Trong một phân tích tổng hợp, làm thế nào một người nên xử lý các nghiên cứu không quan trọng không chứa dữ liệu thô?

Hãy nói rằng tôi đang tiến hành phân tích tổng hợp, xem xét hiệu suất của nhóm A và nhóm B liên quan đến một cấu trúc nhất định. Bây giờ, một số nghiên cứu mà tôi đi qua sẽ báo cáo rằng không thể tìm thấy sự khác biệt thống kê giữa hai nhóm nhưng không có thống kê kiểm tra chính xác và / hoặc dữ liệu thô sẽ được trình bày. Trong một phân tích tổng hợp, tôi nên xử lý các nghiên cứu như thế nào?

Về cơ bản, tôi thấy ba lựa chọn thay thế khác nhau ở đây:

1. Bao gồm tất cả chúng và gán cho mỗi một kích thước hiệu ứng bằng 0.
2. Ném tất cả ra ngoài.
3. Thực hiện một số loại phân tích sức mạnh cho từng người trong số họ hoặc đặt ngưỡng ở một số lượng người tham gia nhất định. Bao gồm tất cả những gì đáng lẽ có thể đạt được ý nghĩa thống kê và gán cho mỗi người một kích thước hiệu ứng bằng 0. Vứt phần còn lại ra.

Tôi có thể thấy công đức với tất cả các tùy chọn khác nhau. Tùy chọn một là khá bảo thủ và bạn sẽ chỉ có nguy cơ mắc lỗi loại II. Tùy chọn hai làm tăng nguy cơ mắc lỗi loại I, nhưng nó cũng tránh cho kết quả của bạn bị hủy hoại vì một loạt các nghiên cứu thiếu năng lực. Tùy chọn ba có vẻ giống như đường giữa giữa tùy chọn một và tùy chọn hai, nhưng sẽ có rất nhiều giả định và / hoặc dự đoán thuần túy (Bạn nên dựa trên kích thước hiệu ứng nào để phân tích sức mạnh của mình? nghiên cứu cho nó để vượt qua?), có lẽ làm cho kết quả cuối cùng ít đáng tin cậy và chủ quan hơn.

Như bạn chỉ ra, có những công đức với cả ba cách tiếp cận. Rõ ràng không có một lựa chọn nào là 'tốt nhất'. Tại sao không làm cả 3 và trình bày kết quả dưới dạng phân tích độ nhạy?

Một phân tích tổng hợp được thực hiện với các phân tích độ nhạy phù hợp và phong phú chỉ cho thấy tác giả nhận thức rõ các giới hạn của dữ liệu trong tay, cho thấy rõ sự ảnh hưởng của các lựa chọn chúng tôi đưa ra khi tiến hành phân tích tổng hợp và có thể đánh giá phê bình hậu quả. Đối với tôi, đó là dấu hiệu của phân tích tổng hợp được tiến hành tốt.

Bất cứ ai đã từng thực hiện phân tích tổng hợp đều biết rất rõ rằng có nhiều lựa chọn và quyết định được đưa ra trên đường đi và những lựa chọn và quyết định đó có thể có ảnh hưởng đáng kể đến kết quả thu được. Ưu điểm của phân tích tổng hợp (hay nói chung hơn là tổng quan hệ thống) là các phương pháp (và do đó các lựa chọn và quyết định) được đưa ra rõ ràng. Và người ta có thể đánh giá ảnh hưởng của họ một cách có hệ thống. Đó chính xác là cách phân tích tổng hợp nên được tiến hành.

Dưới đây là các bước tôi sẽ thực hiện (và tôi dạy cho học sinh của mình):

1) Liên hệ với các tác giả của nghiên cứu ban đầu. Hãy lịch sự và yêu cầu ước tính hiệu quả chính xác để sử dụng trong phân tích tổng hợp của bạn. Điều tồi tệ nhất có thể xảy ra là họ không trả lời hoặc từ chối cung cấp cho bạn thông tin. Trường hợp tốt nhất là bạn có được thông tin chính xác mà bạn đang tìm kiếm.

2) Nếu bạn có giá trị p chính xác, bạn có thể thường xuyên tính toán lại SD với một mức độ chắc chắn.

3) Bạn thực hiện một số loại. Điều này có thể sử dụng 'mượn' ước tính hiệu quả từ các thử nghiệm có kích thước tương tự, SD lớn nhất trong phân tích tổng hợp, SD từ các nghiên cứu tương tự trong cùng phân tích meta, ý kiến ​​chuyên gia, v.v. Có nhiều cách để đánh giá dữ liệu bị thiếu, một số cách chính xác hơn về mặt khoa học so với những người khác, nhưng điều quan trọng nhất là bạn rõ ràng về những gì bạn đã làm và tiến hành phân tích độ nhạy để xác định ảnh hưởng của (các) tranh chấp đối với ước tính hiệu ứng gộp.

3) Bạn đặt chúng vào các nghiên cứu trong phân tích tổng hợp với dữ liệu còn thiếu. Chương trình (ví dụ RevMan) sẽ không cung cấp cho các nghiên cứu này bất kỳ trọng số nào trong phân tích vì nó sẽ không thể tính được ước tính hiệu quả và phương sai cho nghiên cứu đó, nhưng bạn sẽ có thể hiển thị trực quan rằng có các nghiên cứu bổ sung với dữ liệu từng phần đó không phải là một phần của tính toán gộp.

4) Bạn không bao gồm dữ liệu từ các nghiên cứu này.

Chọn bạn độc ...