslında, gözlemlenen varyans, örnekleme hatasından tahmin edilen varyanstan daha küçük olabilir. Örnekleme hatası tarafından hesaplanan hesaplanmış yüzde varyans, bu durumda %100’den büyük bir rakam, örneğin %150 olacaktır. Tabii ki, bu durumda doğru sonuca varılacaktır: Gözlenen tüm varyans, örnekleme hatasıyla açıklanabilir.

Ancak, bazı insanlar bu tür sonuçlardan rahatsız olmuştur. Örnekleme hatasının gerçekte gözlemlenenden daha fazla varyansı hesaba katabileceğini gösteren sonuçlara şaşırıyorlar. Bazen örnekleme hatası varyansı formülünün geçerliliğini sorgulamaya yönlendirilirler.

Bu formül, ortalama olarak üretecek varyans örnekleme hatasının miktarını doğru bir şekilde tahmin eder. Ancak, örnekleme hatası rastgele bazı örneklerde bu miktardan daha fazlasını ve diğer örneklerde daha azını üretir. Çalışma sayısı ne kadar fazlaysa (diğer şeyler eşitse), beklenen varyanstan gözlemlenen sapmalar o kadar küçük olur. Bununla birlikte, çalışmaların sayısı küçükse, bu sapmalar yüzde bazında oldukça büyük olabilir (bu gibi durumlarda bile mutlak sapmalar genellikle küçüktür).

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