बहु-स्तरीय मॉडलिंग के बिना, मेटा-विश्लेषण में अध्ययन-अध्ययन प्रतिकृति को कैसे संभालना है, जहां अध्ययन प्रतिकृति की इकाई है?

अध्ययन का विवरण:

मैंने अध्ययन-विश्लेषण प्रतिकृति को संभालने के संबंध में मेटा-विश्लेषणों के बीच एक सामान्य त्रुटि देखी है। यदि मान्यताओं को कहा जाता है तो त्रुटि अध्ययन को अमान्य कर देती है, यह मेरे लिए स्पष्ट नहीं है। हालाँकि, जैसा कि मैं इसे समझता हूँ, ये धारणा आँकड़ों के मूल आधार का उल्लंघन करती है।

एक उदाहरण के रूप में, एक अध्ययन प्रतिक्रिया पर रासायनिक के प्रभावों का परीक्षण करता है । $X$ $Y$

विश्लेषण लॉग प्रतिक्रिया अनुपात पर किया जाता है: उपचार के अनुपात (की उपस्थिति में ) को नियंत्रित करने के (कोई ): $Y_{+X}$ $X$ $Y_{0}$ $X$

R = \ln (\frac{Y_{+ X}}{Y_{0}})

$R = \ln(\frac{Y_{+X}}{Y_{0}})$

मेटा-विश्लेषण में शामिल कुछ अध्ययनों में कई उपचार शामिल हैं, उदाहरण के लिए विभिन्न स्तरों या रासायनिक रूपों । प्रत्येक उपचार के लिए, का एक अलग मूल्य है , हालांकि हमेशा के समान मूल्य का उपयोग करता है । $X$ $R$ $R$ $Y_0$

तरीके राज्य:

एक ही अध्ययन के भीतर अलग-अलग उपचारों ( स्तर और रूपों ) की प्रतिक्रियाओं को स्वतंत्र अवलोकन माना जाता था। $X$

प्रशन:

क्या यह छद्म मूल्यांकन नहीं है?
क्या यह अनुचित है भले ही स्वतंत्रता का उल्लंघन तरीकों में कहा गया हो?
अध्ययन प्रतिकृति के भीतर एक आसान तरीका क्या होगा (जैसे एक साधारण मेटा-विश्लेषण सॉफ़्टवेयर पैकेज की क्षमता के भीतर)?

प्रारंभिक विचार:

प्रत्येक अध्ययन के परिणामों को सारांशित करें, उदाहरण के लिए औसत प्रतिक्रिया लेकर
प्राथमिकताओं के मानदंड (जैसे उच्चतम खुराक, पहला माप) के आधार पर प्रत्येक अध्ययन से केवल एक उपचार का चयन करें?

क्या कोई और उपाय है?

repeated-measures meta-analysis

— डेविड लेबर
स्रोत

यह सिर्फ एक त्वरित अनुमान है, लेकिन आप किम / बेकर 2010 की जांच करना चाहते हैं : कई उपचार उपचार आकार के बीच निर्भरता की डिग्री ; मैंने लेख नहीं पढ़ा है लेकिन यह आपके प्रश्न से संबंधित हो सकता है।

— बेरंड वीस

क्या मेटा-विश्लेषण वास्तव में आर के इन सभी अंतर मूल्यों को औसत करता है? यह बल्कि अजीब लगता है, उदाहरण के लिए एक मेटा-रिग्रेशन का प्रयास करने की तुलना में - जिस स्थिति में एक्स के विभिन्न स्तरों पर आर के बीच अंतर हो सकता है वह हो सकता है कि आप पूरे अध्ययन के संयोजन में क्या रुचि रखते हैं।

— अतिथि

@guest हाँ, वे वास्तव में हैं; यह रुचि का होगा कि एक्स के विभिन्न स्तर आर को कैसे प्रभावित करते हैं, लेकिन सवाल केवल यह है कि "क्या एक्स का प्रभाव है"? इस संदर्भ में एक्स के प्रभाव का परीक्षण करने के लिए सीमित शक्ति हो सकती है, विभिन्न तरीकों और अध्ययन स्थितियों के कारण, इस संदर्भ में (पोषक तत्वों को जोड़ने के लिए पारिस्थितिक तंत्र)।

— डेविड लेबॉयर

आप सही कह रहे हैं, यह एक समस्या है। बिंदु अनुमानों के साथ ऐसा नहीं है, लेकिन सटीकता (यानी मानक त्रुटियों) के उपाय बहुत छोटे होंगे; यह नियंत्रण समूह के डेटा के कई उपयोग को अनदेखा करता है। हालाँकि, यह मेटा-विश्लेषण में किसी को भी खबर नहीं होना चाहिए। ऊपर किम / बेकर लेख मूल रूप से एक फिर से बयान के साथ-साथ ग्लीसर और ओल्किन (1994) है। Stochastically निर्भर प्रभाव आकार। कूपर एंड हेजेज (ईडीएस) में, शोध संश्लेषण की पुस्तिका (पीपी। 339–355)। यह पुस्तक क्षेत्र में एक मानक पाठ है, मेरा मानना है कि अब एक दूसरे संस्करण में है।

— अतिथि

जवाबों:

हां, यह एक समस्या है क्योंकि प्रतिक्रियाओं में नमूना निर्भरता होती है जिसके लिए जिम्मेदार होने की आवश्यकता होती है (हालांकि कभी-कभी प्रभाव नगण्य हो सकता है और हम सांख्यिकीय विश्लेषण करते समय हर समय धारणा का उल्लंघन करते हैं)। इससे निपटने के तरीके हैं, एक दृष्टिकोण त्रुटि भिन्नता-कोवरियन मैट्रिक्स में संबंधित प्रयोगों (ऑफ-विकर्ण ब्लॉक) के बीच सहसंयोजकों को शामिल करना है (उदाहरण के लिए हेजेस एट अल।, 2010)। सौभाग्य से लॉग अनुपात के साथ यह आसान नहीं है। आप प्रयोगों के बीच सन्निकट सहसंयोजन प्राप्त कर सकते हैं क्योंकि लॉग आर का भिन्नता (संस्करण) है (यदि Yx और Y0 स्वतंत्र समूह हैं): लॉग Yx - लॉग Y0, प्रश्न में अंकन का पालन करने के लिए, Yx प्रयोगात्मक समूह और Y0 के संदर्भ में नियंत्रण समूह। लॉग आर के लिए दो मूल्यों (जैसे उपचार 1 ऑउंस उपचार 2) के बीच सहसंयोजक (कोव) कोव (लॉग Yx_1 - लॉग Y0, है) log Yx_2 - log Y0), जो var (log Y0) के बराबर है, और इसे SD_Y0 / (n_Y0 * Y0) के रूप में परिकलित किया जाता है, जहाँ SD_Y0 Y0 का मानक विचलन है, n_00 नियंत्रण उपचार में नमूना आकार है, और Y0 है। नियंत्रण उपचार में मूल्य। अब हम केवल variances (ei) का उपयोग करके अपने मॉडल में पूरे विचरण-कोवरियन मैट्रिक्स को प्लग-इन कर सकते हैं जो मेटा-विश्लेषण करने का क्लासिक तरीका है। इसका एक उदाहरण इसमें पाया जा सकता हैलिम्पेंस एट अल। 2011 में हेजड्स डी के लिए आर (बायोकॉन्स्टोरेंट पर), या स्टीवंस और टेलर 2009 में मेतादीप पैकेज का उपयोग किया गया ।

यदि आप इसे बहुत सरल रखना चाहते हैं, तो मुझे समस्या की अनदेखी करने और नमूना निर्भरता के प्रभाव का मूल्यांकन करने की कोशिश की जाएगी (जैसे कि अध्ययन के भीतर कितने उपचार हैं? यदि मैं केवल एक उपचार का उपयोग करता हूं तो परिणाम कैसे बदलते हैं?) ।

— GGeco
स्रोत

हां, यह एक समस्या है।

हां, यह अनुचित है, भले ही यह कम से कम यह पारदर्शी है कि यह क्या कर रहा है (यह पारदर्शिता के लिए अंक प्राप्त करता है, लेकिन अभी भी संतोषजनक नहीं है)।

मुझे संदेह है कि इसे ठीक करने के लिए एक "आसान तरीका" है। मुझे मेटा एनालिसिस के लिए किए गए दृष्टिकोणों के बारे में ज्यादा जानकारी नहीं है, लेकिन अगर विशिष्ट मेटा-एनालिसिस सॉफ्टवेयर है और इस तरह के शोध का उपयोग किया जाता है और इसे प्रकाशित किया जाता है, तो यह सामान्य दृष्टिकोण हो सकता है। या तो आपकी प्रस्तावित प्रतिक्रियाओं में से प्रत्येक अध्ययन से सूचना की कुछ बारीकियों को खो देता है (अर्थात प्रकाशकों ने जो किया है उसकी विपरीत समस्या)।

स्पष्ट समाधान एक मिश्रित कारक के रूप में अध्ययन के साथ मिश्रित-प्रभाव (यानी बहुस्तरीय) मॉडल है। मैं इसके लिए एक विशेषज्ञ सांख्यिकीय पैकेज का उपयोग करने का सुझाव दूंगा यदि मेटा-विश्लेषण सॉफ़्टवेयर ऐसा नहीं कर सकता है। आप अभी भी डेटा भंडारण और प्रसंस्करण के लिए मेटा-विश्लेषण सॉफ़्टवेयर का उपयोग कर सकते हैं, और विश्लेषण के लिए बस डेटा को R, Stata या SAS में निर्यात कर सकते हैं।

— पीटर एलिस
स्रोत

मैं नैदानिक परीक्षणों के बारे में सोच रहा था और सोच रहा था कि क्या यह उस स्थिति में ठीक है जहां एक खुराक-प्रतिक्रिया वक्र का परिणाम था, क्योंकि तब यह वक्र कार्यों की तुलना कर सकता है। क्या यह संभावना है?

— मिशेल

मुझे नहीं लगता कि इस समस्या से बहुत फर्क पड़ता है कि एक अध्ययन से कई परिणाम किसी भी तरह से सहसंबद्ध होंगे और इसलिए "नई" जानकारी नहीं। लेकिन वक्र फ़ंक्शंस का मेटा विश्लेषण निश्चित रूप से संभव होगा, इसलिए जब तक आप किसी तरह उन वक्रों के विभिन्न अनुमानों के बीच सहसंबंध के लिए नियंत्रित होते हैं। यदि वे सभी एक ही रूप के हैं और यह केवल मापदंडों का आकलन करने की बात है तो यह संभव होना चाहिए।

— पीटर एलिस

@ मिचेल मैं पीटर के साथ सहमत हूं: यदि आप वक्र के मापदंडों का सारांश दे रहे हैं, तो आपको प्रत्येक वक्र से एक पैरामीटर अनुमान मिलता है, और यह ठीक होना चाहिए।

— अबे