0-ফ্রিকোয়েন্সি কোষগুলির সাথে অধ্যয়নের উপর মেটা বিশ্লেষণ


9

আমি মেটা বিশ্লেষণ এবং মেটা রিগ্রেশন কৌশলগুলির সাথে পরিচিত ( metaforভাইচটবাউরের আর প্যাকেজটি ব্যবহার করে ), তবে আমি সম্প্রতি এমন একটি সমস্যার জন্য হোঁচট খেয়েছি যা সহজে সমাধান করতে পারি না। বলুন আমাদের একটি রোগ আছে যা মা থেকে অনাগত সন্তানের কাছে যেতে পারে এবং এটি ইতিমধ্যে বেশ কয়েকবার অধ্যয়ন করা হয়েছে। মা ও সন্তানের জন্মের পরপরই ভাইরাসের জন্য পরীক্ষা করা হয়েছিল। যেহেতু একটি অনাগত শিশু অসম্ভব পরিমাণে ভাইরাসটি মায়ের কাছ থেকে ছাড়া পেতে পারে, তেমনি একজন ক্রসস্ট্যাবুলেশনগুলি যেমন:

           | neg kid | pos kid
mother neg |    A    |   C=0
-----------|---------|--------
mother pos |    B    |   D

স্পষ্টতই বিজোড় অনুপাত (ওআর) ব্যবহার করা ত্রুটি দেয় কারণ একটিকে 0 দ্বারা ভাগ করা হবে আপেক্ষিক ঝুঁকির জন্য একই:

A/(A+B)0/(0+D)

এখন গবেষকরা (সংজ্ঞাহীন) হাইপোথিসিসটি পরীক্ষা করতে চান কিনা সন্তানের সংক্রমণটি মায়ের সংক্রমণের সাথে সম্পর্কিত (যা খুব স্পষ্ট মনে হয়)। আমি অনুমানকে সংশোধন করার চেষ্টা করছি এবং এমন কিছু নিয়ে আসছি যা বোধগম্য হয় তবে আমি সত্যিই কিছু খুঁজে পাই না।

জিনিসগুলিকে জটিল করার জন্য, নেতিবাচক মায়েদের কিছু বাচ্চা আসলে ইতিবাচক, সম্ভবত প্রথম সপ্তাহে সংক্রমণের কারণে। সুতরাং আমার কেবলমাত্র অনেকগুলি স্টাডি রয়েছে যেখানে সি = 0।

এই ধরণের নিদর্শন অনুসরণ করে বিভিন্ন স্টাডির ডেটা পরিসংখ্যানগতভাবে সংক্ষিপ্তকরণের জন্য যে কারও ধারণা। বৈজ্ঞানিক কাগজপত্রের লিঙ্কগুলি স্বাগত চেয়েও বেশি।


আমি এই ডেটাটিকে "ত্রুটিযুক্ত" বলব না - এর সবেমাত্র একটি শূন্য-ফ্রিকোয়েন্সি সেল রয়েছে, যা বড় অংশে প্রভাব বড় হওয়ার কারণে। আবেদনের দৃষ্টিকোণ থেকে এটি একটি "ভাল জিনিস"।
অনিকো

@ অ্যানিকো: আমি সম্মত, ত্রুটিযুক্ত একটি ভুল শব্দ, তবে কীভাবে এটি আলাদা বলতে হয় আমি সত্যিই জানতাম না।
জোরিস মেয়েস

উত্তর:


5

আমার কাছে মনে হয় এটি এমন একটি বিরল পরিস্থিতি যেখানে ঝুঁকির অনুপাত বা প্রতিকূল অনুপাতের চেয়ে ঝুঁকির পার্থক্য বিশ্লেষণ করা ভাল ta ঝুঁকি পার্থক্য প্রতিটি গবেষণায় দ্বারা অনুমান করা হয় । এটি সত্ত্বেও সমস্ত গবেষণায় সীমাবদ্ধ হওয়া উচিত , সুতরাং এটির মেটা-বিশ্লেষণে কোনও সমস্যা হওয়া উচিত নয়।P(Kid+|Mum+)P(Kid+|Mum)D/(B+D)C/(A+C)C=0

আমি সম্মত এই অনুমানের পার্থক্য শূন্য যে অনুমানটি পরীক্ষা করা বিবেচনা করা একেবারেই অর্থহীন বলে মনে হয়। তবে এটি কতটা বড় তা অনুমান করা অর্থবহ, অর্থাত্ কোনও বাচ্চা যখন তার মা মারা যায় না তার চেয়ে তার মায়ের যখন ভাইরাস থাকে তখন তার ভাইরাস হওয়ার সম্ভাবনা কত বেশি।


ঝুঁকির পার্থক্য হ'ল প্রকৃতপক্ষে যাওয়ার উপায়, কারণ এটি অ-পরিসংখ্যানবিদরাও বুঝতে পারবেন। স্বীকার করা হয়েছে।
জোরিস মেয়েস

6

সাধারণত 0 এর ইঙ্গিত দেয় যে প্রতিকূল অনুপাতের সাথে মেটা-বিশ্লেষণের মতো অ্যাসিম্পোটোটিকাল পদ্ধতির উপর নির্ভর করার পরিবর্তে আপনাকে সঠিক পদ্ধতিগুলি ব্যবহার করতে হবে। আপনি যদি ধরে নিতে চান যে অধ্যয়নের প্রভাব স্থির হয়ে গেছে, তবে একটি সঠিক মেন্টেল-হানসেল পরীক্ষাটি যাওয়ার উপায়। সঠিক র্যান্ডম এফেক্টস বিশ্লেষণের জন্য, আপনাকে এলোমেলো অধ্যয়নের প্রভাব সহ দ্বিপদী রিগ্রেশন মডেল ব্যবহার করতে হবে। আমি সাম্প্রতিক প্রয়োগকৃত কাগজে দুটিই করেছি, তবে সেগুলির পদ্ধতি বিভাগটি আপনার পক্ষে বেশি সহায়ক হতে পারে না, কারণ এটি মূলত এই তথ্যটি জানায়।

সম্পাদন করা

এই কাগজটি প্রয়োগ করা হয়নি তবে একই বিষয়টির মুখোমুখি হওয়ার সময় থেকেই আমি এই ধারণাটি পেয়েছিলাম:
[1] হ্যানস সি ভ্যান হুওলিনজেন, লিডিয়া আর। আরেন্ডস এবং থিও স্টিজনেন। মেটা-বিশ্লেষণে উন্নত পদ্ধতি: মাল্টিভারিয়েট পদ্ধতির এবং মেটা-রিগ্রেশন। মেডিসিনে পরিসংখ্যান , 2002; 21: 589-624

এই কাগজটি যেখানে আমি এই পদ্ধতির ব্যবহার করেছি সেগুলি এখানে (এটি বিমূর্তে স্পষ্ট নয়, তবে পদ্ধতিগুলির বিভাগে উল্লেখ করা হয়েছে):
[২] ত্রিবেদী এইচ, নাদেলা আর, জাজো এ। হাইড্রেশন সোডিয়াম বাইকার্বোনেট সহ বিপরীতে প্ররোচিত প্রতিরোধের জন্য নেফ্রোপ্যাথি: এলোমেলোভাবে নিয়ন্ত্রিত পরীক্ষার একটি মেটা-বিশ্লেষণ। ক্লিন নেফ্রোল 2010 অক্টোবর; 74 (4): 288-96।


1
দ্বিপদী মিশ্র প্রভাবের মডেলগুলি ব্যবহারের জন্য +1। হায়রে এটি "একটি মানক পদ্ধতি নয়" হিসাবে প্রত্যাখ্যান করা হয়েছিল। যদি আপনি আমাকে কাগজগুলির কয়েকটি লিঙ্ক দিতে পারেন যেখানে এই পদ্ধতির কোনও মেটা-বিশ্লেষণ সেটআপে ব্যবহৃত হয়, আপনি আমাকে যথেষ্ট সাহায্য করবেন। তুমাকে অগ্রিম ধন্যবাদ.
জোরিস মেয়েস

আমি আমার উত্তরটি কিছু রেফারেন্স সহ সম্পাদনা করেছি।
অনিকো

0

মেটাফোর প্যাকেজের ডকুমেন্টেশন বলছে যে "2x2 টেবিলের কোষগুলিতে একটি ছোট ধ্রুবক যুক্ত করা এই সমস্যার সাধারণ সমাধান" " এবং আরএমএ () এর কলের মধ্যে এটি করার জন্য একটি বিকল্পও সরবরাহ করে।


সাধারণ সমাধানগুলি সর্বদা সঠিক সমাধান নয়।
জোরিস মাইস
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.