Yaşanmış laboratuvar kazaları

Uyarı Çalışma sayısı çok küçükse, çalışmalar arası varyansın (2) tahmininin kesinliği zayıf olacaktır. Rastgele etkiler modeli hala uygun model olsa da, onu doğru bir şekilde uygulamak için gereken bilgilere sahip değiliz. Bu durumda gözden geçiren kişi, her biri sorunlu olan çeşitli seçenekler arasından seçim yapabilir. Seçeneklerden biri, ayrı etkileri rapor etmek ve bir özet etkiyi rapor etmemektir. Umut, okuyucunun, etki büyüklüğü ve güven aralığı hakkında sonuçlar çıkaramayacağımızı anlamasıdır. Sorun şu ki, bazı okuyucular oy sayımına geri dönecekler (bkz. Bölüm 28) ve muhtemelen hatalı bir sonuca varacaklar. Diğer bir seçenek de sabit etki analizi yapmaktır. Bu yaklaşım, dahil edilen çalışmaların tanımlayıcı bir analizini sağlar, ancak daha geniş bir popülasyon hakkında çıkarımlar yapmamıza izin vermez. Bu yaklaşımın sorunu, (a) daha geniş bir popülasyon hakkında çıkarımlar yapmak istememiz ve (b) okuyucuların garanti edilmese bile bu çıkarımları yapacak olmasıdır. Üçüncü bir seçenek, 2 tahmininin mevcut çalışma setinin dışından gelen verilere dayandığı bir Bayes yaklaşımı benimsemektir. Bu muhtemelen en iyi seçenektir, ancak sorun, Bayes meta-analizinde nispeten az sayıda araştırmacının uzmanlığa sahip olmasıdır. Ek olarak, bazı araştırmacıların bu yaklaşıma felsefi bir itirazı vardır. Bu konuyla ilgili daha genel bir tartışma için Bölüm 40'ta bir meta-analiz yapmak ne zaman mantıklıdır bölümüne bakın. MODEL HETEROJENİTE TESTİNE DAYALI OLMAMALIDIR Bir sonraki bölümde, çalışmalar arası varyansın sıfır olduğu sıfır hipotezinin bir testini sunacağız. Bu test, çalışmaların gerçekten ortak bir etki büyüklüğünü paylaşması durumunda bekleyeceğimiz miktara göre, gözlemlenen çalışmalar arası varyansın miktarına dayanmaktadır. Bazıları, sabit etkili bir modelle başlama ve homojenlik testi istatistiksel olarak anlamlıysa rastgele etkiler modeline geçme uygulamasını benimsemiştir. Rastgele etkiler modelini kullanma kararı, istatistiksel bir testin sonucuna değil (özellikle heterojenlik testi olduğundan) tüm çalışmaların ortak bir etki büyüklüğünü paylaşıp paylaşmadığına dair anlayışımıza dayanmalıdır, çünkü bu uygulama kesinlikle önerilmemelidir. genellikle düşük güçten muzdariptir). Çalışma etki büyüklüklerinin, etki büyüklüklerinin dağılımından örneklendiği görülüyorsa, bu fikri yansıtan rastgele etkiler modelinin kullanılması mantıklıdır. Çalışmalar arası varyans önemliyse (ve istatistiksel olarak anlamlıysa), o zaman sabit etkili model uygun değildir. Hizmette heterojenlik nedir Heterojen ne Demek Homojen Ne Demek Heterojen örnek Heterojen Toplum Nedir Heterojen görünüm nedir Heterojen tıpta nedir Tahlilde heterojen nedir Bununla birlikte, çalışmalar arası varyans istatistiksel anlamlılık kriterini karşılamasa bile (ki bu sadece düşük güçten kaynaklanıyor olabilir), ağırlıkları atarken yine de bu varyansı hesaba katmalıyız. T 2 sıfır çıkarsa, rastgele etkiler analizi sabit etki analizine indirgenir ve bu nedenle bu modeli kullanmanın hiçbir maliyeti yoktur. Öte yandan, sabit etki modelini önceden kullanmayı seçmişseniz ancak homojenlik testi istatistiksel olarak anlamlıysa, sabit etki modelinin seçimine yol açan varsayımları tekrar gözden geçirmek önemli olacaktır. Sabit model ve rastgele etkiler modeli arasındaki farklara ilişkin tartışmamız, büyük ölçüde özet etkinin hesaplanmasına ve özet etki için güven aralıklarına odaklandı. Dağılımın kendisinin etkilerine değinmedik. Sabit etki modeli altında, gözlemlenen etkilerdeki tüm dağılımın örnekleme hatasından kaynaklandığını varsayıyoruz, ancak rastgele etkiler modelinde bu dağılımın bir kısmının çalışmalar arasında etki büyüklüğündeki gerçek farklılıkları yansıtmasına izin veriyoruz. İzleyen bölümlerde, bu dağılımı nicelleştirme ve onun asli sonuçlarını dikkate alma yöntemlerini tartışacağız. Bu yazı boyunca, her çalışmanın ortak bir gerçek etki büyüklüğüne sahip olduğunu varsayarak bir sabit etki meta-analizi tanımlamış olsak da, bazıları bu varsayımı yapmadan sabit etki yönteminin geçerli olduğunu iddia etmiştir. Sabit etkili bir meta-analizde etkinin nokta tahmini, yalnızca ağırlıklı bir ortalamadır ve tüm çalışmaların aynı şeyi tahmin ettiği varsayımını kesin olarak gerektirmez. Basitlik ve netlik için, etkinin homojenliğini varsayan bir sabit etkili meta-analiz tanımını benimsiyoruz. ÖZET NOKTALAR Sabit etkili meta-analiz, her çalışmada ortak olduğu varsayılan tek bir etkiyi tahmin ederken, rastgele etkiler meta-analizi, etkilerin dağılımının ortalamasını tahmin eder. Çalışma ağırlıkları, sabit etkiler modeline göre rastgele etkiler modeli altında daha dengelidir. Sabit etki modeline kıyasla büyük çalışmalara daha az göreli ağırlık atanır ve küçük çalışmalara daha fazla göreli ağırlık atanır. Özet etkisinin standart hatası ve (takip eder) özet etkisinin güven aralıkları, rastgele etkiler modelinde sabit etki modeline göre daha geniştir. Bir modelin bu seçimi, yalnızca hangi modelin etki büyüklüklerinin dağılımına uyduğu sorusuna dayanmalı ve ilgili hata kaynaklarını dikkate almalıdır. Çalışmalar yayınlanmış literatürden toplandığında, rastgele etkiler modeli genellikle daha makul bir eşleşmedir. Heterojenlik testi anlamlıysa, sabit etkili bir modelle başlama ve ardından rastgele etkiler modeline geçme stratejisi bir hatadır ve kesinlikle önerilmemelidir. Heterojenlik Bu ciltteki ana tema, bir sentezin amacının sadece bir özet etkiyi hesaplamak değil, daha çok etki modelini anlamlandırmak olduğudur. Bir dizi çalışmada sürekli olarak suç davranışı riskini %40 azaltan bir müdahale, bazı çalışmalarda %10'dan diğerlerinde %70'e kadar değişen bir risk azalmasıyla riski ortalama %40 azaltan müdahaleden çok farklıdır. Etki büyüklüğü çalışmalar arasında tutarlıysa, bunu bilmemiz ve sonuçları göz önünde bulundurmamız gerekir ve eğer değişirse bunu bilmemiz ve farklı sonuçları göz önünde bulundurmamız gerekir. Bu Kısmın ilk bölümü, etki büyüklüklerindeki heterojenliğin nasıl belirleneceği ve nicelleştirileceği sorusuyla ilgilenir. Ele almamız gereken sorun, tahmin edilen etki büyüklüklerinde gözlemlenen varyasyonun, hem etki büyüklüklerindeki gerçek varyasyonu hem de rastgele hatayı içermesi bakımından kısmen sahte olmasıdır. Gerçek varyansın nasıl izole edileceğini ve daha sonra dağılım üzerinde çeşitli perspektifler sağlayan bir dizi önlem oluşturmak için nasıl kullanılacağını gösteriyoruz. Bunlar, Q istatistiği (ağırlıklı kare sapmaların bir ölçüsü), Q istatistiğine (p), çalışmalar arası varyansa (T 2), çalışmalar arası standart sapmaya (T) dayalı istatistiksel bir testin sonuçları ve gerçek heterojenliğin toplam gözlemlenen varyasyona oranı (I2). Ardından, bu önlemlerin aşağıdaki soruları ele almak için nasıl kullanılabileceğini göstereceğiz. Gerçek etki büyüklüklerinde heterojenlik kanıtı var mı? Gerçek etkilerin varyansı nedir? Bu heterojenliğin asli sonuçları nelerdir? Gözlenen dağılımın ne kadarı gerçektir? Bu Kısımdaki diğer bölümler, heterojenliğin nedenlerini keşfetme yöntemlerini ele almaktadır. Birincil çalışmalardaki varyans analizine benzer şekilde, farklı çalışma alt gruplarında (farklı popülasyonları kullanan çalışmalar veya müdahalenin farklı varyantlarını kullanan çalışmalar gibi) etki boyutunun nasıl karşılaştırılacağını göstereceğiz. Birincil araştırmalardaki çoklu regresyona benzer şekilde, etki büyüklüğü ile ortak değişkenler (bir ilacın dozu veya çalışma örneğindeki ortalama yaş gibi) arasındaki ilişkinin nasıl değerlendirileceğini göstereceğiz. Son olarak, her iki teknikle ilgili konuların (ve bazı önemli uyarıların) bir tartışmasını içerir.