মাল্টি-লেভেল মডেলিং ছাড়া মেটা-বিশ্লেষণের মধ্যে কীভাবে অধ্যয়নটির অনুলিপি পরিচালনা করতে হয়, যেখানে অধ্যয়নটি প্রতিরূপের একক?


13

অধ্যয়নের বিবরণ:

অভ্যন্তরীণ-অধ্যয়নের অনুলিপি পরিচালনা করার ক্ষেত্রে আমি মেটা-বিশ্লেষণগুলির মধ্যে একটি সাধারণ ত্রুটি লক্ষ্য করেছি। অনুমানগুলি বর্ণিত হলে ত্রুটিটি অধ্যয়নকে অবৈধ করে কিনা তা আমার কাছে স্পষ্ট নয়। তবে, আমি যেমন এটি বুঝতে পারি, এই অনুমানগুলি পরিসংখ্যানের একটি প্রাথমিক ভিত্তি লঙ্ঘন করে।

উদাহরণস্বরূপ, একটি গবেষণায় রাসায়নিক প্রতিক্রিয়া ওয়াইয়ের প্রভাবগুলি পরীক্ষা করে ।XY

বিশ্লেষণটি লগ প্রতিক্রিয়া অনুপাতের উপর সঞ্চালিত হয়: ওয়াই 0 (কোনও এক্স নয় ) নিয়ন্ত্রণের জন্য চিকিত্সা ( এক্সের উপস্থিতিতে ) অনুপাত :Y+XXY0X

R=ln(Y+XY0)

মেটা-বিশ্লেষণের অন্তর্ভুক্ত কয়েকটি গবেষণায় একাধিক চিকিত্সা রয়েছে, উদাহরণস্বরূপ, বিভিন্ন স্তর বা রাসায়নিক ফর্ম । প্রতিটি চিকিত্সার জন্য, একটি ভিন্ন মান আর , যদিও আর সবসময় একই মান ব্যবহার ওয়াই 0XRRY0

পদ্ধতিগুলি বলে:

একক গবেষণার মধ্যে বিভিন্ন চিকিত্সার ( স্তর এবং ফর্ম ) প্রতিক্রিয়াগুলি স্বাধীন পর্যবেক্ষণ হিসাবে বিবেচিত হয়।X

প্রশ্নাবলী:

  • এই সিউডোরপ্লিকেশন না?
  • স্বাধীনতা লঙ্ঘন পদ্ধতিগুলিতে বর্ণিত হলেও এটি কি অনুচিত?
  • অধ্যয়নের অনুলিপিটির মধ্যে পরিচালনা করার সহজ উপায় (যেমন একটি সাধারণ মেটা-বিশ্লেষণ সফ্টওয়্যার প্যাকেজের দক্ষতার মধ্যে) কী হবে?

প্রাথমিক চিন্তা:

  • প্রতিটি গবেষণার ফলাফলগুলি সংক্ষিপ্ত করুন, যেমন গড় প্রতিক্রিয়া গ্রহণ করে
  • অগ্রাধিকারের মানদণ্ডের উপর ভিত্তি করে প্রতিটি অধ্যয়ন থেকে কেবল একটি চিকিত্সা নির্বাচন করুন (যেমন সর্বোচ্চ ডোজ, প্রথম পরিমাপ)?

অন্য কোন সমাধান আছে?


এটি কেবলমাত্র একটি দ্রুত অনুমান তবে আপনি কিম / বেকার 2010 পরীক্ষা করতে চাইতে পারেন : একাধিক-চিকিত্সা প্রভাবের আকারের মধ্যে নির্ভরতা ডিগ্রি ; আমি নিবন্ধটি পড়িনি তবে এটি আপনার প্রশ্নের সাথে সম্পর্কিত হতে পারে।
বার্ড ওয়েইস

মেটা-বিশ্লেষণটি কি সত্যিই কেবল আর এর সমস্ত পার্থক্য মানের গড় বোধ করছে? এটি বরং অদ্ভুত বলে মনে হয়, উদাহরণস্বরূপ মেটা-রিগ্রেশন চেষ্টা করার সাথে - এই ক্ষেত্রে এক্স এর বিভিন্ন স্তরে আর এর মধ্যে পার্থক্যগুলি হতে পারে আপনি পড়াশুনা জুড়ে সম্মিলিত করতে আগ্রহী।
অতিথি

@ সাহসী হ্যাঁ, তারা সত্যই; এটি আগ্রহের বিষয় হ'ল এক্স এর বিভিন্ন স্তর কীভাবে আরকে প্রভাবিত করে, তবে প্রশ্নটি কেবল "এক্স এর কোনও প্রভাব আছে"? আর এর উপর এক্স এর প্রভাব পরীক্ষা করার জন্য সীমিত শক্তি থাকতে পারে (বিভিন্ন পুষ্টি সংযোজনে বাস্তুতন্ত্রের প্রতিক্রিয়া), কারণ বিভিন্ন পদ্ধতি এবং অধ্যয়নের শর্ত।
ডেভিড লেবাউর

1
আপনি ঠিক বলেছেন, এটি একটি সমস্যা। বিন্দু অনুমানের সাথে এতটা নয়, তবে নির্ভুলতার ব্যবস্থাগুলি (অর্থাত্ স্ট্যান্ডার্ড ত্রুটিগুলি) খুব ছোট হবে; এটি নিয়ন্ত্রণ গ্রুপের ডেটার একাধিক ব্যবহার উপেক্ষা করে। তবে এটি মেটা-বিশ্লেষণে কারও কাছে সংবাদ হওয়া উচিত নয়। উপরের কিম / বেকার নিবন্ধটি মূলত গ্লেজার ও অলকিনের (1994) -র স্বীকৃতির সাথে একটি পুনরায় বিবৃতি is Stochastically নির্ভর প্রভাব আকার। কুপার অ্যান্ড হেজেস (এডস) এ, গবেষণা সংশ্লেষণের হ্যান্ডবুক (পৃষ্ঠা 339-355)। এই বইটি ক্ষেত্রের একটি মানক পাঠ্য, আমি এখন দ্বিতীয় সংস্করণে বিশ্বাস করি।
অতিথি

উত্তর:


3

হ্যাঁ, এটি একটি সমস্যা কারণ প্রতিক্রিয়াগুলির জন্য নমুনা নির্ভরতা রয়েছে যার জন্য দায়বদ্ধ হওয়া প্রয়োজন (যদিও কখনও কখনও প্রভাবটি তুচ্ছ হতে পারে এবং আমরা পরিসংখ্যানগত বিশ্লেষণগুলি করার সময় সমস্ত সময় অনুমানকে লঙ্ঘন করি)। এর সাথে মোকাবিলা করার বিভিন্ন পদ্ধতি রয়েছে, একটি পদ্ধতির সাথে সম্পর্কিত পরীক্ষা-নিরীক্ষার (অফ-ডায়াগোনাল ব্লক) ত্রুটি ভেরিয়েন্স-কোভারিয়েন্স ম্যাট্রিক্সের মধ্যে সমবায়িকাগুলি অন্তর্ভুক্ত করা (উদাহরণস্বরূপ হেজস এট আল।, ২০১০)। ভাগ্যক্রমে লগ অনুপাতের সাথে এটি বরং সহজ। আপনি পরীক্ষাগুলির মধ্যে আনুষঙ্গিক সমবায় পেতে পারেন কারণ লগ আর এর ভিন্নতা (ভ্যার) হ'ল (যদি Yx এবং Y0 স্বতন্ত্র গোষ্ঠী): লগ Yx - লগ Y0, প্রশ্নে স্বরলিপি অনুসরণ করতে, Yx পরীক্ষামূলক গ্রুপ এবং Y0 এর উল্লেখ করে নিয়ন্ত্রণ গ্রুপ. লগ আর এর জন্য দুটি মান (উদাহরণস্বরূপ চিকিত্সা 1 ওচ চিকিত্সা 2) এর মধ্যে কোভেরিয়েন্স (কোভ) হ'ল কোভ (লগে Yx_1 - লগ ওয়াই0, লগ Yx_2 - লগ Y0), যা var (লগ Y0) এর সমান, এবং SD_Y0 / (n_Y0 * Y0) হিসাবে গণনা করা হয়, যেখানে SD_Y0 হ'ল Y0 এর আদর্শ বিচ্যুতি, n_Y0 নিয়ন্ত্রণ চিকিত্সার নমুনা আকার, এবং Y0 হয় নিয়ন্ত্রণ চিকিত্সার মান। এখন আমরা কেবলমাত্র বৈকল্পগুলি (ei) ব্যবহার না করে পুরো মডেলটিতে পুরো বৈকল্পিক-কোভারিয়েন্স ম্যাট্রিক্সকে প্লাগ-ইন করতে পারি যা মেটা-বিশ্লেষণ করার সর্বোত্তম উপায়। এর একটি উদাহরণ পাওয়া যাবেলিম্পেন্স এট আল। ২০১১ সালে আর (বায়োকন্ডাক্টরের উপর) মেটাডেপ প্যাকেজ ব্যবহার করে, বা হেজিজ ডি এর জন্য স্টিভেনস এবং টেলর ২০০৯ using

আপনি যদি এটি খুব সহজ রাখতে চান তবে আমি সমস্যাটিকে উপেক্ষা করে নমুনা নির্ভরতার প্রভাবটি মূল্যায়নের জন্য প্রলুব্ধ হব (উদাহরণস্বরূপ অধ্যয়নের মধ্যে কতগুলি চিকিত্সা রয়েছে? যদি আমি কেবল একটি চিকিত্সা ব্যবহার করি তবে ফলাফল কীভাবে পরিবর্তন হয়? ইত্যাদি) ।


2

হ্যাঁ, এটি একটি সমস্যা।

হ্যাঁ, কমপক্ষে এটি কী করছে সে সম্পর্কে স্বচ্ছ হলেও এটি অনুপযুক্ত (এটি স্বচ্ছতার জন্য পয়েন্ট পেয়েছে, তবে এখনও সন্তোষজনক নয়)।

আমি সন্দেহ করি এটি ঠিক করার একটি "সহজ উপায়" আছে। আমি মেটা বিশ্লেষণে গৃহীত পদ্ধতির বিষয়ে বেশি কিছু জানি না তবে যদি নির্দিষ্ট মেটা-বিশ্লেষণ সফ্টওয়্যার থাকে এবং গবেষণা ব্যবহার করে এটি ব্যবহার করে উত্পাদিত হয় এবং প্রকাশিত হয়, তবে এটি সাধারণ পদ্ধতির হতে পারে। আপনার প্রস্তাবিত প্রতিক্রিয়াগুলির মধ্যে প্রতিটি অধ্যয়ন থেকে কিছু বিস্তৃত তথ্য হারায় (অর্থাত প্রকাশকরা যা করেছেন তার বিপরীত সমস্যা)।

সুস্পষ্ট সমাধান হ'ল একটি মিশ্র-প্রভাবসমূহ (অর্থাত্ মাল্টিলেভেল) মডেল যা এলোমেলো ফ্যাক্টর হিসাবে অধ্যয়ন। মেটা-বিশ্লেষণ সফ্টওয়্যার যদি এটি না করতে পারে তবে আমি এটির জন্য বিশেষজ্ঞের পরিসংখ্যান প্যাকেজটি ব্যবহার করার পরামর্শ দেব। আপনি এখনও ডেটা স্টোরেজ এবং প্রক্রিয়াকরণের জন্য মেটা-বিশ্লেষণ সফ্টওয়্যার ব্যবহার করতে পারেন, এবং বিশ্লেষণের জন্য আর, স্টাটা বা এসএএস-তে ডেটা রফতানি করতে পারেন।


আমি ক্লিনিকাল ট্রায়ালগুলি নিয়ে ভাবছিলাম এবং ভাবছিলাম যে ডোজ-প্রতিক্রিয়াযুক্ত বক্ররেখাটি যে পরিস্থিতিতে ছিল ঠিক এমনটি যদি ঠিক হয় তবে কারণ এটি কার্ভ ফাংশনগুলির সাথে তুলনা করতে পারে। এটা কি কোন সম্ভাবনা?
মিশেল

আমি মনে করি না যে সমস্যার থেকে এটি খুব বেশি পার্থক্যের সৃষ্টি করে যে একটি গবেষণা থেকে বেশ কয়েকটি ফলাফল একরকমভাবে সম্পর্কযুক্ত হবে এবং তাই "নতুন" তথ্য নয়। তবে কার্ভ ফাংশনগুলির মেটা বিশ্লেষণ অবশ্যই সম্ভব হবে, যতক্ষণ আপনি কোনওভাবে এই বাঁকগুলির বিভিন্ন অনুমানের মধ্যে পারস্পরিক সম্পর্ককে নিয়ন্ত্রণ করে। যদি তারা সমস্ত একই ফর্ম হয় এবং এটি পরামিতিগুলি অনুমান করার বিষয় তবে এটি সম্ভব হওয়া উচিত।
পিটার এলিস

@ মিশেল আমি পিটারের সাথে একমত: আপনি যদি কার্ভের প্যারামিটারগুলি সংক্ষিপ্ত করে বলছেন তবে প্রতিটি বক্ররেখা থেকে আপনি একটি প্যারামিটারের প্রাক্কলন পেতে পারেন এবং এটি ঠিক হওয়া উচিত।
আবে
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.