همتاسازی و طبقهبندی در مطالعات
همتاسازی (Matching) و طبقهبندی (Stratification) ابزارهای طراحی هستند که برای کنترل عوامل مخدوشکننده (confounding) با ایجاد تعادل برای عوامل شناختهشده از همان ابتدا در یک مطالعه استفاده میشوند. همتاسازی، آزمودنیها را به صورت جفت یا گروهی مرتب میکند تا گروههای مقایسه توزیع یکسانی از یک عامل مخدوشکننده داشته باشند، در حالی که طبقهبندی، آزمودنیها را به لایههای همگن (strata) تقسیم میکند که مقایسهها در داخل آنها انجام میشود. هر دو روشهایی برای شبیهتر کردن گروههای مقایسه بر اساس متغیرهای انتخابی هستند تا تضاد مورد نظر کمتر توسط آن متغیرها مخدوش شود.
Definition
همتاسازی یک تکنیک طراحی است که آزمودنیهای مقایسه را به گونهای انتخاب میکند که توزیع یک یا چند عامل مخدوشکننده را با آزمودنیهای شاخص به اشتراک بگذارند، و طبقهبندی تقسیم آزمودنیها به زیرگروهها (لایهها) است که توسط عوامل مخدوشکننده تعریف میشوند تا مقایسههای مواجهه-پیامد در داخل لایههای همگن انجام شود.
Scope
این مدخل به منطق همتاسازی و طبقهبندی، تفاوت بین همتاسازی فردی و فراوانی، استفاده از لایهها در مطالعات مشاهدهای و کارآزماییهای تصادفیشده، و پیامدهای تحلیلی (مانند نیاز به تحلیل همتاسازیشده یا طبقهبندیشده) میپردازد. این مطلب به عنوان یک مرجع روششناختی در مورد کنترل عوامل مخدوشکننده از طریق طراحی تدوین شده است و دستورالعملهای بالینی ارائه نمیدهد.
Key concepts
- کنترل عوامل مخدوشکننده از طریق طراحی
- همتاسازی فردی (جفتی) در مقابل همتاسازی فراوانی
- لایهها و مقایسه درون لایه
- تصادفیسازی طبقهبندیشده در کارآزماییها
- تحلیل همتاسازیشده (روشهای شرطی)
- همتاسازی بیش از حد (Overmatching)
- کاهش کارایی ناشی از همتاسازی بر عوامل غیرمخدوشکننده
Mechanisms
هر دو تکنیک، مخدوشکنندگی ناشی از یک متغیر انتخابی را قبل از تحلیل حذف یا کاهش میدهند. همتاسازی باعث میشود که عامل همتاسازیشده توزیع یکسانی در گروههای مورد مقایسه داشته باشد، بنابراین دیگر نمیتواند ارتباط را مخدوش کند، اما به تحلیلی نیاز دارد که ساختار همتاسازیشده را رعایت کند؛ تحلیل دادههای همتاسازیشده به گونهای که گویی همتاسازی نشدهاند، میتواند نتایج را سوگیرانه کند. طبقهبندی، آزمودنیها را به لایههایی تقسیم میکند که در داخل آنها عامل مخدوشکننده اساساً ثابت است، ارتباط را در داخل هر لایه تخمین میزند و تخمینهای خاص لایه را ترکیب میکند. در کارآزماییهای تصادفیشده، تصادفیسازی طبقهبندیشده، تخصیص را به طور جداگانه در داخل لایهها انجام میدهد تا عوامل پیشآگهیدهنده مهم در بین بازوها متعادل بمانند، که معمولاً با مسدودسازی (blocking) ترکیب میشود.
Clinical relevance
تشخیص اینکه آیا یک مطالعه عوامل مخدوشکننده را از طریق همتاسازی یا طبقهبندی کنترل کرده است و آیا دادهها را بر این اساس تحلیل کرده است، بخشی از ارزیابی اعتبار یک ارتباط مشاهدهشده است. این مدخل روششناسی طراحی و تحلیل را برای پژوهش توصیف میکند و منبعی برای راهنمایی تشخیصی یا درمانی نیست.
Evidence & guidelines
ادبیات روششناختی، عمل طراحی همتاسازی را از عمل تحلیلی تحلیل طبقهبندیشده یا همتاسازیشده متمایز میکند و تأکید دارد که طرحهای همتاسازیشده برای جلوگیری از سوگیری به تحلیلهای همتاسازیشده نیاز دارند. راهنماییها در مورد تصادفیسازی طبقهبندیشده در کارآزماییها اشاره میکنند که این روش در مطالعات کوچکتر مفیدتر است و باید با مسدودسازی همراه باشد، و متون استاندارد اپیدمیولوژی مشخص میکنند که چه زمانی همتاسازی کارایی را بهبود میبخشد و چه زمانی همتاسازی بیش از حد (overmatching) بر یک عامل غیرمخدوشکننده به آن آسیب میرساند.
History
همتاسازی مدتهاست که در مطالعات مورد-شاهدی بیماریهای مزمن برای کنترل عوامل مخدوشکننده قوی مانند سن و جنسیت استفاده میشود، و تکنگاری Breslow و Day در سال 1980 تحلیل شرطی (همتاسازیشده) مورد نیاز این طرحها را کدگذاری کرد. تحلیل طبقهبندیشده به روشهای Mantel-Haenszel در اواسط قرن بیستم بازمیگردد، و تصادفیسازی طبقهبندیشده در کارآزماییهای بالینی برای متعادل نگه داشتن عوامل پیشآگهیدهنده در بین بازوهای درمانی پذیرفته شد، با بررسیهای روششناختی بعدی که مشخص کردند چه زمانی ارزش افزوده دارد.
Debates
- چه زمانی همتاسازی کمک میکند و چه زمانی نتیجه معکوس دارد؟
- همتاسازی بر یک عامل مخدوشکننده واقعی میتواند کارایی را بهبود بخشد، اما همتاسازی بر متغیری که عامل مخدوشکننده نیست، یا در مسیر علّی قرار دارد، میتواند کارایی را کاهش دهد یا سوگیری ایجاد کند (همتاسازی بیش از حد)؛ این تصمیم به ساختار علّی بستگی دارد، نه به راحتی.
- آیا تصادفیسازی طبقهبندیشده در کارآزماییهای بزرگ ضروری است؟
- طبقهبندی عوامل پیشآگهیدهنده کلیدی را متعادل نگه میدارد و در کارآزماییهای کوچکتر بیشترین ارزش را دارد، در حالی که در کارآزماییهای بزرگ، تصادفیسازی ساده تمایل دارد عوامل را به خودی خود متعادل کند؛ طبقهبندی بیش از حد میتواند لایههای پراکنده زیادی ایجاد کند و طراحی را پیچیده کند.
Key figures
- Norman Breslow
- Nicholas Day
- Kenneth Rothman
- Sander Greenland
- Neil Pearce
Related topics
Seminal works
- breslow-day-1980-matching
- pearce-2016-matched
- kernan-1999-stratified
Frequently asked questions
- تفاوت بین همتاسازی و طبقهبندی چیست؟
- همتاسازی یک تصمیم نمونهگیری است که هنگام انتخاب آزمودنیها گرفته میشود (انتخاب آزمودنیهای مقایسه برای به اشتراک گذاشتن توزیع یک عامل مخدوشکننده)، در حالی که طبقهبندی آزمودنیها را به زیرگروههایی تقسیم میکند که توسط یک عامل مخدوشکننده تعریف میشوند و مواجهه و پیامد را در داخل آن زیرگروهها مقایسه میکند؛ دادههای همتاسازیشده نیز به تحلیل همتاسازیشده نیاز دارند.
- همتاسازی بیش از حد (overmatching) چیست؟
- همتاسازی بیش از حد، همتاسازی بر متغیری است که نباید همتاسازی شود، مانند متغیری که عامل مخدوشکننده نیست یا در مسیر علّی بین مواجهه و پیامد قرار دارد؛ این کار میتواند کارایی آماری را کاهش دهد یا برآورد را سوگیرانه کند، به جای اینکه کنترل عوامل مخدوشکننده را بهبود بخشد.