आंशिक रूप से सिम्युलेटेड डेटा पर मेटा-विश्लेषण क्यों नहीं करते हैं?

Question

पृष्ठभूमि:

मनोविज्ञान में एक विशिष्ट मेटा-विश्लेषण दो चर X और Y के बीच संबंध को मॉडल करने की कोशिश कर सकता है। विश्लेषण में आम तौर पर नमूना आकार के साथ साहित्य से प्रासंगिक सहसंबंधों का एक सेट प्राप्त करना शामिल होगा। फ़ार्मुलों को तब एक भारित औसत सहसंबंध की गणना करने के लिए लागू किया जा सकता है। फिर, यह देखने के लिए विश्लेषण किया जा सकता है कि क्या अध्ययनों में परस्पर भिन्नताएँ यादृच्छिक नमूनाकरण के मात्र प्रभावों से अधिक होंगी।

इसके अलावा, विश्लेषण को और अधिक जटिल बनाया जा सकता है। अनुमान विश्वसनीयता, सीमा प्रतिबंध, और अधिक के लिए समायोजित किया जा सकता है। सहसंबंधों का उपयोग मेटा स्ट्रक्चरल समीकरण मॉडलिंग या मेटा रिग्रेशन, और इसी तरह से किया जा सकता है।

हालांकि, इन सभी विश्लेषणों को इनपुट डेटा के रूप में सारांश आंकड़ों (जैसे, सहसंबंध, अंतर अनुपात, मानकीकृत अंतर अंतर) का उपयोग करके किया जाता है। इसके लिए विशेष सूत्रों और प्रक्रियाओं के उपयोग की आवश्यकता होती है जो सारांश आँकड़े स्वीकार करते हैं।

मेटा-विश्लेषण के लिए वैकल्पिक दृष्टिकोण

इस प्रकार, मैं मेटा-विश्लेषण के लिए एक वैकल्पिक दृष्टिकोण के बारे में सोच रहा था, जहां कच्चे डेटा को इनपुट के रूप में उपयोग किया जाता है। यानी, सहसंबंध के लिए इनपुट डेटा सहसंबंध बनाने के लिए उपयोग किया जाने वाला कच्चा डेटा होगा। जाहिर है, अधिकांश मेटा-विश्लेषणों में यदि वास्तविक कच्चे डेटा के अधिकांश उपलब्ध नहीं हैं, तो कई। इस प्रकार, एक बुनियादी प्रक्रिया इस तरह दिख सकती है:

1. कच्चे डेटा की मांग करने वाले सभी प्रकाशित लेखकों से संपर्क करें, और यदि प्रदान किया गया है, तो वास्तविक कच्चे डेटा का उपयोग करें ।
2. लेखकों के लिए जो कच्चे डेटा प्रदान नहीं करते हैं, कच्चे डेटा का अनुकरण करते हैं ताकि उनके पास समान सारांश आँकड़े हों जैसा कि रिपोर्ट किया गया है। इस तरह के सिमुलेशन कच्चे डेटा से प्राप्त किसी भी ज्ञान को शामिल कर सकते हैं (उदाहरण के लिए, यदि एक चर को तिरछा करने के लिए जाना जाता है, आदि)।

मुझे ऐसा लगता है कि इस तरह के दृष्टिकोण के कई लाभ हो सकते हैं:

• सांख्यिकीय उपकरण जो इनपुट के रूप में कच्चे डेटा का उपयोग करते हैं, विश्लेषण के लिए उपयोग किया जा सकता है
• कम से कम कुछ वास्तविक कच्चे डेटा प्राप्त करके, मेटा-विश्लेषण के लेखकों को वास्तविक डेटा (जैसे, आउटलेर, वितरण, आदि) से संबंधित मुद्दों पर विचार करने के लिए मजबूर किया जाएगा।

सवाल

• क्या वास्तविक कच्चे डेटा और डेटा के संयोजन पर मेटा-विश्लेषण अध्ययन करने में कोई समस्या है जो मौजूदा प्रकाशित अध्ययनों के समान सारांश आँकड़े हैं?
• क्या इस तरह का दृष्टिकोण सारांश आँकड़ों पर मेटा-विश्लेषण करने के मौजूदा तरीकों से बेहतर होगा?
• क्या इस दृष्टिकोण पर कोई मौजूदा साहित्य चर्चा, वकालत या आलोचना कर रहा है?

Comments

# 1: अधिकांश समय, ऐसा लगता है कि सभी डेटा को एक ही प्रारूप में ले जाना मुश्किल होगा! # 2: यह तब तक होगा जब तक क) आप विशेष रूप से बुरे तरीकों का उपयोग नहीं करते हैं, या ख) सारांश आँकड़ा भी आपके लिए रुचि रखने वाले मापदंडों के लिए एक पर्याप्त आँकड़ा है।

— एंडी मैकेंजी

@Andy McKenzie Re # 1: यही मैं वर्तमान में कर रहा हूं (यानी IPD मेटा-विश्लेषण)। यह देखते हुए कि मेरे परिणाम आँकड़े प्रतिगमन मॉडल से आते हैं, यह मेरे लिए सबसे उपयोगी दृष्टिकोण लगता है। मुझे पता है कि आपने "अधिकांश समय" :-)

— बर्न वीज़

Answer 1

पहले से ही मौजूद दृष्टिकोण हैं जो व्यक्ति और कुल व्यक्ति डेटा को संश्लेषित करने के उद्देश्य से हैं। द सटन एट अल। (2008) पेपर एक बायेसियन दृष्टिकोण लागू करता है जो (IMHO) आपके विचार में कुछ समानताएं हैं।

• रिले, RD, Lambert, PC, Staessen, JA, Wang, J., Gueyffier, F., Thijs, L., और Boutitie, F. (2007)। व्यक्तिगत रोगी डेटा और कुल डेटा के संयोजन के निरंतर परिणामों का मेटा-विश्लेषण। चिकित्सा में सांख्यिकी, 27 (11), 1870-1893। doi: 10.1002 / sim.3165 पीडीएफ

• रिले, आरडी, और स्टेयरबर्ग, ईडब्ल्यू (2010)। मेटा ant व्यक्तिगत प्रतिभागी डेटा और कुल डेटा का उपयोग करके एक द्विआधारी परिणाम का विश्लेषण। अनुसंधान संश्लेषण के तरीके, 1 (1), 2-19। डोई: 10.1002 / jrsm.4

• सटन, एजे, केंड्रिक, डी।, और कप्लैंड, सीएसी (2008)। व्यक्ति-और समग्र-स्तरीय डेटा का मेटा-विश्लेषण। चिकित्सा में सांख्यिकी, 27 (5), 651-669।

Answer 2

मुझे सही दिशा में इशारा करने के लिए मैं @Bernd को धन्यवाद देता हूं। यहां उनके उत्तर में उल्लिखित संदर्भों पर कुछ नोट दिए गए हैं, साथ ही इन लेखों में उल्लिखित कुछ संदर्भ भी हैं।

सटन एट अल (2008)

Sutton et al एक स्वास्थ्य संदर्भ के भीतर अलग-अलग रोगी डेटा बनाम कुल डेटा के संदर्भ में उपयोग करते हैं ।

वे ध्यान दें कि व्यक्तिगत रोगी डेटा का विश्लेषण अक्सर मेटा-विश्लेषण के लिए सोने का मानक माना जाता है, स्टीवर्ट और क्लार्क (1995) का हवाला देते हुए। यह डेटा की गुणवत्ता का आकलन करने और मौजूदा रिपोर्टों (जैसे, विशेष रूप से उपसमूह विश्लेषण) में रिपोर्ट नहीं किए गए मूल्यों पर विश्लेषण करने के लिए विशेष रूप से उपयोगी है। स्वाभाविक रूप से, वे समस्याओं को नोट करते हैं, जैसे कि सभी व्यक्तिगत रोगी डेटा प्राप्त करने के कुछ मामलों में असंभवता और ऐसे डेटा को संसाधित करने में अतिरिक्त लागत। वे यह भी देखते हैं कि सरल मॉडल के लिए जहां सारांश आँकड़े उपलब्ध हैं, परिणाम अक्सर समान या समान होंगे।

वे सिम्मंड्स एट अल (2005) द्वारा एक समीक्षा का हवाला देते हुए व्यक्तिगत रोगी मेटा-विश्लेषण की असंगति का निरीक्षण करते हैं। उन्होंने रिले आरडी, सिममंड्स, एट अल (2008) के कुल डेटा के साथ व्यक्तिगत रोगी डेटा के संयोजन-मेटा-विश्लेषण के समीक्षा लेख का भी उल्लेख किया है।

रिले लैंबर्ट एबो-जैद (2010)

इस लेख में रिले एट अल व्यक्तिगत प्रतिभागी डेटा के मेटा-विश्लेषण के बारे में अधिक बताते हैं। वे व्यक्तिगत प्रतिभागी डेटा के मेटा-विश्लेषण के लाभों की रूपरेखा तैयार करते हैं (उदाहरण के लिए, निरंतर डेटा प्रसंस्करण, लापता डेटा का मॉडलिंग, मूल रिपोर्ट परिणामों का सत्यापन, अधिक विश्लेषण विकल्प, आदि)

स्टीवर्ट और टियरनी (2002)

स्टीवर्ट और टियरनी विशेष रूप से व्यावहारिक मुद्दों पर ध्यान केंद्रित करते हुए व्यक्तिगत रोगी डेटा मेटा-विश्लेषण के पेशेवरों और विपक्षों की समीक्षा करते हैं।

रिले लैंबर्ट एट अल (2007)

वे एक-चरण और दो-चरण दृष्टिकोणों के संदर्भ में समग्र डेटा के साथ व्यक्तिगत रोगी डेटा के संयोजन के तरीकों का वर्णन करते हैं।

कूपर एंड पैटल (2009)

कूपर और पटाल ने मनोवैज्ञानिक तरीकों में व्यक्तिगत-स्तर के डेटा के मेटा-विश्लेषण पर एक विशेष मुद्दे के भाग के रूप में एक लेख लिखा था (सारांश के लिए श्राउत, 2009 देखें)। कूपर और पाटल अनुसंधान संश्लेषण को संक्रमण के दूसरे चरण में एक के रूप में वर्णित करते हैं:

Research rst संक्रमण कथा अनुसंधान समीक्षा से है - जिसमें संज्ञानात्मक बीजगणित के अपारदर्शी नियमों का उपयोग अध्ययनों के परिणामों को संश्लेषित करने के लिए किया जाता है - [समग्र डेटा] के मेटा-विश्लेषण के लिए। दूसरे चरण में [एकत्रित डेटा] के मेटा-विश्लेषण से [व्यक्तिगत प्रतिभागी स्तर के डेटा] के संचय तक संक्रमण शामिल है।

करने के लिए जारी...

संदर्भ

• कूपर, एच।, और पटाल, ईए (2009)। व्यक्तिगत प्रतिभागी डेटा बनाम एकत्रित डेटा के साथ आयोजित मेटा-विश्लेषण के सापेक्ष लाभ। मनोवैज्ञानिक तरीके, 14 (2), 165–176। डोई: 10.1037 / a0015565
• रिले, RD, Lambert, PC, Staessen, JA, Wang, J., Gueyffier, F., Thijs, L., और Boutitie, F. (2007)। व्यक्तिगत रोगी डेटा और कुल डेटा के संयोजन के निरंतर परिणामों का मेटा-विश्लेषण। चिकित्सा में सांख्यिकी, 27 (11), 1870-1893। doi: 10.1002 / sim.3165 [PDF] (http://www.staessen.net/publications/2006-2010/08-21-P.pdf)
• रिले, आरडी, लैंबर्ट, पीसी, और अबो-जैद, जी (2010)। व्यक्तिगत प्रतिभागी डेटा का मेटा-विश्लेषण: तर्क, आचरण और रिपोर्टिंग, बीएमजे, 340, 221।
• रिले आरडी, सिममंड्स एमसी, लुक एमपी। (2007) व्यक्तिगत रोगी डेटा और समग्र डेटा के संयोजन के साक्ष्य संश्लेषण: एक व्यवस्थित समीक्षा पहचान current एड वर्तमान अभ्यास और संभव तरीके। जर्नल ऑफ़ क्लिनिकल एपिडेमियोलॉजी, प्रेस और प्रारंभिक दृश्य में।
• रिले, आरडी, और स्टेयरबर्ग, ईडब्ल्यू (2010)। मेटा ant व्यक्तिगत प्रतिभागी डेटा और कुल डेटा का उपयोग करके एक द्विआधारी परिणाम का विश्लेषण। अनुसंधान संश्लेषण के तरीके, 1 (1), 2-19। डोई: 10.1002 / jrsm.4
• श्राउट, पीई (2009)। एकीकृत डेटा विश्लेषण के लघु और लंबे विचार: विशेष मुद्दे पर योगदान पर टिप्पणियाँ .. मनोवैज्ञानिक तरीके, 14, 177।
• सिमंड्स एमसी, हिगिंस जेपीटी, स्टीवर्ट ला, टियरनी जेएफ, क्लार्क एमजे, थॉम्पसन एसजी। (2005)। यादृच्छिक परीक्षण से व्यक्तिगत रोगी डेटा का मेटा-विश्लेषण: अभ्यास में उपयोग किए जाने वाले तरीकों की समीक्षा। क्लिनिकल परीक्षण ; 2: 209-217।
• स्टीवर्ट एलए, क्लार्क एमजे। अद्यतन व्यक्तिगत रोगी डेटा का उपयोग करके मेटा-विश्लेषण (ओवरव्यू) की व्यावहारिक पद्धति। कोक्रेन वर्किंग ग्रुप। चिकित्सा 1995 में सांख्यिकी; 14: 2057-2079।
• स्टीवर्ट एलए, टियरनी जेएफ। IPD को या IPD को नहीं? व्यक्तिगत रोगी डेटा का उपयोग करके व्यवस्थित समीक्षाओं के फायदे और नुकसान। एवल हेल्थ प्रोफ 2002; 25: 76-97।
• सटन, एजे, केंड्रिक, डी।, और कप्लैंड, सीएसी (2008)। व्यक्ति-और समग्र-स्तरीय डेटा का मेटा-विश्लेषण। चिकित्सा में सांख्यिकी, 27 (5), 651-669।

Comments

शानदार जवाब, जेरेमी! वास्तव में, यह सबसे अच्छा उत्तर बन जाना चाहिए ... यहां कुछ और पेपर हैं जो आपकी सूची में गायब हैं।

— बर्न वीज

धन्यवाद। मैं सिर्फ कुछ नोट्स ले रहा हूं जैसा कि मैंने संदर्भों के माध्यम से पढ़ा है। वे अतिरिक्त संदर्भ विशेष रूप से उपयोगी हैं धन्यवाद।

— जेरोमे एंग्लीम