Nếu không có mô hình đa cấp, làm thế nào để xử lý sao chép trong nghiên cứu trong phân tích tổng hợp, trong đó nghiên cứu là đơn vị sao chép?


13

Mô tả nghiên cứu:

Tôi đã quan sát thấy một lỗi phổ biến trong số các phân tích tổng hợp, liên quan đến việc xử lý sao chép trong nghiên cứu. Tôi không rõ ràng nếu lỗi làm mất hiệu lực các nghiên cứu khi các giả định được nêu. Tuy nhiên, theo tôi hiểu, những giả định này vi phạm một tiền đề cơ bản của thống kê.

Ví dụ, một nghiên cứu kiểm tra những ảnh hưởng của hoá chất trên phản ứng Y .XY

Phân tích được thực hiện trên tỷ lệ đáp ứng nhật ký: tỷ lệ xử lý (với sự hiện diện của X ) để kiểm soát Y 0 (không có X ):Y+XXY0X

R= =ln(Y+XY0)

Một số nghiên cứu bao gồm trong phân tích meta chứa nhiều phương pháp điều trị, ví dụ mức độ khác nhau hoặc các hình thức hoá học của . Đối với mỗi cách xử lý, có một giá trị R khác nhau , mặc dù R luôn sử dụng cùng một giá trị Y 0 .XRRY0

Các phương thức nêu:

đáp ứng với các phương pháp điều trị khác nhau (mức độ và hình thức ) trong một nghiên cứu duy nhất được coi là quan sát độc lập.X

Câu hỏi:

  • Đây không phải là giả?
  • Có phù hợp ngay cả khi vi phạm độc lập được nêu trong các phương pháp?
  • Điều gì sẽ là một cách dễ dàng (ví dụ trong khả năng của gói phần mềm phân tích tổng hợp đơn giản) để xử lý trong quá trình sao chép nghiên cứu?

Suy nghĩ ban đầu:

  • Tóm tắt kết quả của từng nghiên cứu, ví dụ bằng cách lấy phản hồi trung bình
  • Chỉ chọn một điều trị từ mỗi nghiên cứu dựa trên tiêu chí a-prori (ví dụ: liều cao nhất, lần đo đầu tiên)?

Có bất kỳ giải pháp khác?


Đây chỉ là một phỏng đoán nhanh nhưng bạn có thể muốn kiểm tra Kim / Becker 2010: Mức độ phụ thuộc giữa các kích cỡ hiệu ứng đa trị liệu ; Tôi chưa đọc bài viết nhưng nó có thể liên quan đến câu hỏi của bạn.
Bernd Weiss

Là phân tích tổng hợp thực sự chỉ là trung bình tất cả các giá trị khác biệt này của R? Điều đó có vẻ khá lạ, so với việc thử thực hiện hồi quy meta - trong trường hợp đó, sự khác biệt giữa R ở các mức X khác nhau có thể là điều bạn quan tâm khi kết hợp giữa các nghiên cứu.
khách

@guest có, họ thực sự là; Sẽ có mối quan tâm về mức độ khác nhau của X ảnh hưởng đến R, nhưng câu hỏi được đặt ra đơn giản là "có ảnh hưởng của X" không? Có thể có sức mạnh hạn chế để kiểm tra tác động của X đối với R, trong bối cảnh này (phản ứng của hệ sinh thái đối với việc bổ sung chất dinh dưỡng), vì sự đa dạng của các phương pháp và điều kiện nghiên cứu.
David LeBauer

1
Bạn nói đúng, đó là một vấn đề. Không quá nhiều với các ước tính điểm, nhưng các biện pháp chính xác (nghĩa là sai số chuẩn) sẽ quá nhỏ; nó bỏ qua việc sử dụng nhiều dữ liệu của nhóm kiểm soát. Tuy nhiên, nó không nên là tin tức cho bất cứ ai trong phân tích tổng hợp. Bài báo Kim / Becker ở trên về cơ bản là một tuyên bố lại - với sự thừa nhận- của Gleser & Olkin (1994). Kích thước hiệu ứng phụ thuộc ngẫu nhiên. Trong Cooper & Hedges (Eds), Cẩm nang tổng hợp nghiên cứu (trang 339 Tiếng355). Cuốn sách này là một văn bản tiêu chuẩn trong lĩnh vực này, tôi tin rằng bây giờ trong phiên bản thứ hai.
khách

Câu trả lời:


3

Có, đó là một vấn đề vì có sự phụ thuộc lấy mẫu trong các phản hồi cần được tính đến (mặc dù đôi khi hiệu quả có thể không đáng kể và chúng tôi vi phạm giả định mọi lúc khi chúng tôi thực hiện phân tích thống kê). Có nhiều phương pháp để giải quyết vấn đề này, một cách tiếp cận là đưa hiệp phương sai giữa các thí nghiệm liên quan (khối ngoài đường chéo) vào ma trận phương sai sai số (xem ví dụ Hedges et al., 2010). May mắn thay với tỷ lệ đăng nhập này là khá dễ dàng. Bạn có thể nhận được hiệp phương sai xấp xỉ giữa các thí nghiệm vì phương sai (var) của log R là (nếu Yx và Y0 là các nhóm độc lập): log Yx - log Y0, để theo ký hiệu trong câu hỏi, Yx đề cập đến nhóm thử nghiệm và Y0 nhóm kiểm soát. Hiệp phương sai (cov) giữa hai giá trị (ví dụ: điều trị 1 och điều trị 2) cho log R là cov (loge Yx_1 - log Y0, log Yx_2 - log Y0), bằng var (log Y0) và được tính là SD_Y0 / (n_Y0 * Y0), trong đó SD_Y0 là độ lệch chuẩn của Y0, n_Y0 là cỡ mẫu trong điều trị kiểm soát và Y0 là cỡ mẫu giá trị trong điều trị đối chứng. Bây giờ chúng ta có thể cắm toàn bộ ma trận phương sai hiệp phương sai vào mô hình của mình thay vì chỉ sử dụng phương sai (ei), đây là cách cổ điển để thực hiện phân tích tổng hợp. Một ví dụ về điều này có thể được tìm thấy trongLimpens et al. 2011 sử dụng gói metahdep trong R (trên bộ lọc sinh học) hoặc Stevens và Taylor 2009 cho Hedge hès D.

Nếu bạn muốn giữ cho nó thật đơn giản, tôi sẽ cố gắng bỏ qua vấn đề và cố gắng đánh giá hiệu quả của sự phụ thuộc lấy mẫu (ví dụ: có bao nhiêu phương pháp điều trị trong các nghiên cứu? Làm thế nào để kết quả thay đổi nếu tôi chỉ sử dụng một phương pháp điều trị? V.v.) .


2

Vâng, đây là một vấn đề.

Vâng, nó không phù hợp mặc dù ít nhất nó minh bạch về những gì nó đang làm (nó nhận được điểm cho sự minh bạch, nhưng vẫn không thỏa đáng).

Tôi nghi ngờ có một "cách dễ dàng" để khắc phục điều này. Tôi không biết nhiều về các cách tiếp cận được thực hiện để phân tích meta nhưng nếu có phần mềm phân tích meta cụ thể và nghiên cứu như thế này được sản xuất bằng cách sử dụng và được xuất bản, đây có thể là cách tiếp cận phổ biến. Một trong những câu trả lời được đề xuất của bạn sẽ mất một số thông tin chi tiết từ mỗi nghiên cứu (nghĩa là vấn đề ngược lại với những gì các nhà xuất bản đã làm).

Giải pháp rõ ràng là một mô hình hiệu ứng hỗn hợp (tức là đa cấp) với nghiên cứu là một yếu tố ngẫu nhiên. Tôi sẽ đề nghị sử dụng gói thống kê chuyên gia cho việc này nếu phần mềm phân tích tổng hợp không thể thực hiện được. Bạn vẫn có thể sử dụng phần mềm phân tích tổng hợp để lưu trữ và xử lý dữ liệu và chỉ xuất dữ liệu sang R, Stata hoặc SAS để phân tích.


Tôi đã suy nghĩ về các thử nghiệm lâm sàng và tự hỏi liệu nó có ổn trong tình huống đường cong phản ứng với liều là kết quả hay không, bởi vì sau đó nó có thể so sánh các chức năng của đường cong. Đó có phải là một khả năng?
Michelle

Tôi không nghĩ nó có nhiều khác biệt đối với vấn đề rằng một số kết quả từ một nghiên cứu bằng cách nào đó sẽ có mối tương quan và do đó không phải là thông tin "mới". Nhưng phân tích tổng hợp các hàm đường cong chắc chắn là có thể, miễn là bạn bằng cách nào đó kiểm soát được mối tương quan giữa các ước tính khác nhau của các đường cong đó. Nếu tất cả chúng đều có cùng một hình thức và đó chỉ là vấn đề ước tính các tham số thì điều đó là có thể.
Peter Ellis

@Michelle Tôi đồng tình với Peter: nếu bạn đang tóm tắt các tham số của đường cong, thì bạn sẽ có được một ước tính tham số từ mỗi đường cong, và điều đó sẽ ổn.
Abe
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.