Метааналіз — статистичний аналіз, який поєднує результати багатьох наукових досліджень. Метааналіз може бути виконаний, коли існує кілька наукових досліджень, що стосуються одного і того ж питання у кожному окремому дослідженні, і описані результати дослідження, які, як очікується, мають певний ступінь помилки. Метою цього є використання статистичних підходів для отримання об'єднаної оцінки, найближчої до невідомої загальної істини, заснованої на тому, як сприймається ця помилка.
Існуючі методи метааналізу дають середньозважену оцінку від результатів окремих досліджень, і відрізняються способом розподілу цих ваг, а також способом, яким обчислюється невизначеність навколо створеної таким чином оцінки. На додаток до оцінки невідомої загальної істини, метааналіз має здатність протиставляти результати різних досліджень та визначати закономірності між результатами дослідження, джерела розбіжностей між цими результатами чи інші цікаві взаємозв'язки, які можуть з'явитися у контексті кількох досліджень.
Ключовою перевагою такого підходу є агрегування інформації, що призводить до вищої статистичної потужності та більш надійної оцінку, ніж це можливо за результатами будь-якого окремого дослідження. Однак, виконуючи метааналіз, дослідник вимушений робити вибір, який може вплинути на результати, включаючи рішення про пошук досліджень, підбір досліджень на основі набору об'єктивних критеріїв, розгляд неповних даних, аналіз даних та врахування або неврахування упередженності публікації. Судження, зроблені при виконанні метааналізу, можуть вплинути на результати. Наприклад, Ванус та його колеги вивчили чотири пари метааналізів на чотири теми (а) взаємозв'язок між виконанням роботи та задоволенням, (б) реалістичні попередні перегляди роботи, (в) співвідношення конфлікту ролей та неоднозначності та (г) завдання взаємозв'язку задоволення та прогулів, і проілюструвало, як різні виклики суджень, зроблені дослідниками, давали різні результати.
Метааналізи часто, але не завжди, є важливими складовими процедури систематичного огляду. Наприклад, метааналіз може бути проведений на кількох клінічних випробуваннях медикаментозного лікування, щоб досягти кращого розуміння того, наскільки добре працює лікування. Тут зручно дотримуватися термінології, що використовується Кокранівською співпрацею, і використовувати «метааналіз» для позначення статистичних методів поєднання доказів, залишаючи інші аспекти «синтезу дослідження» або «синтезу доказів», таких як поєднання інформації з якісних досліджень, для більш загального контексту систематичних оглядів . Метааналіз — це вторинне джерело.
Історія
Історичні корені метааналізу можна простежити до досліджень астрономії 17 століття, в той час як стаття, опублікована в 1904 р. у «Британському медичному журналі» статистиком Карлом Пірсоном який зібрав дані декількох досліджень тифозного щеплення, розглядається як перший раз, коли метааналітичний підхід був використаний для узагальнення результатів багатьох клінічних досліджень. Перший метааналіз всіх концептуально однакових експериментів, що стосуються певного дослідження, і проведений незалежними дослідниками, був визначений як книжка, що випускається в 1940 році, «Екстрасенсорне сприйняття після шістдесяти років» ", авторами є психологи університету Дюка Дж. Г. Пратт, Джозеф . Б. Рейн та ін. Це охопило огляд 145 доповідей про експериментів зекстрасенсорне сприйняття, опублікованих з 1882 по 1939 рік, і включило оцінку впливу неопублікованих праць на загальний ефект (роблема вилучених файлів). Хоча метааналіз широко застосовується в епідеміології та доказовій медицині, метааналіз медикаментозного лікування не був опублікований до 1955 року. У 1970-х більш складні аналітичні методи вмкористовувались у освітніх дослідженнях починаючи з робіт Гена В. Гласса, Франка Л. Шмідта та Дж. Е. Хантера.
Термін «метааналіз» був введений у 1976 році статистиком Гене В. Глассом, хто заявив «моє головне зацікавлення в даний час полягає в тому, що ми почали називати … метааналіз досліджень. Термін трохи грандіозний, але він точний і вдалий … Метааналіз відноситься до аналізу аналізів». Хоча це призвело до того, що він був визнаний сучасним засновником методу, методологія, яку він назвав «метааналізом», передувала його роботі протягом кількох десятиліть. Статистична теорія, що стосується метааналізу, була сильно просунута роботами Намбері С. Раджу, Ларрі В. Хеджесом, Харрісом Купером, Інграм Олкін, Джон Е. Хантер, Jacob Cohen, Thomas C. Chalmers, Robert Rosenthal, Frank L. Schmidt та Дугласом Г. Бонеттом.
Етапи метааналізу
Метааналізу зазвичай передує систематичний огляд, оскільки це дозволяє ідентифікувати та критично оцінити всі відповідні докази (тим самим обмежуючи ризик упередженості у підсумкових оцінках). Загальні кроки наступні:
- Формулювання дослідницького питання, напр. з використанням моделі PICO (Population, Intervention, Comparison, Outcome — Популяція, Вплив, Порівняння, Результати).
- Пошук літератури
- Вибір досліджень («критерії включення»)
- На основі критеріїв якості, наприклад вимога рандомізації та осліплення в клінічному випробуванні
- Вибір конкретних досліджень на щодо визначеного предмету, напр. лікування раку молочної залози.
- Рішення, чи включати неопубліковані дослідження, щоб уникнути упередженості публікацій (проблема з вилученням файлів)
- Вирішити, які залежні змінні чи підсумкові заходи дозволені. Наприклад, при розгляді метааналізу опублікованих (агрегованих) даних:
- Відмінності (дискретні дані)
- Засоби (безперервні дані)
- Хеджи g — популярна підсумкова величина для безперервних даних, яка стандартизується з метою усунення різниць масштабу, але він включає індекс зміни між групами:
- у якій є середнім значенням для лікуванням, — середнє значення контрольної групи, об'єднана дисперсія.
- Вибір моделі метааналізу, напр. метааналіз з фіксованим ефектом або випадковими ефектами.
- Вивчіть джерела гетерогенності між дослідженнями, наприклад за допомогою аналізу підгруп або . Формальні вказівки щодо проведення та звітування про метааналізи надаються Посібником з Кокрана.
Методи та припущення
Підходи
Загалом при проведенні метааналізу можна виділити два типи доказів: індивідуальні дані учасника (ІДЧ) та агреговані дані (АД). Агреговані дані можуть бути прямими або непрямими.
АД частіше доступні (наприклад, з літератури) і, як правило, представляють зведені оцінки, такі як відношення переваги або відносний ризик. Це можна безпосередньо синтезувати в рамках концептуально подібних досліджень, використовуючи декілька підходів (див. нижче). З іншого боку, непрямі агреговані дані вимірюють дію двох методів лікування, які порівнювались проти аналогічної контрольної групи в метааналізі. Наприклад, якщо лікування A і лікування B безпосередньо порівнювались з плацебо в окремих метааналізах, ми можемо використовувати ці два об'єднані результати, щоб отримати оцінку ефектів від A проти B у непрямому порівнянні як ефект A проти плацебо мінус ефект B проти плацебо.
Докази ІДЧ представляють необроблені дані, зібрані дослідними центрами. Ця відмінність викликала потребу в різних метааналітичних методах, коли потрібен синтез доказів, і призвела до розробки одноетапних та двоступеневих методів. Одноетапними методами ІДЧ усіх досліджень моделюються одночасно, враховуючи групування учасників в рамках досліджень. Двоетапні методи спочатку обчислюють підсумкову статистику для АД з кожного дослідження, а потім обчислюють загальну статистику як середньозважену статистику дослідження. За рахунок зведення ІДЧ до АД, двоступеневі методи також можуть застосовуватися, коли доступний ІДЧ; це робить їх привабливим вибором при виконанні метааналізу. Хоча загальноприйнято вважати, що одноетапні та двоступеневі методи дають подібні результати, останні дослідження показали, що вони можуть іноді призводити до різних висновків.
Статистичні моделі для агрегованих даних
Прямі докази: Моделі, що містять лише наслідки дослідження
Модель з фіксованими ефектами
Модель з фіксованими ефектами забезпечує середньозважене значення з серії оцініваних досліджень. Зворотна дисперсія оцінок зазвичай використовується як вага дослідження, так що більші дослідження мають тенденцію до більшого внеску до середньозваженого ніж менші дослідження. Отже, коли в дослідженнях метааналізу переважає дуже велике дослідження, результати менших досліджень практично ігноруються. Найголовніше, що модель фіксованих ефектів передбачає, що всі включені дослідження досліджують одну і ту ж сукупність, використовують однакові визначення змінних та результатів тощо. Це припущення, як правило, нереальне, оскільки дослідження часто схильні до декількох джерел неоднорідності; напр. ефекти лікування можуть відрізнятися залежно від місцевості, рівнів дозування, умов дослідження, …
Модель випадкових ефектів
Загальна модель, яка використовується для синтезу гетерогенних досліджень, — це метааналіз випадкових ефектів. Це просто середньозважена середня величина ефекту групи досліджень. Вага, що застосовується в цьому процесі зваженого усереднення з метааналізом випадкових ефектів, досягається в два етапи:
- Крок 1: Зважування зворотної дисперсії
- Крок 2: Розважування цього зважування на основі зворотної дисперсії шляхом застосування компонента дисперсії випадкових ефектів (КДВП), який просто виводиться зі ступеня мінливості розмірів ефекту в базових дослідженнях.
Це означає, що чим більша ця мінливість розмірів ефектів (інакше відома як неоднорідність), тим більше розважування, і можна досягти точки, коли результат метааналізу випадкових ефектів стає просто незваженим середнім розміром ефекту в ході досліджень. З іншого боку, коли всі розміри ефектів схожі (або мінливість не перевищує помилку вибірки), не застосовується КДВП, а метааналіз випадкових ефектів зводиться до метааналізу з фіксованими ефектами (лише зі зважуванням зворотньої дисперсії).
Ступінь цього зведення залежить виключно від двох факторів:
- Неоднорідність точності
- Неоднорідність розміру ефекту
Оскільки жоден із цих факторів автоматично не вказує на помилкове масштабне дослідження або більш надійні менші дослідження, перерозподіл ваг за цією моделлю не матиме відношення до того, що ці дослідження можуть запропонувати насправді. Дійсно, було продемонстровано, що перерозподіл ваг є просто в одному напрямку від більших до менших досліджень, оскільки гетерогенність збільшується, поки в кінцевому підсумку всі дослідження не мають однакової ваги і подальший перерозподіл неможливий. Інша проблема моделі випадкових ефектів полягає в тому, що найчастіше використовувані довірчі інтервали, як правило, не зберігають ймовірності їх покриття вище зазначеного номінального рівня і, таким чином, істотно занижують статистичну помилку і, можливо, завищують переконаність у своїх висновках. Запропоновано кілька виправлень але дебати тривають далі. Наступне занепокоєння полягає в тому, що середній ефект лікування іноді може бути навіть менш консервативним порівняно з моделлю з фіксованим ефектом і тому вводить в оману на практиці. Одне з запропонованих інтерпретаційних виправлень полягає у створенні інтервалу прогнозування навколо оцінки випадкових ефектів для відображення діапазону можливих ефектів на практиці. Однак припущення при обчисленні такого інтервалу прогнозування полягає в тому, що випробування вважаються більш-менш однорідними суб'єктами, що включають популяції пацієнтів та порівняльне лікування, слід вважати взаємозамінними і це, як правило, недосяжно на практиці.
Найбільш широко застосовуваний метод для оцінки між дисперсією досліджень (КДВП) — це підхід DerSimonian-Laird (DL). Існує кілька вдосконалених ітеративних (і обчислювально дорогих) методів обчислення різниці між дослідженнями (такі як максимальна ймовірність, імовірність профілю та обмежена максимальна ймовірність методів) та моделями випадкових ефектів за допомогою цих методів можна запустити в Stata за допомогою команди metaan. Команду metaan слід відрізняти від класичної команди metan (одиночна «a») в Stata, яка використовує оцінювач DL. Ці вдосконалені методи також були реалізовані у вільному та простому у використанні додатку Microsoft Excel, MetaEasy. Однак порівняння між цими передовими методами та методом DL для обчислення дисперсії між дослідженнями показало, що виграш малий, а DL у більшості сценаріїв цілком адекватний.
Однак більшість метааналізів включає в себе від 2 до 4 досліджень, і такий зразок частіше за все є недостатнім для точної оцінки гетерогенності. Таким чином, виявляється, що в невеликих метааналізах виходить некоректний нуль між оцінкою дисперсії дослідження, що призводить до помилкового припущення про однорідність. В цілому, виявляється, що гетерогенність постійно недооцінюється в метааналізах та аналізах чутливості, в яких передбачається, що високі рівні гетерогенності можуть бути інформативними. Ці зразки випадкових ефектів та програмні пакети, згадані вище, стосуються метааналізів, що сукупні з дослідженнями, і дослідникам, які бажають проводити індивідуальні метааналізи даних про пацієнтів (ІПД), необхідно враховувати підходи моделювання змішаних ефектів.
Модель зворотньої дисперсії неоднорідності (IVhet)
Doi & Barendregt, працюючи у співпраці з Ханом, Талібом та Вільямсом (з Університету Квінсленда, Університету Південного Квінсленду та Кувейтського університету), створили для моделі випадкових ефектів (RE) альтернативу, засновано на квазиімовірності на основі зворотньої дисперсії, подробиці для якої доступні в Інтернеті. Вона була включена до MetaXL версії 2.0, безкоштовну надбудову Microsoft excel для метааналізу, вироблену Epigear International Pty Ltd, і доступну з 5 квітня 2014 року. Автори заявляють, що очевидною перевагою цієї моделі є те, що вона вирішує дві основні проблеми моделі випадкових ефектів. Перша перевага моделі IVhet полягає в тому, що покриття залишається на номінальному (зазвичай 95 %) рівні довірчого інтервалу на відміну від моделі випадкових ефектів, що падає на покриття зі збільшенням неоднорідності. Друга перевага полягає в тому, що модель IVhet підтримує зворотні дисперсійні ваги окремих досліджень, на відміну від моделі випадкових ефектів, яка надає невеликим дослідженням більше ваги (а отже, і більших досліджень) зі збільшенням гетерогенності. Коли гетерогенність стає великою, окремі ваги дослідження за моделлю RE стають рівними, і, таким чином, модель RE повертає середнє арифметичне, а не зважене середнє. Цей побічний ефект моделі RE не виникає з моделлю IVhet, яка, таким чином, відрізняється від оцінки моделі RE у двох перспективах: Об'єднані оцінки сприятимуть більшій кількості випробувань (на відміну від пенімання масштабних випробувань у моделі RE) та матимуть довірчий інтервал, який залишатиметься в межах номінального покриття при невизначеності (неоднорідності). Doi & Barendregt припускають, що, хоча модель RE пропонує альтернативний метод об'єднання даних дослідження, результати їх моделювання продемонструють, що використання більш визначеної моделі ймовірності з непереборними припущеннями, як і для моделі RE, не обов'язково дає кращі результати. Останнє дослідження також повідомляє, що модель IVhet вирішує проблеми, пов'язані з недооцінкою статистичної помилки, поганим покриттям довірчого інтервалу та збільшенням MSE, що спостерігається з моделлю випадкових ефектів, і автори роблять висновок, що дослідникам слід відмовитися від використання моделі випадкових ефектів в метааналізі. Незважаючи на те, що їх дані є переконливими, наслідки (з точки зору масштабів хибно позитивних результатів у базі даних Кокрана) величезні, і тому прийняття цього висновку вимагає ретельного незалежного підтвердження. Наявність вільного програмного забезпечення (MetaXL) що керує моделлю IVhet (і всі інші моделі для порівняння) сприяє цьому для дослідницької спільноти.
Прямі докази: Моделі, що містять додаткову інформацію
Модель ефектів якості
Дой і Таліб представили модель ефектів якості. Вони запровадили новий підхід до коригування відмінності між дослідженнями, включивши внесок дисперсії за рахунок відповідного компонента (якості) на додаток до внеску дисперсії через випадкову помилку, яка використовується в будь-якій моделі метааналізу з фіксованими ефектами для генерації ваг для кожного дослідження. Сила метааналізу ефектів якості полягає в тому, що він дозволяє використовувати наявні методологічні докази над суб'єктивними випадковими ефектами, і тим самим, допомагає усунути згубний розрив, який відкрився між методологією та статистикою в клінічних дослідженнях. Для цього розраховується дисперсія синтетичного зміщення на основі інформації про якість для коригування зворотних дисперсійних ваг і вводиться вага, скоригована якістю i-го дослідження. Ці скориговані ваги потім використовуються в метааналізі. Іншими словами, якщо i-те дослідження має хорошу якість, а інші дослідження мають низьку якість, частка їх коригованої ваги якості математично перерозподіляється на i-те дослідження, надаючи йому більшу вагу у загальній величині ефекту. Коли дослідження стають все більш схожими за якістю, перерозподіл стає відповідно меншим і припиняється, коли всі дослідження мають однакову якість (у випадку однакової якості модель ефектів якості за замовчуванням відповідає моделі IVhet — див. Попередній розділ). Недавня оцінка моделі ефектів якості (з деякими оновленнями) демонструє, що незважаючи на суб'єктивність оцінки якості, продуктивність (MSE та справжня дисперсія при моделюванні) перевершує показники, які можна досягти за допомогою моделі випадкових ефектів. Ця модель, таким чином, замінює непереборні інтерпретації, які широко розповсюджені в літературі, і доступне програмне забезпечення для подальшого вивчення цього методу.
Непрямі докази: мережеві методи метааналізу
Методи непрямого порівняння метааналізу (їх також називають мережевими метааналізами, зокрема, коли багаторазове лікування оцінюється одночасно), як правило, використовують дві основні методології. По-перше, це метод Бюхера що являє собою одиничне або повторне порівняння замкнутого циклу трьох обробок таким чином, що одна з них є спільною для двох досліджень і утворює вузол, де починається і закінчується цикл. Тому для порівняння декількох методів лікування потрібні декілька порівнянь двічі на два (3-х петлі обробки). Ця методологія вимагає, щоб у випробуваннях з більш ніж двома руками було вибрано лише дві руки, оскільки необхідні незалежні паралельні порівняння. Альтернативна методологія використовує складне статистичне моделювання для включення декількох випробувань та порівнянь одночасно між усіма конкуруючими методами лікування. Вони були виконані за допомогою байєсівських методів, змішаних лінійних моделей та методів регресії.
Байєсівська модель
Зазначення байєсівської моделі метааналізу мережі передбачає написання моделі спрямованого ациклічного графа (САГ) для програмного забезпечення марківського ланцюга Монте-Карло (МЛМК), такого як WinBUGS. Крім того, для ряду параметрів повинні бути вказані попередні розподіли, а дані повинні надаватися у певному форматі. Разом САГ, пріори та дані утворюють баєсову ієрархічну модель. Для подальшого ускладнення, через характер оцінки МЛМК, для декількох незалежних ланцюгів необхідно вибирати передисперсні вихідні значення, щоб можна було оцінити конвергенцію. Наразі не існує програмного забезпечення, яке б автоматично генерувало подібні моделі, хоча є деякі інструменти, які допоможуть у цьому процесі. Складність байєсівського підходу обмежує використання цієї методології. Запропоновано методику автоматизації цього методуале потрібно, щоб були дані про результати, отримані руками, і вони зазвичай недоступні. Іноді висуваються великі претензії на властиву байєсівській структурі обробку мережевого метааналізу та її більшу гнучкість. Однак цей вибір реалізації моделі для висновку, байєсівської або частотної, може бути менш важливим, ніж інші варіанти щодо моделювання ефектів (див. обговорення на моделях вище).
Частотна модель з багатьма змінними
З іншого боку, частотні методи з багатьма змінними передбачають наближення та припущення, які не вказані прямо або перевірені під час застосування методів (див. Обговорення на моделях метааналізу вище). Наприклад, пакет mvmeta для Stata дозволяє здійснювати мережевий метааналіз частотними методами. Однак, якщо в мережі немає загального значення для порівняння, то потрібно вирішити цю проблему доповнивши набір даних фіктивними згначеннями з великою дисперсією, що не дуже об'єктивно і вимагає прийняття рішення щодо того, що є досить великою дисперсією. Іншим питанням є використання моделі випадкових ефектів як у цій частотній моделі, так і в байєсівській. Сенн радить аналітикам бути обережними щодо тлумачення аналізу «випадкових ефектів», оскільки можливий лише один випадковий ефект, але можна передбачити багато.
Сенн продовжує говорити, що це досить наївно, навіть у випадку, коли порівнюють лише два методи лікування, припускаючи, що аналіз випадкових ефектів враховує всю невизначеність у тому, як ефекти можуть змінюватись від спроби до спроби. Новіші моделі метааналізу, такі, як обговорені вище, безумовно, допоможуть полегшити цю ситуацію і будуть впроваджені в наступній моделі.
Узагальнена система парного моделювання
Підхід, який випробовували з кінця 1990-х років, полягає у впровадженні багаторазового аналізу із замкнутим циклом із трьох обробок. Це не було популярно, оскільки процес швидко стає таким, який неможливо виконати,, оскільки складність мережі зростає. Тоді від розвитку у цій галузі відмовились на користь байєсівських та багатофакторних частотних методів, які з'явились як альтернативи. Зовсім недавно деякими дослідниками була розроблена автоматизація методу із замкнутим циклом із трьох обробок для складних мереж як спосіб зробити цю методологію доступною для основних дослідницьких кіл. Ця пропозиція дійсно обмежує кожне випробування двома втручаннями, але також вводить обхідний шлях для багатократних випробувань: різний фіксований контрольний вузол може бути обраний в різних прогонах. Він також використовує надійні методи метааналізу, щоб уникнути багатьох проблем, висвітлених вище. Подальші дослідження цієї системи необхідні, щоб визначити, чи справді це перевершує байєсівські чи багатовимірні частотні схеми. Дослідники, які бажають спробувати це, мають доступ до цієї основи за допомогою вільного програмного забезпечення.
Примітки
- Greenland S, O' Rourke K: Meta-Analysis. Page 652 in Modern Epidemiology, 3rd ed. Edited by Rothman KJ, Greenland S, Lash T. Lippincott Williams and Wilkins; 2008.
- Walker E, Hernandez AV, Kattan MW (2008). Meta-analysis: Its strengths and limitations. Cleve Clin J Med. 75 (6): 431—9. doi:10.3949/ccjm.75.6.431. PMID 18595551.
- Wanous, John P.; Sullivan, Sherry E.; Malinak, Joyce (1989). The role of judgment calls in meta-analysis. Journal of Applied Psychology. 74 (2): 259—264. doi:10.1037/0021-9010.74.2.259. ISSN 0021-9010.
- . cochrane.org. Архів оригіналу за 26 січня 2015. Процитовано 11 липня 2020.
- Gravetter, Frederick J.; Forzano, Lori-Ann B. (1 січня 2018). (англ.). Cengage Learning. с. 36. ISBN . Архів оригіналу за 7 серпня 2020. Процитовано 11 липня 2020.
Some examples of secondary sources are (1) books and textbooks in which the author describes and summarizes past research, (2) review articles or meta-analyses...
- Adams, Kathrynn A.; Lawrence, Eva K. (2 лютого 2018). (англ.). SAGE Publications. ISBN . Архів оригіналу за 8 серпня 2020. Процитовано 11 липня 2020.
The most common types of secondary sources found in academic journals are literature reviews and meta-analyses.
- PLACKETT, R. L. (1958). Studies in the History of Probability and Statistics: Vii. The Principle of the Arithmetic Mean. Biometrika. 45 (1–2): 133. doi:10.1093/biomet/45.1-2.130. Процитовано 29 травня 2016.
- Pearson K (1904). Report on certain enteric fever inoculation statistics. BMJ. 2 (2288): 1243—1246. doi:10.1136/bmj.2.2288.1243. PMC 2355479. PMID 20761760.
- Nordmann AJ, Kasenda B, Briel M (9 березня 2012). Meta-analyses: what they can and cannot do. Swiss Medical Weekly. 142: w13518. doi:10.4414/smw.2012.13518. PMID 22407741.
- O'Rourke K (1 грудня 2007). An historical perspective on meta-analysis: dealing quantitatively with varying study results. J R Soc Med. 100 (12): 579—582. doi:10.1258/jrsm.100.12.579. PMC 2121629. PMID 18065712.
- Pratt JG, Rhine JB, Smith BM, Stuart CE, Greenwood JA. Extra-Sensory Perception after Sixty Years: A Critical Appraisal of the Research in Extra-Sensory Perception. New York: Henry Holt, 1940
- Glass G. V (1976). Primary, secondary, and meta-analysis of research. Educational Researcher. 5 (10): 3—8. doi:10.3102/0013189X005010003.
- Cochran WG (1937). Problems Arising in the Analysis of a Series of Similar Experiments. Journal of the Royal Statistical Society. 4 (1): 102—118. doi:10.2307/2984123. JSTOR 2984123.
- Cochran WG, Carroll SP (1953). A Sampling Investigation of the Efficiency of Weighting Inversely as the Estimated Variance. Biometrics. 9 (4): 447—459. doi:10.2307/3001436. JSTOR 3001436.
- Debray, Thomas P. A.; Moons, Karel G. M.; van Valkenhoef, Gert; Efthimiou, Orestis; Hummel, Noemi; Groenwold, Rolf H. H.; Reitsma, Johannes B.; on behalf of the GetReal methods review group (1 грудня 2015). Get real in individual participant data (IPD) meta-analysis: a review of the methodology. Research Synthesis Methods (англ.). 6 (4): 293—309. doi:10.1002/jrsm.1160. ISSN 1759-2887. PMC 5042043. PMID 26287812.
- Debray TP, Moons KG, Abo-Zaid GM, Koffijberg H, Riley RD (2013). Individual participant data meta-analysis for a binary outcome: one-stage or two-stage?. PLoS ONE. 8 (4): e60650. Bibcode:2013PLoSO...860650D. doi:10.1371/journal.pone.0060650. PMC 3621872. PMID 23585842.
{{}}
: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом () - Burke, Danielle L.; Ensor, Joie; Riley, Richard D. (28 лютого 2017). Meta-analysis using individual participant data: one-stage and two-stage approaches, and why they may differ. Statistics in Medicine (англ.). 36 (5): 855—875. doi:10.1002/sim.7141. ISSN 1097-0258. PMC 5297998. PMID 27747915.
- Helfenstein U (2002). Data and models determine treatment proposals--an illustration from meta-analysis. Postgrad Med J. 78 (917): 131—4. doi:10.1136/pmj.78.917.131. PMC 1742301. PMID 11884693.
- Senn S (2007). Trying to be precise about vagueness. Stat Med. 26 (7): 1417—30. doi:10.1002/sim.2639. PMID 16906552.
- Al Khalaf MM, Thalib L, Doi SA (2011). Combining heterogenous studies using the random-effects model is a mistake and leads to inconclusive meta-analyses (PDF). Journal of Clinical Epidemiology. 64 (2): 119—23. doi:10.1016/j.jclinepi.2010.01.009. PMID 20409685.
- Brockwell S.E.; Gordon I.R. (2001). A comparison of statistical methods for meta-analysis. Statistics in Medicine. 20 (6): 825—840. doi:10.1002/sim.650. PMID 11252006.
- Noma H (Dec 2011). Confidence intervals for a random-effects meta-analysis based on Bartlett-type corrections. Stat Med. 30 (28): 3304—12. doi:10.1002/sim.4350. :2433/152046. PMID 21964669.
- Brockwell SE, Gordon IR (2007). A simple method for inference on an overall effect in meta-analysis. Statistics in Medicine. 26 (25): 4531—4543. doi:10.1002/sim.2883. PMID 17397112.
- Sidik K, Jonkman JN (2002). A simple confidence interval for meta-analysis. Statistics in Medicine. 21 (21): 3153—3159. doi:10.1002/sim.1262. PMID 12375296.
- Jackson D, Bowden J (2009). A re-evaluation of the 'quantile approximation method' for random effects meta-analysis. Stat Med. 28 (2): 338—48. doi:10.1002/sim.3487. PMC 2991773. PMID 19016302.
- Poole C, Greenland S (Sep 1999). Random-effects meta-analyses are not always conservative. Am J Epidemiol. 150 (5): 469—75. doi:10.1093/oxfordjournals.aje.a010035. PMID 10472946.
- Riley RD, Higgins JP, Deeks JJ (2011). Interpretation of random effects meta-analyses. British Medical Journal. 342: d549. doi:10.1136/bmj.d549. PMID 21310794.
- Kriston L (2013). Dealing with clinical heterogeneity in meta-analysis. Assumptions, methods, interpretation. Int J Methods Psychiatr Res. 22 (1): 1—15. doi:10.1002/mpr.1377. PMC 6878481. PMID 23494781.
- , (1986). Meta-analysis in clinical trials. Control Clin Trials. 7 (3): 177—88. doi:10.1016/0197-2456(86)90046-2. PMID 3802833.
- Kontopantelis, Evangelos; Reeves, David (1 серпня 2010). Metaan: Random-effects meta-analysis. Stata Journal. 10 (3): 395—407. doi:10.1177/1536867X1001000307 — через ResearchGate.
- Kontopantelis, Evangelos; Reeves, David (2009). MetaEasy:A Meta-Analysis Add-In for Microsoft Excel, Journal of Statistical Software 2009. Journal of Statistical Software. 30 (7). doi:10.18637/jss.v030.i07.
- . Statanalysis.co.uk. Архів оригіналу за 29 липня 2017. Процитовано 18 вересня 2018.
- Kontopantelis E, Reeves D (2012). Performance of statistical methods for meta-analysis when true study effects are non-normally distributed: A simulation study. Statistical Methods in Medical Research. 21 (4): 409—26. doi:10.1177/0962280210392008. PMID 21148194.
- Kontopantelis E, Reeves D (2012). Performance of statistical methods for meta-analysis when true study effects are non-normally distributed: a comparison between DerSimonian-Laird and restricted maximum likelihood. SMMR. 21 (6): 657—9. doi:10.1177/0962280211413451. PMID 23171971.
- Kontopantelis E, Springate DA, Reeves D (2013). Friede, Tim (ред.). A Re-Analysis of the Cochrane Library Data: The Dangers of Unobserved Heterogeneity in Meta-Analyses. PLoS ONE. 8 (7): e69930. Bibcode:2013PLoSO...869930K. doi:10.1371/journal.pone.0069930. PMC 3724681. PMID 23922860.
{{}}
: Обслуговування CS1: Сторінки із непозначеним DOI з безкоштовним доступом () - Kontopantelis, Evangelos; Reeves, David (27 вересня 2013). A short guide and a forest plot command (ipdforest) for one-stage meta-analysis. Stata Journal. 13 (3): 574—587. doi:10.1177/1536867X1301300308 — через ResearchGate.
- (PDF). Архів оригіналу (PDF) за 28 лютого 2017. Процитовано 18 вересня 2018.
- . Epigear.com. 3 червня 2017. Архів оригіналу за 20 липня 2017. Процитовано 18 вересня 2018.
- Doi SA, Barendregt JJ, Khan S, Thalib L, Williams GM (2015). Advances in the Meta-analysis of heterogeneous clinical trials I: The inverse variance heterogeneity model (PDF). Contemp Clin Trials. 45 (Pt A): 130—8. doi:10.1016/j.cct.2015.05.009. PMID 26003435.
- Doi SA, Thalib L (2008). A quality-effects model for meta-analysis. Epidemiology. 19 (1): 94—100. doi:10.1097/EDE.0b013e31815c24e7. PMID 18090860.
- Doi SA, Barendregt JJ, Mozurkewich EL (2011). Meta-analysis of heterogeneous clinical trials: an empirical example. Contemp Clin Trials. 32 (2): 288—98. doi:10.1016/j.cct.2010.12.006. PMID 21147265.
- Doi SA, Barendregt JJ, Williams GM, Khan S, Thalib L (2015). Simulation Comparison of the Quality Effects and Random Effects Methods of Meta-analysis. Epidemiology. 26 (4): e42—4. doi:10.1097/EDE.0000000000000289. PMID 25872162.
- Doi SA, Barendregt JJ, Khan S, Thalib L, Williams GM (2015). Advances in the meta-analysis of heterogeneous clinical trials II: The quality effects model. Contemp Clin Trials. 45 (Pt A): 123—9. doi:10.1016/j.cct.2015.05.010. PMID 26003432.
- Bucher H. C.; Guyatt G. H.; Griffith L. E.; Walter S. D. (1997). The results of direct and indirect treatment comparisons in meta-analysis of randomized controlled trials. J Clin Epidemiol. 50 (6): 683—691. doi:10.1016/s0895-4356(97)00049-8. PMID 9250266.
- Valkenhoef G.; Lu G.; Brock B.; Hillege H.; Ades A. E.; Welton N. J. (2012). Automating network meta‐analysis. Research Synthesis Methods. 3 (4): 285—299. doi:10.1002/jrsm.1054. PMID 26053422.
- Brooks SP, Gelman A (1998). (PDF). Journal of Computational and Graphical Statistics. 7 (4): 434—455. doi:10.1080/10618600.1998.10474787. Архів оригіналу (PDF) за 18 липня 2020. Процитовано 19 липня 2020.
- van Valkenhoef G, Lu G, de Brock B, Hillege H, Ades AE, Welton NJ. Automating network meta-analysis. Res Synth Methods. 2012 Dec;3(4):285-99.
- Senn S, Gavini F, Magrez D, Scheen A (Apr 2013). Issues in performing a network meta-analysis. Stat Methods Med Res. 22 (2): 169—89. doi:10.1177/0962280211432220. PMID 22218368.
- White IR (2011). Multivariate random-effects meta-regression: updates to mvmeta. The Stata Journal. 11 (2): 255—270. doi:10.1177/1536867X1101100206.
- van Valkenhoef G, Lu G, de Brock B, Hillege H, Ades AE, Welton NJ. Automating network meta-analysis. Res Synth Methods. 2012 Dec;3(4):285-99
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Metaanaliz statistichnij analiz yakij poyednuye rezultati bagatoh naukovih doslidzhen Metaanaliz mozhe buti vikonanij koli isnuye kilka naukovih doslidzhen sho stosuyutsya odnogo i togo zh pitannya u kozhnomu okremomu doslidzhenni i opisani rezultati doslidzhennya yaki yak ochikuyetsya mayut pevnij stupin pomilki Metoyu cogo ye vikoristannya statistichnih pidhodiv dlya otrimannya ob yednanoyi ocinki najblizhchoyi do nevidomoyi zagalnoyi istini zasnovanoyi na tomu yak sprijmayetsya cya pomilka Isnuyuchi metodi metaanalizu dayut serednozvazhenu ocinku vid rezultativ okremih doslidzhen i vidriznyayutsya sposobom rozpodilu cih vag a takozh sposobom yakim obchislyuyetsya neviznachenist navkolo stvorenoyi takim chinom ocinki Na dodatok do ocinki nevidomoyi zagalnoyi istini metaanaliz maye zdatnist protistavlyati rezultati riznih doslidzhen ta viznachati zakonomirnosti mizh rezultatami doslidzhennya dzherela rozbizhnostej mizh cimi rezultatami chi inshi cikavi vzayemozv yazki yaki mozhut z yavitisya u konteksti kilkoh doslidzhen Klyuchovoyu perevagoyu takogo pidhodu ye agreguvannya informaciyi sho prizvodit do vishoyi statistichnoyi potuzhnosti ta bilsh nadijnoyi ocinku nizh ce mozhlivo za rezultatami bud yakogo okremogo doslidzhennya Odnak vikonuyuchi metaanaliz doslidnik vimushenij robiti vibir yakij mozhe vplinuti na rezultati vklyuchayuchi rishennya pro poshuk doslidzhen pidbir doslidzhen na osnovi naboru ob yektivnih kriteriyiv rozglyad nepovnih danih analiz danih ta vrahuvannya abo nevrahuvannya uperedzhennosti publikaciyi Sudzhennya zrobleni pri vikonanni metaanalizu mozhut vplinuti na rezultati Napriklad Vanus ta jogo kolegi vivchili chotiri pari metaanaliziv na chotiri temi a vzayemozv yazok mizh vikonannyam roboti ta zadovolennyam b realistichni poperedni pereglyadi roboti v spivvidnoshennya konfliktu rolej ta neodnoznachnosti ta g zavdannya vzayemozv yazku zadovolennya ta proguliv i proilyustruvalo yak rizni vikliki sudzhen zrobleni doslidnikami davali rizni rezultati Metaanalizi chasto ale ne zavzhdi ye vazhlivimi skladovimi proceduri sistematichnogo oglyadu Napriklad metaanaliz mozhe buti provedenij na kilkoh klinichnih viprobuvannyah medikamentoznogo likuvannya shob dosyagti krashogo rozuminnya togo naskilki dobre pracyuye likuvannya Tut zruchno dotrimuvatisya terminologiyi sho vikoristovuyetsya Kokranivskoyu spivpraceyu i vikoristovuvati metaanaliz dlya poznachennya statistichnih metodiv poyednannya dokaziv zalishayuchi inshi aspekti sintezu doslidzhennya abo sintezu dokaziv takih yak poyednannya informaciyi z yakisnih doslidzhen dlya bilsh zagalnogo kontekstu sistematichnih oglyadiv Metaanaliz ce vtorinne dzherelo IstoriyaIstorichni koreni metaanalizu mozhna prostezhiti do doslidzhen astronomiyi 17 stolittya v toj chas yak stattya opublikovana v 1904 r u Britanskomu medichnomu zhurnali statistikom Karlom Pirsonom yakij zibrav dani dekilkoh doslidzhen tifoznogo sheplennya rozglyadayetsya yak pershij raz koli metaanalitichnij pidhid buv vikoristanij dlya uzagalnennya rezultativ bagatoh klinichnih doslidzhen Pershij metaanaliz vsih konceptualno odnakovih eksperimentiv sho stosuyutsya pevnogo doslidzhennya i provedenij nezalezhnimi doslidnikami buv viznachenij yak knizhka sho vipuskayetsya v 1940 roci Ekstrasensorne sprijnyattya pislya shistdesyati rokiv avtorami ye psihologi universitetu Dyuka Dzh G Pratt Dzhozef B Rejn ta in Ce ohopilo oglyad 145 dopovidej pro eksperimentiv zekstrasensorne sprijnyattya opublikovanih z 1882 po 1939 rik i vklyuchilo ocinku vplivu neopublikovanih prac na zagalnij efekt roblema viluchenih fajliv Hocha metaanaliz shiroko zastosovuyetsya v epidemiologiyi ta dokazovij medicini metaanaliz medikamentoznogo likuvannya ne buv opublikovanij do 1955 roku U 1970 h bilsh skladni analitichni metodi vmkoristovuvalis u osvitnih doslidzhennyah pochinayuchi z robit Gena V Glassa Franka L Shmidta ta Dzh E Hantera Termin metaanaliz buv vvedenij u 1976 roci statistikom Gene V Glassom hto zayaviv moye golovne zacikavlennya v danij chas polyagaye v tomu sho mi pochali nazivati metaanaliz doslidzhen Termin trohi grandioznij ale vin tochnij i vdalij Metaanaliz vidnositsya do analizu analiziv Hocha ce prizvelo do togo sho vin buv viznanij suchasnim zasnovnikom metodu metodologiya yaku vin nazvav metaanalizom pereduvala jogo roboti protyagom kilkoh desyatilit Statistichna teoriya sho stosuyetsya metaanalizu bula silno prosunuta robotami Namberi S Radzhu Larri V Hedzhesom Harrisom Kuperom Ingram Olkin Dzhon E Hanter Jacob Cohen Thomas C Chalmers Robert Rosenthal Frank L Schmidt ta Duglasom G Bonettom Etapi metaanalizuMetaanalizu zazvichaj pereduye sistematichnij oglyad oskilki ce dozvolyaye identifikuvati ta kritichno ociniti vsi vidpovidni dokazi tim samim obmezhuyuchi rizik uperedzhenosti u pidsumkovih ocinkah Zagalni kroki nastupni Formulyuvannya doslidnickogo pitannya napr z vikoristannyam modeli PICO Population Intervention Comparison Outcome Populyaciya Vpliv Porivnyannya Rezultati Poshuk literaturi Vibir doslidzhen kriteriyi vklyuchennya Na osnovi kriteriyiv yakosti napriklad vimoga randomizaciyi ta osliplennya v klinichnomu viprobuvanni Vibir konkretnih doslidzhen na shodo viznachenogo predmetu napr likuvannya raku molochnoyi zalozi Rishennya chi vklyuchati neopublikovani doslidzhennya shob uniknuti uperedzhenosti publikacij problema z viluchennyam fajliv Virishiti yaki zalezhni zminni chi pidsumkovi zahodi dozvoleni Napriklad pri rozglyadi metaanalizu opublikovanih agregovanih danih Vidminnosti diskretni dani Zasobi bezperervni dani Hedzhi g populyarna pidsumkova velichina dlya bezperervnih danih yaka standartizuyetsya z metoyu usunennya riznic masshtabu ale vin vklyuchaye indeks zmini mizh grupami d m t m c s displaystyle delta frac mu t mu c sigma u yakij m t displaystyle mu t ye serednim znachennyam dlya likuvannyam m c displaystyle mu c serednye znachennya kontrolnoyi grupi s 2 displaystyle sigma 2 ob yednana dispersiya Vibir modeli metaanalizu napr metaanaliz z fiksovanim efektom abo vipadkovimi efektami Vivchit dzherela geterogennosti mizh doslidzhennyami napriklad za dopomogoyu analizu pidgrup abo Formalni vkazivki shodo provedennya ta zvituvannya pro metaanalizi nadayutsya Posibnikom z Kokrana Metodi ta pripushennyaPidhodi Zagalom pri provedenni metaanalizu mozhna vidiliti dva tipi dokaziv individualni dani uchasnika IDCh ta agregovani dani AD Agregovani dani mozhut buti pryamimi abo nepryamimi AD chastishe dostupni napriklad z literaturi i yak pravilo predstavlyayut zvedeni ocinki taki yak vidnoshennya perevagi abo vidnosnij rizik Ce mozhna bezposeredno sintezuvati v ramkah konceptualno podibnih doslidzhen vikoristovuyuchi dekilka pidhodiv div nizhche Z inshogo boku nepryami agregovani dani vimiryuyut diyu dvoh metodiv likuvannya yaki porivnyuvalis proti analogichnoyi kontrolnoyi grupi v metaanalizi Napriklad yaksho likuvannya A i likuvannya B bezposeredno porivnyuvalis z placebo v okremih metaanalizah mi mozhemo vikoristovuvati ci dva ob yednani rezultati shob otrimati ocinku efektiv vid A proti B u nepryamomu porivnyanni yak efekt A proti placebo minus efekt B proti placebo Dokazi IDCh predstavlyayut neobrobleni dani zibrani doslidnimi centrami Cya vidminnist viklikala potrebu v riznih metaanalitichnih metodah koli potriben sintez dokaziv i prizvela do rozrobki odnoetapnih ta dvostupenevih metodiv Odnoetapnimi metodami IDCh usih doslidzhen modelyuyutsya odnochasno vrahovuyuchi grupuvannya uchasnikiv v ramkah doslidzhen Dvoetapni metodi spochatku obchislyuyut pidsumkovu statistiku dlya AD z kozhnogo doslidzhennya a potim obchislyuyut zagalnu statistiku yak serednozvazhenu statistiku doslidzhennya Za rahunok zvedennya IDCh do AD dvostupenevi metodi takozh mozhut zastosovuvatisya koli dostupnij IDCh ce robit yih privablivim viborom pri vikonanni metaanalizu Hocha zagalnoprijnyato vvazhati sho odnoetapni ta dvostupenevi metodi dayut podibni rezultati ostanni doslidzhennya pokazali sho voni mozhut inodi prizvoditi do riznih visnovkiv Statistichni modeli dlya agregovanih danih Pryami dokazi Modeli sho mistyat lishe naslidki doslidzhennya Model z fiksovanimi efektami Model z fiksovanimi efektami zabezpechuye serednozvazhene znachennya z seriyi ocinivanih doslidzhen Zvorotna dispersiya ocinok zazvichaj vikoristovuyetsya yak vaga doslidzhennya tak sho bilshi doslidzhennya mayut tendenciyu do bilshogo vnesku do serednozvazhenogo nizh menshi doslidzhennya Otzhe koli v doslidzhennyah metaanalizu perevazhaye duzhe velike doslidzhennya rezultati menshih doslidzhen praktichno ignoruyutsya Najgolovnishe sho model fiksovanih efektiv peredbachaye sho vsi vklyucheni doslidzhennya doslidzhuyut odnu i tu zh sukupnist vikoristovuyut odnakovi viznachennya zminnih ta rezultativ tosho Ce pripushennya yak pravilo nerealne oskilki doslidzhennya chasto shilni do dekilkoh dzherel neodnoridnosti napr efekti likuvannya mozhut vidriznyatisya zalezhno vid miscevosti rivniv dozuvannya umov doslidzhennya Model vipadkovih efektiv Zagalna model yaka vikoristovuyetsya dlya sintezu geterogennih doslidzhen ce metaanaliz vipadkovih efektiv Ce prosto serednozvazhena serednya velichina efektu grupi doslidzhen Vaga sho zastosovuyetsya v comu procesi zvazhenogo userednennya z metaanalizom vipadkovih efektiv dosyagayetsya v dva etapi Krok 1 Zvazhuvannya zvorotnoyi dispersiyi Krok 2 Rozvazhuvannya cogo zvazhuvannya na osnovi zvorotnoyi dispersiyi shlyahom zastosuvannya komponenta dispersiyi vipadkovih efektiv KDVP yakij prosto vivoditsya zi stupenya minlivosti rozmiriv efektu v bazovih doslidzhennyah Ce oznachaye sho chim bilsha cya minlivist rozmiriv efektiv inakshe vidoma yak neodnoridnist tim bilshe rozvazhuvannya i mozhna dosyagti tochki koli rezultat metaanalizu vipadkovih efektiv staye prosto nezvazhenim serednim rozmirom efektu v hodi doslidzhen Z inshogo boku koli vsi rozmiri efektiv shozhi abo minlivist ne perevishuye pomilku vibirki ne zastosovuyetsya KDVP a metaanaliz vipadkovih efektiv zvoditsya do metaanalizu z fiksovanimi efektami lishe zi zvazhuvannyam zvorotnoyi dispersiyi Stupin cogo zvedennya zalezhit viklyuchno vid dvoh faktoriv Neodnoridnist tochnosti Neodnoridnist rozmiru efektu Oskilki zhoden iz cih faktoriv avtomatichno ne vkazuye na pomilkove masshtabne doslidzhennya abo bilsh nadijni menshi doslidzhennya pererozpodil vag za ciyeyu modellyu ne matime vidnoshennya do togo sho ci doslidzhennya mozhut zaproponuvati naspravdi Dijsno bulo prodemonstrovano sho pererozpodil vag ye prosto v odnomu napryamku vid bilshih do menshih doslidzhen oskilki geterogennist zbilshuyetsya poki v kincevomu pidsumku vsi doslidzhennya ne mayut odnakovoyi vagi i podalshij pererozpodil nemozhlivij Insha problema modeli vipadkovih efektiv polyagaye v tomu sho najchastishe vikoristovuvani dovirchi intervali yak pravilo ne zberigayut jmovirnosti yih pokrittya vishe zaznachenogo nominalnogo rivnya i takim chinom istotno zanizhuyut statistichnu pomilku i mozhlivo zavishuyut perekonanist u svoyih visnovkah Zaproponovano kilka vipravlen ale debati trivayut dali Nastupne zanepokoyennya polyagaye v tomu sho serednij efekt likuvannya inodi mozhe buti navit mensh konservativnim porivnyano z modellyu z fiksovanim efektom i tomu vvodit v omanu na praktici Odne z zaproponovanih interpretacijnih vipravlen polyagaye u stvorenni intervalu prognozuvannya navkolo ocinki vipadkovih efektiv dlya vidobrazhennya diapazonu mozhlivih efektiv na praktici Odnak pripushennya pri obchislenni takogo intervalu prognozuvannya polyagaye v tomu sho viprobuvannya vvazhayutsya bilsh mensh odnoridnimi sub yektami sho vklyuchayut populyaciyi paciyentiv ta porivnyalne likuvannya slid vvazhati vzayemozaminnimi i ce yak pravilo nedosyazhno na praktici Najbilsh shiroko zastosovuvanij metod dlya ocinki mizh dispersiyeyu doslidzhen KDVP ce pidhid DerSimonian Laird DL Isnuye kilka vdoskonalenih iterativnih i obchislyuvalno dorogih metodiv obchislennya riznici mizh doslidzhennyami taki yak maksimalna jmovirnist imovirnist profilyu ta obmezhena maksimalna jmovirnist metodiv ta modelyami vipadkovih efektiv za dopomogoyu cih metodiv mozhna zapustiti v Stata za dopomogoyu komandi metaan Komandu metaan slid vidriznyati vid klasichnoyi komandi metan odinochna a v Stata yaka vikoristovuye ocinyuvach DL Ci vdoskonaleni metodi takozh buli realizovani u vilnomu ta prostomu u vikoristanni dodatku Microsoft Excel MetaEasy Odnak porivnyannya mizh cimi peredovimi metodami ta metodom DL dlya obchislennya dispersiyi mizh doslidzhennyami pokazalo sho vigrash malij a DL u bilshosti scenariyiv cilkom adekvatnij Odnak bilshist metaanaliziv vklyuchaye v sebe vid 2 do 4 doslidzhen i takij zrazok chastishe za vse ye nedostatnim dlya tochnoyi ocinki geterogennosti Takim chinom viyavlyayetsya sho v nevelikih metaanalizah vihodit nekorektnij nul mizh ocinkoyu dispersiyi doslidzhennya sho prizvodit do pomilkovogo pripushennya pro odnoridnist V cilomu viyavlyayetsya sho geterogennist postijno nedoocinyuyetsya v metaanalizah ta analizah chutlivosti v yakih peredbachayetsya sho visoki rivni geterogennosti mozhut buti informativnimi Ci zrazki vipadkovih efektiv ta programni paketi zgadani vishe stosuyutsya metaanaliziv sho sukupni z doslidzhennyami i doslidnikam yaki bazhayut provoditi individualni metaanalizi danih pro paciyentiv IPD neobhidno vrahovuvati pidhodi modelyuvannya zmishanih efektiv Model zvorotnoyi dispersiyi neodnoridnosti IVhet Doi amp Barendregt pracyuyuchi u spivpraci z Hanom Talibom ta Vilyamsom z Universitetu Kvinslenda Universitetu Pivdennogo Kvinslendu ta Kuvejtskogo universitetu stvorili dlya modeli vipadkovih efektiv RE alternativu zasnovano na kvaziimovirnosti na osnovi zvorotnoyi dispersiyi podrobici dlya yakoyi dostupni v Interneti Vona bula vklyuchena do MetaXL versiyi 2 0 bezkoshtovnu nadbudovu Microsoft excel dlya metaanalizu viroblenu Epigear International Pty Ltd i dostupnu z 5 kvitnya 2014 roku Avtori zayavlyayut sho ochevidnoyu perevagoyu ciyeyi modeli ye te sho vona virishuye dvi osnovni problemi modeli vipadkovih efektiv Persha perevaga modeli IVhet polyagaye v tomu sho pokrittya zalishayetsya na nominalnomu zazvichaj 95 rivni dovirchogo intervalu na vidminu vid modeli vipadkovih efektiv sho padaye na pokrittya zi zbilshennyam neodnoridnosti Druga perevaga polyagaye v tomu sho model IVhet pidtrimuye zvorotni dispersijni vagi okremih doslidzhen na vidminu vid modeli vipadkovih efektiv yaka nadaye nevelikim doslidzhennyam bilshe vagi a otzhe i bilshih doslidzhen zi zbilshennyam geterogennosti Koli geterogennist staye velikoyu okremi vagi doslidzhennya za modellyu RE stayut rivnimi i takim chinom model RE povertaye serednye arifmetichne a ne zvazhene serednye Cej pobichnij efekt modeli RE ne vinikaye z modellyu IVhet yaka takim chinom vidriznyayetsya vid ocinki modeli RE u dvoh perspektivah Ob yednani ocinki spriyatimut bilshij kilkosti viprobuvan na vidminu vid penimannya masshtabnih viprobuvan u modeli RE ta matimut dovirchij interval yakij zalishatimetsya v mezhah nominalnogo pokrittya pri neviznachenosti neodnoridnosti Doi amp Barendregt pripuskayut sho hocha model RE proponuye alternativnij metod ob yednannya danih doslidzhennya rezultati yih modelyuvannya prodemonstruyut sho vikoristannya bilsh viznachenoyi modeli jmovirnosti z neperebornimi pripushennyami yak i dlya modeli RE ne obov yazkovo daye krashi rezultati Ostannye doslidzhennya takozh povidomlyaye sho model IVhet virishuye problemi pov yazani z nedoocinkoyu statistichnoyi pomilki poganim pokrittyam dovirchogo intervalu ta zbilshennyam MSE sho sposterigayetsya z modellyu vipadkovih efektiv i avtori roblyat visnovok sho doslidnikam slid vidmovitisya vid vikoristannya modeli vipadkovih efektiv v metaanalizi Nezvazhayuchi na te sho yih dani ye perekonlivimi naslidki z tochki zoru masshtabiv hibno pozitivnih rezultativ u bazi danih Kokrana velichezni i tomu prijnyattya cogo visnovku vimagaye retelnogo nezalezhnogo pidtverdzhennya Nayavnist vilnogo programnogo zabezpechennya MetaXL sho keruye modellyu IVhet i vsi inshi modeli dlya porivnyannya spriyaye comu dlya doslidnickoyi spilnoti Pryami dokazi Modeli sho mistyat dodatkovu informaciyu Model efektiv yakosti Doj i Talib predstavili model efektiv yakosti Voni zaprovadili novij pidhid do koriguvannya vidminnosti mizh doslidzhennyami vklyuchivshi vnesok dispersiyi za rahunok vidpovidnogo komponenta yakosti na dodatok do vnesku dispersiyi cherez vipadkovu pomilku yaka vikoristovuyetsya v bud yakij modeli metaanalizu z fiksovanimi efektami dlya generaciyi vag dlya kozhnogo doslidzhennya Sila metaanalizu efektiv yakosti polyagaye v tomu sho vin dozvolyaye vikoristovuvati nayavni metodologichni dokazi nad sub yektivnimi vipadkovimi efektami i tim samim dopomagaye usunuti zgubnij rozriv yakij vidkrivsya mizh metodologiyeyu ta statistikoyu v klinichnih doslidzhennyah Dlya cogo rozrahovuyetsya dispersiya sintetichnogo zmishennya na osnovi informaciyi pro yakist dlya koriguvannya zvorotnih dispersijnih vag i vvoditsya vaga skorigovana yakistyu i go doslidzhennya Ci skorigovani vagi potim vikoristovuyutsya v metaanalizi Inshimi slovami yaksho i te doslidzhennya maye horoshu yakist a inshi doslidzhennya mayut nizku yakist chastka yih korigovanoyi vagi yakosti matematichno pererozpodilyayetsya na i te doslidzhennya nadayuchi jomu bilshu vagu u zagalnij velichini efektu Koli doslidzhennya stayut vse bilsh shozhimi za yakistyu pererozpodil staye vidpovidno menshim i pripinyayetsya koli vsi doslidzhennya mayut odnakovu yakist u vipadku odnakovoyi yakosti model efektiv yakosti za zamovchuvannyam vidpovidaye modeli IVhet div Poperednij rozdil Nedavnya ocinka modeli efektiv yakosti z deyakimi onovlennyami demonstruye sho nezvazhayuchi na sub yektivnist ocinki yakosti produktivnist MSE ta spravzhnya dispersiya pri modelyuvanni perevershuye pokazniki yaki mozhna dosyagti za dopomogoyu modeli vipadkovih efektiv Cya model takim chinom zaminyuye nepereborni interpretaciyi yaki shiroko rozpovsyudzheni v literaturi i dostupne programne zabezpechennya dlya podalshogo vivchennya cogo metodu Nepryami dokazi merezhevi metodi metaanalizu Merezhevij metaanaliz rozglyadaye nepryami porivnyannya Na zobrazhenni A bulo proanalizovano vidnosno C i C bulo proanalizovano vidnosno B Odnak vidnoshennya mizh A ta B vidome lishe pobichno i merezhevij metaanaliz rozglyadaye taki nepryami dokazi vidminnostej mizh metodami ta vtruchannyami za dopomogoyu statistichnogo metodu Metodi nepryamogo porivnyannya metaanalizu yih takozh nazivayut merezhevimi metaanalizami zokrema koli bagatorazove likuvannya ocinyuyetsya odnochasno yak pravilo vikoristovuyut dvi osnovni metodologiyi Po pershe ce metod Byuhera sho yavlyaye soboyu odinichne abo povtorne porivnyannya zamknutogo ciklu troh obrobok takim chinom sho odna z nih ye spilnoyu dlya dvoh doslidzhen i utvoryuye vuzol de pochinayetsya i zakinchuyetsya cikl Tomu dlya porivnyannya dekilkoh metodiv likuvannya potribni dekilka porivnyan dvichi na dva 3 h petli obrobki Cya metodologiya vimagaye shob u viprobuvannyah z bilsh nizh dvoma rukami bulo vibrano lishe dvi ruki oskilki neobhidni nezalezhni paralelni porivnyannya Alternativna metodologiya vikoristovuye skladne statistichne modelyuvannya dlya vklyuchennya dekilkoh viprobuvan ta porivnyan odnochasno mizh usima konkuruyuchimi metodami likuvannya Voni buli vikonani za dopomogoyu bajyesivskih metodiv zmishanih linijnih modelej ta metodiv regresiyi Bajyesivska model Zaznachennya bajyesivskoyi modeli metaanalizu merezhi peredbachaye napisannya modeli spryamovanogo aciklichnogo grafa SAG dlya programnogo zabezpechennya markivskogo lancyuga Monte Karlo MLMK takogo yak WinBUGS Krim togo dlya ryadu parametriv povinni buti vkazani poperedni rozpodili a dani povinni nadavatisya u pevnomu formati Razom SAG priori ta dani utvoryuyut bayesovu iyerarhichnu model Dlya podalshogo uskladnennya cherez harakter ocinki MLMK dlya dekilkoh nezalezhnih lancyugiv neobhidno vibirati peredispersni vihidni znachennya shob mozhna bulo ociniti konvergenciyu Narazi ne isnuye programnogo zabezpechennya yake b avtomatichno generuvalo podibni modeli hocha ye deyaki instrumenti yaki dopomozhut u comu procesi Skladnist bajyesivskogo pidhodu obmezhuye vikoristannya ciyeyi metodologiyi Zaproponovano metodiku avtomatizaciyi cogo metoduale potribno shob buli dani pro rezultati otrimani rukami i voni zazvichaj nedostupni Inodi visuvayutsya veliki pretenziyi na vlastivu bajyesivskij strukturi obrobku merezhevogo metaanalizu ta yiyi bilshu gnuchkist Odnak cej vibir realizaciyi modeli dlya visnovku bajyesivskoyi abo chastotnoyi mozhe buti mensh vazhlivim nizh inshi varianti shodo modelyuvannya efektiv div obgovorennya na modelyah vishe Chastotna model z bagatma zminnimi Z inshogo boku chastotni metodi z bagatma zminnimi peredbachayut nablizhennya ta pripushennya yaki ne vkazani pryamo abo perevireni pid chas zastosuvannya metodiv div Obgovorennya na modelyah metaanalizu vishe Napriklad paket mvmeta dlya Stata dozvolyaye zdijsnyuvati merezhevij metaanaliz chastotnimi metodami Odnak yaksho v merezhi nemaye zagalnogo znachennya dlya porivnyannya to potribno virishiti cyu problemu dopovnivshi nabir danih fiktivnimi zgnachennyami z velikoyu dispersiyeyu sho ne duzhe ob yektivno i vimagaye prijnyattya rishennya shodo togo sho ye dosit velikoyu dispersiyeyu Inshim pitannyam ye vikoristannya modeli vipadkovih efektiv yak u cij chastotnij modeli tak i v bajyesivskij Senn radit analitikam buti oberezhnimi shodo tlumachennya analizu vipadkovih efektiv oskilki mozhlivij lishe odin vipadkovij efekt ale mozhna peredbachiti bagato Senn prodovzhuye govoriti sho ce dosit nayivno navit u vipadku koli porivnyuyut lishe dva metodi likuvannya pripuskayuchi sho analiz vipadkovih efektiv vrahovuye vsyu neviznachenist u tomu yak efekti mozhut zminyuvatis vid sprobi do sprobi Novishi modeli metaanalizu taki yak obgovoreni vishe bezumovno dopomozhut polegshiti cyu situaciyu i budut vprovadzheni v nastupnij modeli Uzagalnena sistema parnogo modelyuvannya Pidhid yakij viprobovuvali z kincya 1990 h rokiv polyagaye u vprovadzhenni bagatorazovogo analizu iz zamknutim ciklom iz troh obrobok Ce ne bulo populyarno oskilki proces shvidko staye takim yakij nemozhlivo vikonati oskilki skladnist merezhi zrostaye Todi vid rozvitku u cij galuzi vidmovilis na korist bajyesivskih ta bagatofaktornih chastotnih metodiv yaki z yavilis yak alternativi Zovsim nedavno deyakimi doslidnikami bula rozroblena avtomatizaciya metodu iz zamknutim ciklom iz troh obrobok dlya skladnih merezh yak sposib zrobiti cyu metodologiyu dostupnoyu dlya osnovnih doslidnickih kil Cya propoziciya dijsno obmezhuye kozhne viprobuvannya dvoma vtruchannyami ale takozh vvodit obhidnij shlyah dlya bagatokratnih viprobuvan riznij fiksovanij kontrolnij vuzol mozhe buti obranij v riznih progonah Vin takozh vikoristovuye nadijni metodi metaanalizu shob uniknuti bagatoh problem visvitlenih vishe Podalshi doslidzhennya ciyeyi sistemi neobhidni shob viznachiti chi spravdi ce perevershuye bajyesivski chi bagatovimirni chastotni shemi Doslidniki yaki bazhayut sprobuvati ce mayut dostup do ciyeyi osnovi za dopomogoyu vilnogo programnogo zabezpechennya PrimitkiGreenland S O Rourke K Meta Analysis Page 652 in Modern Epidemiology 3rd ed Edited by Rothman KJ Greenland S Lash T Lippincott Williams and Wilkins 2008 Walker E Hernandez AV Kattan MW 2008 Meta analysis Its strengths and limitations Cleve Clin J Med 75 6 431 9 doi 10 3949 ccjm 75 6 431 PMID 18595551 Wanous John P Sullivan Sherry E Malinak Joyce 1989 The role of judgment calls in meta analysis Journal of Applied Psychology 74 2 259 264 doi 10 1037 0021 9010 74 2 259 ISSN 0021 9010 cochrane org Arhiv originalu za 26 sichnya 2015 Procitovano 11 lipnya 2020 Gravetter Frederick J Forzano Lori Ann B 1 sichnya 2018 angl Cengage Learning s 36 ISBN 9781337613316 Arhiv originalu za 7 serpnya 2020 Procitovano 11 lipnya 2020 Some examples of secondary sources are 1 books and textbooks in which the author describes and summarizes past research 2 review articles or meta analyses Adams Kathrynn A Lawrence Eva K 2 lyutogo 2018 angl SAGE Publications ISBN 9781506350462 Arhiv originalu za 8 serpnya 2020 Procitovano 11 lipnya 2020 The most common types of secondary sources found in academic journals are literature reviews and meta analyses PLACKETT R L 1958 Studies in the History of Probability and Statistics Vii The Principle of the Arithmetic Mean Biometrika 45 1 2 133 doi 10 1093 biomet 45 1 2 130 Procitovano 29 travnya 2016 Pearson K 1904 Report on certain enteric fever inoculation statistics BMJ 2 2288 1243 1246 doi 10 1136 bmj 2 2288 1243 PMC 2355479 PMID 20761760 Nordmann AJ Kasenda B Briel M 9 bereznya 2012 Meta analyses what they can and cannot do Swiss Medical Weekly 142 w13518 doi 10 4414 smw 2012 13518 PMID 22407741 O Rourke K 1 grudnya 2007 An historical perspective on meta analysis dealing quantitatively with varying study results J R Soc Med 100 12 579 582 doi 10 1258 jrsm 100 12 579 PMC 2121629 PMID 18065712 Pratt JG Rhine JB Smith BM Stuart CE Greenwood JA Extra Sensory Perception after Sixty Years A Critical Appraisal of the Research in Extra Sensory Perception New York Henry Holt 1940 Glass G V 1976 Primary secondary and meta analysis of research Educational Researcher 5 10 3 8 doi 10 3102 0013189X005010003 Cochran WG 1937 Problems Arising in the Analysis of a Series of Similar Experiments Journal of the Royal Statistical Society 4 1 102 118 doi 10 2307 2984123 JSTOR 2984123 Cochran WG Carroll SP 1953 A Sampling Investigation of the Efficiency of Weighting Inversely as the Estimated Variance Biometrics 9 4 447 459 doi 10 2307 3001436 JSTOR 3001436 Debray Thomas P A Moons Karel G M van Valkenhoef Gert Efthimiou Orestis Hummel Noemi Groenwold Rolf H H Reitsma Johannes B on behalf of the GetReal methods review group 1 grudnya 2015 Get real in individual participant data IPD meta analysis a review of the methodology Research Synthesis Methods angl 6 4 293 309 doi 10 1002 jrsm 1160 ISSN 1759 2887 PMC 5042043 PMID 26287812 Debray TP Moons KG Abo Zaid GM Koffijberg H Riley RD 2013 Individual participant data meta analysis for a binary outcome one stage or two stage PLoS ONE 8 4 e60650 Bibcode 2013PLoSO 860650D doi 10 1371 journal pone 0060650 PMC 3621872 PMID 23585842 a href wiki D0 A8 D0 B0 D0 B1 D0 BB D0 BE D0 BD Cite journal title Shablon Cite journal cite journal a Obslugovuvannya CS1 Storinki iz nepoznachenim DOI z bezkoshtovnim dostupom posilannya Burke Danielle L Ensor Joie Riley Richard D 28 lyutogo 2017 Meta analysis using individual participant data one stage and two stage approaches and why they may differ Statistics in Medicine angl 36 5 855 875 doi 10 1002 sim 7141 ISSN 1097 0258 PMC 5297998 PMID 27747915 Helfenstein U 2002 Data and models determine treatment proposals an illustration from meta analysis Postgrad Med J 78 917 131 4 doi 10 1136 pmj 78 917 131 PMC 1742301 PMID 11884693 Senn S 2007 Trying to be precise about vagueness Stat Med 26 7 1417 30 doi 10 1002 sim 2639 PMID 16906552 Al Khalaf MM Thalib L Doi SA 2011 Combining heterogenous studies using the random effects model is a mistake and leads to inconclusive meta analyses PDF Journal of Clinical Epidemiology 64 2 119 23 doi 10 1016 j jclinepi 2010 01 009 PMID 20409685 Brockwell S E Gordon I R 2001 A comparison of statistical methods for meta analysis Statistics in Medicine 20 6 825 840 doi 10 1002 sim 650 PMID 11252006 Noma H Dec 2011 Confidence intervals for a random effects meta analysis based on Bartlett type corrections Stat Med 30 28 3304 12 doi 10 1002 sim 4350 2433 152046 PMID 21964669 Brockwell SE Gordon IR 2007 A simple method for inference on an overall effect in meta analysis Statistics in Medicine 26 25 4531 4543 doi 10 1002 sim 2883 PMID 17397112 Sidik K Jonkman JN 2002 A simple confidence interval for meta analysis Statistics in Medicine 21 21 3153 3159 doi 10 1002 sim 1262 PMID 12375296 Jackson D Bowden J 2009 A re evaluation of the quantile approximation method for random effects meta analysis Stat Med 28 2 338 48 doi 10 1002 sim 3487 PMC 2991773 PMID 19016302 Poole C Greenland S Sep 1999 Random effects meta analyses are not always conservative Am J Epidemiol 150 5 469 75 doi 10 1093 oxfordjournals aje a010035 PMID 10472946 Riley RD Higgins JP Deeks JJ 2011 Interpretation of random effects meta analyses British Medical Journal 342 d549 doi 10 1136 bmj d549 PMID 21310794 Kriston L 2013 Dealing with clinical heterogeneity in meta analysis Assumptions methods interpretation Int J Methods Psychiatr Res 22 1 1 15 doi 10 1002 mpr 1377 PMC 6878481 PMID 23494781 1986 Meta analysis in clinical trials Control Clin Trials 7 3 177 88 doi 10 1016 0197 2456 86 90046 2 PMID 3802833 Kontopantelis Evangelos Reeves David 1 serpnya 2010 Metaan Random effects meta analysis Stata Journal 10 3 395 407 doi 10 1177 1536867X1001000307 cherez ResearchGate Kontopantelis Evangelos Reeves David 2009 MetaEasy A Meta Analysis Add In for Microsoft Excel Journal of Statistical Software 2009 Journal of Statistical Software 30 7 doi 10 18637 jss v030 i07 Statanalysis co uk Arhiv originalu za 29 lipnya 2017 Procitovano 18 veresnya 2018 Kontopantelis E Reeves D 2012 Performance of statistical methods for meta analysis when true study effects are non normally distributed A simulation study Statistical Methods in Medical Research 21 4 409 26 doi 10 1177 0962280210392008 PMID 21148194 Kontopantelis E Reeves D 2012 Performance of statistical methods for meta analysis when true study effects are non normally distributed a comparison between DerSimonian Laird and restricted maximum likelihood SMMR 21 6 657 9 doi 10 1177 0962280211413451 PMID 23171971 Kontopantelis E Springate DA Reeves D 2013 Friede Tim red A Re Analysis of the Cochrane Library Data The Dangers of Unobserved Heterogeneity in Meta Analyses PLoS ONE 8 7 e69930 Bibcode 2013PLoSO 869930K doi 10 1371 journal pone 0069930 PMC 3724681 PMID 23922860 a href wiki D0 A8 D0 B0 D0 B1 D0 BB D0 BE D0 BD Cite journal title Shablon Cite journal cite journal a Obslugovuvannya CS1 Storinki iz nepoznachenim DOI z bezkoshtovnim dostupom posilannya Kontopantelis Evangelos Reeves David 27 veresnya 2013 A short guide and a forest plot command ipdforest for one stage meta analysis Stata Journal 13 3 574 587 doi 10 1177 1536867X1301300308 cherez ResearchGate PDF Arhiv originalu PDF za 28 lyutogo 2017 Procitovano 18 veresnya 2018 Epigear com 3 chervnya 2017 Arhiv originalu za 20 lipnya 2017 Procitovano 18 veresnya 2018 Doi SA Barendregt JJ Khan S Thalib L Williams GM 2015 Advances in the Meta analysis of heterogeneous clinical trials I The inverse variance heterogeneity model PDF Contemp Clin Trials 45 Pt A 130 8 doi 10 1016 j cct 2015 05 009 PMID 26003435 Doi SA Thalib L 2008 A quality effects model for meta analysis Epidemiology 19 1 94 100 doi 10 1097 EDE 0b013e31815c24e7 PMID 18090860 Doi SA Barendregt JJ Mozurkewich EL 2011 Meta analysis of heterogeneous clinical trials an empirical example Contemp Clin Trials 32 2 288 98 doi 10 1016 j cct 2010 12 006 PMID 21147265 Doi SA Barendregt JJ Williams GM Khan S Thalib L 2015 Simulation Comparison of the Quality Effects and Random Effects Methods of Meta analysis Epidemiology 26 4 e42 4 doi 10 1097 EDE 0000000000000289 PMID 25872162 Doi SA Barendregt JJ Khan S Thalib L Williams GM 2015 Advances in the meta analysis of heterogeneous clinical trials II The quality effects model Contemp Clin Trials 45 Pt A 123 9 doi 10 1016 j cct 2015 05 010 PMID 26003432 Bucher H C Guyatt G H Griffith L E Walter S D 1997 The results of direct and indirect treatment comparisons in meta analysis of randomized controlled trials J Clin Epidemiol 50 6 683 691 doi 10 1016 s0895 4356 97 00049 8 PMID 9250266 Valkenhoef G Lu G Brock B Hillege H Ades A E Welton N J 2012 Automating network meta analysis Research Synthesis Methods 3 4 285 299 doi 10 1002 jrsm 1054 PMID 26053422 Brooks SP Gelman A 1998 PDF Journal of Computational and Graphical Statistics 7 4 434 455 doi 10 1080 10618600 1998 10474787 Arhiv originalu PDF za 18 lipnya 2020 Procitovano 19 lipnya 2020 van Valkenhoef G Lu G de Brock B Hillege H Ades AE Welton NJ Automating network meta analysis Res Synth Methods 2012 Dec 3 4 285 99 Senn S Gavini F Magrez D Scheen A Apr 2013 Issues in performing a network meta analysis Stat Methods Med Res 22 2 169 89 doi 10 1177 0962280211432220 PMID 22218368 White IR 2011 Multivariate random effects meta regression updates to mvmeta The Stata Journal 11 2 255 270 doi 10 1177 1536867X1101100206 van Valkenhoef G Lu G de Brock B Hillege H Ades AE Welton NJ Automating network meta analysis Res Synth Methods 2012 Dec 3 4 285 99