تحلیل منتل-هنزِل و طبقه‌بندی‌شده

تحلیل طبقه‌بندی‌شده با تقسیم داده‌ها به طبقاتی که توسط یک متغیر مخدوش‌کننده تعریف شده‌اند، کنترل می‌شود. این روش شامل تحلیل ارتباط مواجهه-پیامد در هر طبقه و سپس ترکیب طبقات در یک خلاصه واحد است. روش منتل-هنزِل یک رویه کلاسیک برای انجام این کار با مجموعه‌ای از جداول ۲×۲ است: این روش هم یک آزمون ترکیبی از ارتباط و هم یک برآورد خلاصه‌ی وزنی از نسبت شانس یا نسبت خطر را ارائه می‌دهد که برای متغیر طبقه‌بندی‌کننده تنظیم شده است.

Definition

تحلیل طبقه‌بندی‌شده منتل-هنزِل مجموعه‌ای از جداول ۲×۲ — یکی برای هر سطح از یک متغیر طبقه‌بندی‌کننده (مخدوش‌کننده) — را در یک معیار خلاصه‌ی وزنی واحد از ارتباط و یک آزمون مرتبط ترکیب می‌کند و برآوردی از اثر مواجهه-پیامد را ارائه می‌دهد که برای متغیر طبقه‌بندی‌کننده تنظیم شده است.

Scope

این مدخل به این موضوع می‌پردازد که چرا طبقه‌بندی، مخدوش‌کنندگی را کنترل می‌کند، چگونه برآوردگر خلاصه‌ی منتل-هنزِل به جداول هر طبقه وزن می‌دهد، آزمون خی‌دو همراه برای ارتباط در بین طبقات، برآوردگر واریانس استاندارد مورد استفاده برای فواصل اطمینان، و چگونه طبقه‌بندی، تعدیل اثر را زمانی که برآوردهای خاص طبقه متفاوت هستند، آشکار می‌کند. این موارد به عنوان روش‌هایی برای تحلیل داده‌ها و نه به عنوان راهنمایی بالینی مطرح می‌شوند.

Core questions

• چگونه تقسیم داده‌ها به طبقات، تأثیر یک متغیر مخدوش‌کننده را از بین می‌برد؟
• چگونه جداول جداگانه هر طبقه وزن‌دهی شده و در یک نسبت شانس یا نسبت خطر خلاصه‌ی واحد ترکیب می‌شوند؟
• چگونه ارتباط ترکیبی آزمایش می‌شود و چگونه یک فاصله اطمینان به دست می‌آید؟
• چه زمانی نباید طبقات را ترکیب کرد زیرا اثر در بین آنها متفاوت است (تعدیل اثر)؟

Key concepts

• طبقه‌بندی برای کنترل مخدوش‌کنندگی
• جداول ۲×۲ هر طبقه
• برآورد ترکیبی (خلاصه) وزنی
• آزمون ارتباط منتل-هنزِل
• برآوردگر واریانس برای برآورد خلاصه
• همگنی اثر در بین طبقات
• تعدیل اثر (تعامل)
• برآورد خام در مقابل برآورد تنظیم‌شده

Mechanisms

داده‌ها به طبقاتی تقسیم می‌شوند که توسط سطوح یک مخدوش‌کننده بالقوه تعریف شده‌اند و یک جدول ۲×۲ از مواجهه در برابر پیامد برای هر طبقه به دست می‌آید. در هر طبقه، ارتباط عاری از مخدوش‌کنندگی توسط آن متغیر است زیرا متغیر ثابت نگه داشته می‌شود. نسبت شانس خلاصه‌ی منتل-هنزِل یک میانگین وزنی از حاصل‌ضرب‌های متقاطع خاص طبقه است، با وزن‌هایی که تأثیر بیشتری به طبقات بزرگ‌تر و آموزنده‌تر می‌دهند؛ یک برآوردگر مشابه برای نسبت خطر نیز وجود دارد. یک آزمون خی‌دو واحد، موارد مواجهه یافته-منهای-مورد انتظار را در بین طبقات جمع می‌کند تا ارتباط ترکیبی را آزمایش کند در حالی که طبقه‌بندی را حفظ می‌کند. فواصل اطمینان از یک برآوردگر واریانس استفاده می‌کنند که هم زمانی که طبقات کوچک زیادی وجود دارد (داده‌های پراکنده) و هم زمانی که طبقات بزرگ کمی وجود دارد، معتبر است، خاصیت سازگاری دوگانه که توسط رابینز، برسلو و گرینلند ایجاد شده است؛ گرینلند و رابینز نتایج مرتبطی را برای داده‌های پیگیری پراکنده ارائه دادند. اگر برآوردهای خاص طبقه مشابه باشند، ترکیب مناسب است و برآورد خلاصه، اثر تنظیم‌شده برای مخدوش‌کنندگی است؛ اگر به طور قابل توجهی متفاوت باشند، متغیر طبقه‌بندی‌کننده یک تعدیل‌کننده اثر است و یک عدد ترکیبی واحد می‌تواند گمراه‌کننده باشد.

Clinical relevance

ارتباطات تنظیم‌شده در تحقیقات مشاهده‌ای سلامت اغلب با تحلیل طبقه‌بندی‌شده منتل-هنزِل، که پیش‌ساز شفاف و غیرمدل تنظیم رگرسیون است، تولید یا بررسی می‌شوند، بنابراین درک آن چگونگی مدیریت مخدوش‌کنندگی و چگونگی تبدیل یک برآورد خام به یک برآورد تنظیم‌شده را روشن می‌کند. این یک روش برای تحلیل و تفسیر شواهد است و مبنایی برای تصمیم‌گیری‌های تشخیصی یا درمانی فردی نیست.

Epidemiology

روش‌های منتل-هنزِل از اصول اصلی تحلیل اپیدمیولوژیک برای داده‌های کوهورت و مورد-شاهدی هستند و همچنین اساس روش منتل-هنزِل با اثر ثابت هستند که به طور گسترده برای ترکیب جداول ۲×۲ در مطالعات در متاآنالیز استفاده می‌شود. آنها همچنان نمونه‌ی کانونی کنترل مخدوش‌کنندگی قبل یا در کنار رگرسیون لجستیک و پواسون باقی می‌مانند.

History

منتل و هنزِل آزمون طبقه‌بندی‌شده و برآوردگر خلاصه‌ی خود را در سال ۱۹۵۹ در زمینه مطالعات گذشته‌نگر (مورد-شاهدی) بیماری معرفی کردند و این روش به سرعت در اپیدمیولوژی بیماری‌های مزمن مرکزی شد و در تک‌نگاری برسلو و دی در سال ۱۹۸۰ کدگذاری شد. برآوردگرهای واریانس مورد نیاز برای فواصل اطمینان معتبر در هر دو محیط داده‌های پراکنده و طبقات بزرگ توسط گرینلند و رابینز (۱۹۸۵) و رابینز، برسلو و گرینلند (۱۹۸۶) ارائه شد و چارچوب استنباطی را تکمیل کرد.

Debates

ترکیب در مقابل گزارش تعدیل اثر

هنگامی که برآوردهای خاص طبقه واگرا می‌شوند، یک خلاصه‌ی منتل-هنزِل واحد می‌تواند یک تعامل واقعی را پنهان کند؛ تحلیلگران باید قضاوت کنند که آیا طبقات به اندازه کافی همگن هستند تا ترکیب شوند یا اینکه باید اثرات خاص طبقه گزارش شوند.

Key figures

• Nathan Mantel
• William Haenszel
• Sander Greenland
• James Robins
• Norman Breslow
• Kenneth Rothman

Seminal works

• mantel-haenszel-1959
• greenland-robins-1985
• robins-breslow-greenland-1986

Frequently asked questions

روش منتل-هنزِل چه چیزی را کنترل می‌کند؟

این روش یک متغیر طبقه‌بندی‌کننده مخدوش‌کننده را با تحلیل ارتباط مواجهه-پیامد در طبقات آن متغیر و سپس ترکیب طبقات کنترل می‌کند، بنابراین برآورد خلاصه برای متغیر طبقه‌بندی‌کننده تنظیم می‌شود.

اگر نسبت شانس در بین طبقات متفاوت باشد چه؟

برآوردهای خاص طبقه که به طور قابل توجهی متفاوت هستند، نشان‌دهنده تعدیل اثر هستند، به این معنی که ارتباط واقعاً بر اساس متغیر طبقه‌بندی‌کننده متفاوت است؛ در این صورت یک خلاصه‌ی ترکیبی واحد می‌تواند گمراه‌کننده باشد و نتایج خاص طبقه باید گزارش شوند.