মেটা-বিশ্লেষণে সাবস্কোরগুলি কীভাবে সেরা পরিচালনা করা যায়?


9

আমি প্রভাব আকারের একটি মেটা-বিশ্লেষণ পরিচালনা করছি metafor প্যাকেজ ব্যবহার আর হবে। d রোগীদের এবং স্বাস্থ্যকরদের মধ্যে মেমরি স্কোরের পার্থক্যের প্রতিনিধিত্ব করে। তবে কিছু কিছু স্টাডিজ কেবলমাত্র আগ্রহের পরিমাপের সাবস্কোর্সগুলি ডি হিসাবে বর্ণনা করে (যেমন মেমরি পরীক্ষার পৃথক তিনটি ব্লকের বিভিন্ন মেমরি স্কোর বা স্কোর)। অনুগ্রহ করে নীচের ডামি ডেটা সেট করে ডি এর সাথে স্টাডিজের এফেক্ট মাপ এবং তাদের স্ট্যান্ডার্ড বিচ্যুতি এসডিকে উপস্থাপন করে:

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)

এই সাবস্কোরগুলি কীভাবে পরিচালনা করতে হয় তার সর্বোত্তম উপায়ে আমি আপনার মতামত জানতে চাই - যেমন:

  1. প্রতিটি অধ্যয়ন থেকে একটি করে সাবস্কোর নির্বাচন করুন যা একাধিক স্কোরের প্রতিবেদন করে।
  2. সমস্ত সাবস্কোর অন্তর্ভুক্ত করুন (এটি একই গবেষণার সাবস্কোরগুলি একই নমুনা থেকে আসে বলে এটি আরএফএক্স মডেলের স্বতন্ত্রতার ধারণা লঙ্ঘন করবে)
  3. প্রতিটি অধ্যয়নের জন্য যা সাবস্কোরগুলি প্রতিবেদন করে: একটি গড় স্কোর এবং গড় মান বিচ্যুতি গণনা করুন এবং আরএফএক্স মেটা-বিশ্লেষণে এই "মার্জড এফেক্ট আকার" অন্তর্ভুক্ত করুন।
  4. সমস্ত সাবস্কোর অন্তর্ভুক্ত করুন এবং একটি ডামি ভেরিয়েবল যুক্ত করুন যা সূচিত করে নির্দিষ্ট স্কোর প্রাপ্ত study

উত্তর:


7

এই জাতীয় ডেটা নির্ভর প্রভাবের আকার হিসাবে পরিচিত। নির্ভরতা পরিচালনা করতে বেশ কয়েকটি পদ্ধতি ব্যবহার করা যেতে পারে। আমি ত্রি-স্তরের মেটা-বিশ্লেষণের ব্যবহারের পরামর্শ দেব (চেং, ২০১৪; কনস্ট্যান্টপোলোস, ২০১১; ভ্যান ড্যান নরটগেট এট আল 2013)। এটি স্তর 2 এবং স্তরের 3 বৈজাতীয়তার বৈচিত্রকে পচিয়ে দেয়। আপনার উদাহরণে, স্তর 2 এবং স্তরের 3 বৈজাতীয়তা সাবস্কেল এবং অধ্যয়নের কারণে ভিন্নজাতীয়তার উল্লেখ করে। আরে প্রয়োগ করা মেটাএসইএম প্যাকেজ ( http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/ ) তিন স্তরের মেটা-বিশ্লেষণ পরিচালনা করার জন্য ফাংশন সরবরাহ করে। উদাহরণ স্বরূপ,

## 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) )

আউটপুটটি হ'ল:

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)

এই উদাহরণস্বরূপ, স্তর 2 এবং স্তর 3 বৈজাতীয়তার অনুমান 0 এর কাছাকাছি। স্তর 2 এবং স্তর 3 কোভেরিয়েটগুলিও ভিন্ন ভিন্নতা মডেল করার জন্য অন্তর্ভুক্ত থাকতে পারে। ত্রি-স্তরের মেটা-বিশ্লেষণের আরও উদাহরণ http://courses.nus.edu.sg/course/psycwlm/Internet/metaSEM/3level.html এ উপলব্ধ

তথ্যসূত্র

চেউং, এমডাব্লু-এল। (2014)। মডেলিং নির্ভর প্রভাব আকারগুলি তিন-স্তরের মেটা-বিশ্লেষণ সহ: একটি কাঠামোগত সমীকরণ মডেলিং পদ্ধতিরমনস্তাত্ত্বিক পদ্ধতি , 19 (2), 211-29। doi: 10.1037 / a0032968।

কনস্ট্যান্টপোলোস, এস (২০১১)। তিন-স্তরের মেটা-বিশ্লেষণে স্থির প্রভাব এবং বৈকল্পিক উপাদানগুলির অনুমান। গবেষণা সংশ্লেষ পদ্ধতি , 2 (1), 61-76। ডোই: 10,1002 / jrsm.35

ভ্যান ড্যান নরটগেট, ডব্লিউ।, ল্যাপেজ-ল্যাপেজ, জেএ, মেরান-মার্টিনিজ, এফ, এবং সানচেজ-মেকা, জে। (2013)। নির্ভর প্রভাবের আকারগুলির তিন স্তরের মেটা-বিশ্লেষণ। আচরণ গবেষণা পদ্ধতি , 45 (2), 576–594। ডোই: 10,3758 / s13428-012-0261-6


4

আমি সম্মত যে এটি একটি জটিল পরিস্থিতি। এই মাত্র কয়েক চিন্তা।

ডিফেক্টের আকারগুলি গড় কিনা তা: আপনি যদি সাবস্কেলগুলিতে আগ্রহী না হন তবে আমার প্রথম পছন্দটি কোনও নির্দিষ্ট গবেষণায় সাবস্কেলগুলির জন্য গড় প্রভাবের আকার গ্রহণ করা হবে।

এটি ধরে নিয়েছে যে সমস্ত সাবস্কেল আপনার গবেষণা প্রশ্নের সাথে সমান প্রাসঙ্গিক। কিছু স্কেল যদি আরও প্রাসঙ্গিক হয় তবে আমি কেবল সেই সাবস্কেলগুলি ব্যবহার করতে পারি।

আপনি যদি সাবস্কেলগুলির মধ্যে পার্থক্য সম্পর্কে আগ্রহী হন, তবে টাইপের জন্য কোডেড প্রতিটি সাবস্কেলটির জন্য প্রভাব আকার অন্তর্ভুক্ত করা বুদ্ধিমান হয়ে যায়।

ডি এফেক্ট মাপগুলির স্ট্যান্ডার্ড ত্রুটি: সম্ভবত আপনি ডি এর মান এবং গোষ্ঠী নমুনা আকারের উপর ভিত্তি করে ডি এর স্ট্যান্ডার্ড ত্রুটি গণনা করার জন্য একটি সূত্র ব্যবহার করছেন। অভিযোজিত এই সূত্র , আমরা পেতে

se(d)=(n1+n2n1n2+d22(n1+n22))(n1+n2n1+n22),

যেখানে এবং হ'ল দুটি গ্রুপের নমুনা আকারের তুলনা করা হচ্ছে এবং কোহেনের ।n1n2dd

আমি কল্পনা করি আপনি সাবস্কেলের জন্য গড় ডি মানের মান ত্রুটি গণনা করার জন্য এই জাতীয় একটি সূত্র প্রয়োগ করতে পারেন।


আপনার উত্তরের জন্য ধন্যবাদ! আমি যখন সাবস্কোরগুলির প্রভাবগুলির আকারকে গড় বলি - আপনি কিভাবে এই ক্ষেত্রে গড় প্রভাবের আকারের প্রমিত বিচ্যুতি অর্জন করবেন? সব স্ট্যান্ডার্ড বিচ্যুতি কি গড়?
রসিকতা
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.