ناهمگونی در فراتحلیل
ناهمگونی در فراتحلیل به تغییرات در اثرات واقعی در مطالعاتی که ترکیب میشوند، فراتر از تغییرات مورد انتظار ناشی از خطای نمونهگیری به تنهایی، اشاره دارد. هنگامی که مطالعات در جمعیتها، مداخلات، طرحها یا اجرای خود متفاوت هستند، نتایج آنها ممکن است واقعاً متفاوت باشد و کمیسازی این تغییرات برای تصمیمگیری در مورد اینکه آیا و چگونه آنها را ادغام کنیم، محوری است.
Definition
ناهمگونی به میزانی اشاره دارد که اثرات واقعی برآورد شده توسط مطالعات در یک فراتحلیل، فراتر از آنچه که صرفاً از شانس (خطای نمونهگیری) انتظار میرود، با یکدیگر تفاوت دارند.
Scope
این مدخل به معنای ناهمگونی، تمایز بین ناهمگونی بالینی، روششناختی و آماری، آمارههای رایج مورد استفاده برای تشخیص و کمیسازی آن (Q کاکران، آماره I-squared و واریانس بین مطالعاتی تاو-مربع)، و نحوه تأثیر ناهمگونی بر انتخاب مدل و تفسیر یک برآورد تجمیعشده میپردازد. این یک موضوع روششناختی است، نه راهنمایی بالینی.
Core questions
- آیا مطالعاتی که ترکیب میشوند، یک اثر یکسان یا طیفی از اثرات را برآورد میکنند؟
- چه مقدار از تغییرات مشاهدهشده در مطالعات از شانس فراتر میرود؟
- چه منابعی از تفاوت ممکن است تغییرات را توضیح دهند و چگونه باید تحلیل را تغییر دهند؟
Key concepts
- ناهمگونی بالینی، روششناختی و آماری
- آزمون Q کاکران
- آماره I-squared
- واریانس بین مطالعاتی (تاو-مربع)
- مدل اثرات تصادفی
- تحلیل زیرگروهی و فرارگرسیون
- بازه پیشبینی
Mechanisms
حتی اگر هر مطالعه دقیقاً یک اثر را برآورد کند، نتایج آنها به دلیل خطای نمونهگیری پراکنده خواهد شد. ناهمگونی، تغییرات واقعی و اضافی در اثرات زمینهای است. آزمون Q کاکران بررسی میکند که آیا پراکندگی مشاهدهشده از شانس فراتر میرود یا خیر، اما زمانی که مطالعات کم هستند، قدرت پایینی دارد و زمانی که مطالعات زیاد هستند، تفاوتهای ناچیز را تشخیص میدهد. آماره I-squared نسبت تغییرات کل را که به تفاوتهای بین مطالعاتی به جای شانس نسبت داده میشود، بیان میکند و تفسیر آن را در تحلیلها آسانتر میسازد. واریانس بین مطالعاتی، تاو-مربع، پراکندگی اثرات واقعی را در مقیاس اندازه اثر کمیسازی میکند و پارامتری است که یک مدل اثرات تصادفی به تجمیع اضافه میکند. هنگامی که ناهمگونی قابل توجهی وجود دارد، یک برآورد خلاصهشده واحد ممکن است کمتر از توصیف توزیع اثرات، به عنوان مثال با یک بازه پیشبینی، آموزنده باشد و تحلیلگران ممکن است به جای در نظر گرفتن ناهمگونی به عنوان صرفاً نویز، منابع تغییرات را از طریق تحلیلهای زیرگروهی از پیش تعیینشده یا فرارگرسیون بررسی کنند.
Clinical relevance
درجه ناهمگونی بر نحوه خوانش یک نتیجه تجمیعشده تأثیر میگذارد: یک خلاصه دقیق که از مطالعات بسیار ناهمگون به دست آمده است، ممکن است به طور یکنواخت در همه محیطها اعمال نشود. بنابراین، تشخیص و تفسیر ناهمگونی بخشی از ارزیابی یک فراتحلیل است. این مدخل توضیح میدهد که چگونه ناهمگونی اندازهگیری و در تحلیل استفاده میشود؛ این راهنمایی برای هیچ تصمیم بالینی فردی نیست.
Epidemiology
آمارههای ناهمگونی، به ویژه I-squared و تاو-مربع، به عنوان استاندارد در فراتحلیلها در سراسر پزشکی و بهداشت عمومی گزارش میشوند و اکثر نرمافزارهای فراتحلیل آنها را به طور خودکار محاسبه میکنند. آماره I-squared که توسط هیگینز و تامپسون معرفی شد، از جمله پرکاربردترین مقادیر گزارششده در ادبیات سنتز است، اگرچه تفسیر آن اغلب مورد بحث است.
History
آزمون Q کاکران، برگرفته از کار ویلیام کاکران در اواسط قرن بیستم، استاندارد اولیه برای تشخیص ناهمگونی بود اما مشخص شد که قدرت ضعیف و وابستگی به مقیاس دارد. DerSimonian و Laird (1986) رویکرد اثرات تصادفی را که شامل واریانس بین مطالعاتی است، رسمی کردند. سپس هیگینز و تامپسون (2002) آماره I-squared را برای بیان ناهمگونی به عنوان نسبتی مستقل از تعداد مطالعات پیشنهاد کردند و مقاله BMJ آنها در سال 2003 آن را محبوب کرد، پس از آن I-squared به بخشی روتین از گزارشدهی فراتحلیلی تبدیل شد.
Debates
- I-squared چگونه باید تفسیر شود؟
- آستانههای رایج سرانگشتی برای ناهمگونی کم، متوسط و زیاد به طور گستردهای استفاده میشوند اما هرگز به عنوان برشهای سخت در نظر گرفته نشدهاند؛ I-squared به دقت مطالعات گنجانده شده بستگی دارد و زمانی که مطالعات کم یا بسیار بزرگ هستند، میتواند گمراهکننده باشد.
Key figures
- Julian Higgins
- Simon Thompson
- Rebecca DerSimonian
- Nan Laird
- William Cochran
Related topics
Seminal works
- higgins-2003-i2
- higgins-2002-quantifying
- dersimonian-laird-1986
Frequently asked questions
- تفاوت بین ناهمگونی بالینی و آماری چیست؟
- ناهمگونی بالینی (و روششناختی) به تفاوتهای واقعی بین مطالعات در جمعیتها، مداخلات یا طرحهای آنها اشاره دارد. ناهمگونی آماری، تغییرات حاصل در برآوردهای اثر آنها فراتر از شانس است که با آمارههایی مانند I-squared و تاو-مربع اندازهگیری میشود. تفاوتهای بالینی اغلب توضیحدهنده ناهمگونی آماری مشاهدهشده هستند.
- آیا I-squared بالا به معنای نامعتبر بودن یک فراتحلیل است؟
- به خودی خود خیر. I-squared بالا نشان میدهد که اثرات در مطالعات متفاوت است و یک خلاصه واحد باید با احتیاط تفسیر شود، که اغلب منجر به استفاده از مدل اثرات تصادفی، بررسی منابع یا یک بازه پیشبینی میشود. این یک پرچم برای تفسیر است، نه یک رد صلاحیت خودکار.