روشهای آماری در ترکیب شواهد
روشهای آماری در ترکیب شواهد، تکنیکهای کمی هستند که برای ترکیب نتایج مطالعات متعدد به یک برآورد کلی از اثر، برای کمیسازی و توضیح تفاوتها بین مطالعات، و برای آزمودن میزان استحکام نتیجه ترکیبی استفاده میشوند. این روشها موتور تحلیلی مرورهای سیستماتیک را تشکیل میدهند و زیربنای عملکرد مبتنی بر شواهد و ارزیابی فناوری سلامت هستند.
Definition
روشهای آماری در ترکیب شواهد شامل رویههایی برای برآورد یک اثر تجمیعشده در بین مطالعات (معمولاً تحت مدلهای اثر ثابت یا اثرات تصادفی)، برای اندازهگیری و بررسی ناهمگونی بین مطالعات، و برای بررسی استحکام برآورد ترکیبی در برابر انتخابهای تحلیلی و مطالعات فردی است.
Scope
این حوزه خواننده را با خانوادهای از روشها آشنا میکند که مجموعهای از مطالعات فردی را به یک پاسخ کمی ترکیبی تبدیل میکنند: فراتحلیل (مرحله تجمیع)، ارزیابی ناهمگونی (میزان تفاوت مطالعات)، فرارگرسیون (توضیح این تفاوت با متغیرهای همبسته در سطح مطالعه)، و تحلیل حساسیت (آزمودن اینکه آیا نتایج تحت مفروضات مختلف پایدار میمانند یا خیر). این موارد به عنوان موضوعات مرجع روششناختی، و نه دستورالعملهای بالینی، چارچوببندی میشوند.
Sub-topics
Core questions
- نتایج مطالعات جداگانه چگونه باید وزندهی و در یک برآورد واحد ترکیب شوند؟
- چه زمانی مدل اثر ثابت مناسب است و چه زمانی مدل اثرات تصادفی مورد نیاز است؟
- مطالعات چقدر فراتر از شانس با هم تفاوت دارند، و آیا این تفاوت آنچه را که میتوانیم نتیجهگیری کنیم تغییر میدهد؟
- آیا ویژگیهای سطح مطالعه میتوانند واریانس در اثرات مشاهده شده را توضیح دهند؟
- نتیجه تجمیعشده چقدر به مطالعات فردی، به مفروضات مدلسازی، و به خطر سوگیری حساس است؟
Key concepts
- برآورد اثر تجمیعشده (خلاصهشده)
- وزندهی مطالعه (وزندهی واریانس معکوس)
- مدلهای اثر ثابت در مقابل اثرات تصادفی
- ناهمگونی بین مطالعاتی
- فرارگرسیون و تحلیل زیرگروهی
- تحلیل حساسیت و استحکام
- فواصل اطمینان و پیشبینی
Mechanisms
منطق مشترک این است که برآورد اثر هر مطالعه به عنوان یک نقطه داده با عدم قطعیت شناخته شده در نظر گرفته شود، سپس آن نقاط با وزنهایی که دقت آنها را منعکس میکنند، ترکیب شوند. تحلیل اثر ثابت فرض میکند که همه مطالعات یک اثر واقعی مشترک را برآورد میکنند و تنها با واریانس معکوس وزندهی میکند؛ تحلیل اثرات تصادفی فرض میکند که اثرات واقعی در بین مطالعات متفاوت است و یک جزء واریانس بین مطالعاتی را اضافه میکند، بنابراین روش DerSimonian-Laird و جانشینان آن، وزنها و فاصله را بر این اساس گسترش میدهند. آمارههای ناهمگونی میزان واریانس مشاهده شده را که از خطای نمونهگیری فراتر میرود، خلاصه میکنند؛ فرارگرسیون و تحلیل زیرگروهی تلاش میکنند تا این واریانس را با متغیرهای همبسته در سطح مطالعه توضیح دهند؛ و تحلیلهای حساسیت، ترکیب را تحت مفروضات جایگزین مجدداً اجرا میکنند تا بررسی کنند که نتیجه اصلی، مصنوع یک مطالعه یا یک انتخاب مدلسازی نیست.
Clinical relevance
این روشها بخش عمدهای از شواهد سطح بالا را تولید میکنند که دستورالعملها و ارزیابیهای فناوری سلامت بر آن تکیه دارند، بنابراین درک چگونگی تولید یک برآورد تجمیعشده، ناهمگونی آن، و تحلیلهای حساسیت آن برای ارزیابی یک مرور سیستماتیک حیاتی است. این حوزه نحوه تولید و تفسیر شواهد ترکیبی را توضیح میدهد؛ این منبعی برای توصیههای تشخیصی یا درمانی فردی نیست.
Evidence & guidelines
استانداردهای گزارشدهی برای اجرای آماری ترکیب شواهد در بیانیه PRISMA (Moher et al., 2009) و در کتابچه راهنمای کاکرین (Higgins & Green, 2008) که رویههای مورد انتظار برای انتخاب مدل، ارزیابی ناهمگونی، و تحلیل حساسیت در مرورهای سیستماتیک را توصیف میکنند، ارائه شدهاند.
History
تجمیع کمی نتایج مطالعات از آمار کشاورزی و علوم اجتماعی در اوایل قرن بیستم نشأت گرفت و در سال 1976 توسط جین گلس (Gene Glass) فراتحلیل نامیده شد. انطباق آن با کارآزماییهای بالینی با روش اثرات تصادفی DerSimonian و Laird در سال 1986 متبلور شد، و توسعه بعدی آمارههای ناهمگونی، فرارگرسیون، و گزارشدهی استاندارد (PRISMA، کتابچه راهنمای کاکرین) ترکیب شواهد را به یک رشته آماری ساختاریافته تبدیل کرد که از عملکرد مبتنی بر شواهد و ارزیابی فناوری سلامت پشتیبانی میکند.
Debates
- اثر ثابت در مقابل اثرات تصادفی به عنوان مدل پیشفرض
- اینکه یک ترکیب باید یک اثر مشترک واحد را فرض کند یا اجازه دهد اثرات واقعی متفاوت باشند، هم برآورد و هم عدم قطعیت آن را تغییر میدهد؛ مفسران استدلال میکنند که انتخاب باید منعکسکننده تنوع بالینی و روششناختی مطالعات گنجانده شده باشد تا یک قرارداد ثابت.
Key figures
- Rebecca DerSimonian
- Nan Laird
- Julian Higgins
- Simon Thompson
- Michael Borenstein
- Larry Hedges
Related topics
Seminal works
- dersimonian-laird-1986
- higgins-thompson-2002
- higgins-handbook-2008
Frequently asked questions
- تفاوت بین یک مرور سیستماتیک و روشهای آماری مورد استفاده در آن چیست؟
- یک مرور سیستماتیک کل فرآیند شناسایی، ارزیابی و خلاصهسازی مطالعات است؛ روشهای آماری در ترکیب شواهد، گامهای کمی در آن هستند که نتایج را تجمیع میکنند، ناهمگونی را اندازهگیری میکنند و استحکام را آزمایش میکنند.
- آیا هر مرور سیستماتیک شامل فراتحلیل میشود؟
- خیر. هنگامی که مطالعات از نظر بالینی یا روششناختی بیش از حد متنوع هستند که نمیتوان آنها را به طور معناداری ترکیب کرد، یک مرور ممکن است یافتهها را به صورت روایی ترکیب کند، و این روشهای آماری تنها زمانی اعمال میشوند که تجمیع مناسب تشخیص داده شود.