मेटा-एनालिसिस में सबसकोर्स को सबसे अच्छे से कैसे हैंडल करें?

Question

मैं मेटाफ़र पैकेज का उपयोग करके आर में घ के प्रभाव के आकारों का एक मेटा-विश्लेषण कर रहा हूं । डी रोगियों और स्वस्थ के बीच स्मृति स्कोर में अंतर का प्रतिनिधित्व करता है। हालाँकि कुछ अध्ययनों में केवल ब्याज के माप की उपधाराएं शामिल हैं d (जैसे कि मेमोरी परीक्षण के तीन अलग-अलग ब्लॉकों से कई अलग-अलग मेमोरी स्कोर या स्कोर)। कृपया के साथ निम्न डमी डेटा सेट को देखने के घ पढ़ाई 'प्रभाव आकार के साथ ही उनके मानक विचलन एसडी का प्रतिनिधित्व .:

d <- round(rnorm(5,5,1),2)
sd <- round(rnorm(5,1,0.1),2)
study <- c(1,2,3,3,3)
subscore <- c(1,1,1,2,3)
my_data <- as.data.frame(cbind(study, subscore, d, sd))

library(metafor)
m1 <- rma(d,sd, data=my_data)
summary(m1)

मैं आपकी राय के लिए सबसे अच्छा तरीका पूछना चाहता हूं कि इन सबकोर्स को कैसे हैंडल किया जाए - जैसे:

1. प्रत्येक अध्ययन से एक सबकोर का चयन करें जो एक से अधिक अंकों की रिपोर्ट करता है।
2. सभी सबकोर्स शामिल करें (यह rfx मॉडल की स्वतंत्रता की धारणा का उल्लंघन करेगा क्योंकि एक ही अध्ययन के सबकोर्स एक ही नमूने से आते हैं)
3. सब्स्क्राइबर की रिपोर्ट करने वाले प्रत्येक अध्ययन के लिए: एक औसत स्कोर और औसत मानक विचलन की गणना करें और rfx मेटा-विश्लेषण में इस "मर्ज किए गए प्रभाव का आकार" शामिल करें।
4. सभी सब्सक्राइबर्स को शामिल करें और एक डमी वैरिएबल को इंगित करें जिसमें से एक निश्चित स्कोर प्राप्त होता है।

Answer 1

इस प्रकार के डेटा को निर्भर प्रभाव के आकार के रूप में जाना जाता है। निर्भरता को संभालने के लिए कई तरीकों का इस्तेमाल किया जा सकता है। मैं तीन-स्तरीय मेटा-विश्लेषण (चेउंग, 2014; कोंस्टांटोपौलोस, 2011; वान डेन नोर्टगेट एट अल। 2013) के उपयोग की सिफारिश करूंगा। यह स्तर 2 और स्तर 3 विषमता के लिए भिन्नता को कम करता है। आपके उदाहरण में, लेवल 2 और लेवल 3 विषमता उप-सीमाओं और अध्ययनों के कारण विविधता का उल्लेख करते हैं। R में लागू किया गया मेटासेम पैकेज ( http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/ ) तीन-स्तरीय मेटा-विश्लेषण करने के लिए कार्य प्रदान करता है। उदाहरण के लिए,

## Your data
d <- round(rnorm(5,5,1),2)
sd <- round(rnorm(5,1,0.1),2)
study <- c(1,2,3,3,3)
subscore <- c(1,1,1,2,3)
my_data <- as.data.frame(cbind(study, subscore, d, sd))

## Load the library with the data set  
library(metaSEM)
summary( meta3(y=d, v=sd^2, cluster=study, data=my_data) )

आउटपुट है:

Running Meta analysis with ML 

Call:
meta3(y = d, v = sd^2, cluster = study, data = my_data)

95% confidence intervals: z statistic approximation
Coefficients:
            Estimate  Std.Error     lbound     ubound z value  Pr(>|z|)    
Intercept 4.9878e+00 4.2839e-01 4.1482e+00 5.8275e+00  11.643 < 2.2e-16 ***
Tau2_2    1.0000e-10         NA         NA         NA      NA        NA    
Tau2_3    1.0000e-10         NA         NA         NA      NA        NA    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Q statistic on homogeneity of effect sizes: 0.1856967
Degrees of freedom of the Q statistic: 4
P value of the Q statistic: 0.9959473
Heterogeneity indices (based on the estimated Tau2):
                              Estimate
I2_2 (Typical v: Q statistic)        0
I2_3 (Typical v: Q statistic)        0

Number of studies (or clusters): 3
Number of observed statistics: 5
Number of estimated parameters: 3
Degrees of freedom: 2
-2 log likelihood: 8.989807 
OpenMx status1: 1 ("0" and "1": considered fine; other values indicate problems)

इस उदाहरण में, स्तर 2 और स्तर 3 विषमता का अनुमान 0. स्तर 2 के करीब है और स्तर 3 सहसंयोजक भी विषमता को मॉडल करने के लिए शामिल किया जा सकता है। तीन-स्तरीय मेटा-विश्लेषण पर अधिक उदाहरण http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/3level.html पर उपलब्ध हैं

संदर्भ

चेउंग, एमडब्ल्यू-एल। (2014)। तीन-स्तरीय मेटा-विश्लेषणों के साथ आश्रित प्रभाव आकार मॉडलिंग: एक संरचनात्मक समीकरण मॉडलिंग दृष्टिकोण । मनोवैज्ञानिक तरीके , 19 (2), 211-29। doi: 10.1037 / a0032968।

कोंस्टैंटोपोलोस, एस। (2011)। तीन-स्तरीय मेटा-विश्लेषण में निश्चित प्रभाव और विचरण घटकों का अनुमान। अनुसंधान संश्लेषण के तरीके , 2 (1), 61-76। डोई: 10.1002 / jrsm.35

वैन डेन नोर्टगेट, डब्ल्यू।, लोपेज़-लोपेज़, जेए, मारिन-मार्टिनेज, एफ।, और सेंचेज़-मक्का, जे। (2013)। निर्भर प्रभाव आकारों के तीन-स्तरीय मेटा-विश्लेषण। व्यवहार अनुसंधान के तरीके , 45 (2), 576–594। डोई: 10.3758 / s13428-012-0261-6

Answer 2

मैं मानता हूं कि यह एक मुश्किल स्थिति है। ये केवल कुछ विचार हैं।

औसत प्रभाव आकार चाहे: यदि आप उप-वर्गों में रुचि नहीं रखते हैं, तो मेरी पहली पसंद किसी दिए गए अध्ययन में उप-प्रभाव के लिए औसत प्रभाव आकार लेना होगा।

यह मानते हैं कि सभी उप-प्रलेख आपके शोध प्रश्न के लिए समान रूप से प्रासंगिक हैं। यदि कुछ तराजू अधिक प्रासंगिक हैं, तो मैं शायद उन उप-प्रस्तरों का उपयोग कर सकता हूं।

यदि आप उप-श्रेणियों के बीच के अंतरों में रुचि रखते हैं, तो यह समझ में आता है कि प्रत्येक उप-कोड के प्रकार के लिए प्रभाव का आकार शामिल किया जाए।

D प्रभाव आकारों की मानक त्रुटि: संभवतः आप d के मान के आधार पर मानक त्रुटि की गणना करने के लिए एक सूत्र का उपयोग कर रहे हैं और समूह के नमूने का आकार। इस सूत्र को अपनाने से हम मिलते हैं

$$se(d) = \sqrt{\left( \frac{n_1 + n_2}{n_1 n_2} + \frac{d^2}{2(n_1+n_2-2)}\right) \left(\frac{n_1 + n_2}{n_1+n_2-2} \right)},$$

कहाँ पे $n_1$ तथा $n_2$ दोनों समूहों के नमूने आकार की तुलना की जा रही है और $d$ कोहेन है $d$।

मुझे लगता है कि आप ऐसे फॉर्मूले को लागू कर सकते हैं जो सबस्क्राइबल्स की औसत डी वैल्यू के लिए मानक त्रुटि की गणना करें।

Comments

आपके उत्तर के लिए धन्यवाद! जब मैं उपकेंद्रों के प्रभाव के आकार को औसत करता हूं - आप इस मामले में औसत प्रभाव के आकार के मानक विचलन कैसे प्राप्त करेंगे? बस सभी मानक विचलन का मतलब है?

— जुकेल 14'13