मेटा-विश्लेषण में विषमता

मेटा-विश्लेषण में विषमता, केवल प्रतिचयन त्रुटि से अपेक्षित भिन्नता के अतिरिक्त, संयोजित किए जा रहे अध्ययनों में वास्तविक प्रभावों में भिन्नता है। जब अध्ययन अपनी जनसंख्या, हस्तक्षेप, डिज़ाइन या आचरण में भिन्न होते हैं, तो उनके परिणाम वास्तव में भिन्न हो सकते हैं, और उस भिन्नता का परिमाणीकरण यह तय करने के लिए महत्वपूर्ण है कि उन्हें पूल किया जाए या नहीं और कैसे किया जाए।

Definition

विषमता वह डिग्री है जिस तक मेटा-विश्लेषण में अध्ययनों द्वारा अनुमानित वास्तविक प्रभाव एक-दूसरे से भिन्न होते हैं, जो केवल संयोग (प्रतिचयन त्रुटि) से अपेक्षित होगा उससे अधिक।

Scope

यह प्रविष्टि विषमता के अर्थ, नैदानिक, पद्धतिगत और सांख्यिकीय विषमता के बीच के अंतर, इसे पहचानने और परिमाणित करने के लिए उपयोग किए जाने वाले सामान्य आँकड़ों (कॉकरेन का Q, I-स्क्वायर सांख्यिकी, और अध्ययन-के-बीच भिन्नता ताऊ-स्क्वायर), और विषमता मॉडल के चुनाव और एक पूलित अनुमान की व्याख्या को कैसे सूचित करती है, को शामिल करती है। यह एक पद्धतिगत विषय है, न कि नैदानिक ​​मार्गदर्शन।

Core questions

• क्या संयोजित किए जा रहे अध्ययन समान प्रभाव, या प्रभावों की एक श्रृंखला का अनुमान लगाते हैं?
• अध्ययनों में देखी गई भिन्नता का कितना हिस्सा संयोग से अधिक है?
• भिन्नता के कौन से स्रोत भिन्नता की व्याख्या कर सकते हैं, और उन्हें विश्लेषण को कैसे बदलना चाहिए?

Key concepts

• नैदानिक, पद्धतिगत और सांख्यिकीय विषमता
• कॉकरेन का Q परीक्षण
• I-स्क्वायर सांख्यिकी
• अध्ययन-के-बीच भिन्नता (ताऊ-स्क्वायर)
• यादृच्छिक-प्रभाव मॉडल
• उपसमूह विश्लेषण और मेटा-रिग्रेशन
• भविष्यवाणी अंतराल

Mechanisms

भले ही प्रत्येक अध्ययन बिल्कुल समान प्रभाव का अनुमान लगाता, उनके परिणाम प्रतिचयन त्रुटि के कारण बिखर जाते। विषमता अंतर्निहित प्रभावों में अतिरिक्त, वास्तविक भिन्नता है। कॉकरेन का Q परीक्षण करता है कि क्या देखी गई बिखराव संयोग से अधिक है, लेकिन जब अध्ययन कम होते हैं तो इसकी शक्ति कम होती है और जब अध्ययन अधिक होते हैं तो यह तुच्छ अंतरों का पता लगाता है। I-स्क्वायर सांख्यिकी कुल भिन्नता का वह अनुपात व्यक्त करती है जो संयोग के बजाय अध्ययन-के-बीच के अंतरों के कारण होता है, जिससे विश्लेषणों में इसकी व्याख्या करना आसान हो जाता है। अध्ययन-के-बीच भिन्नता, ताऊ-स्क्वायर, प्रभाव-आकार पैमाने पर वास्तविक प्रभावों के प्रसार को परिमाणित करती है और वह पैरामीटर है जिसे एक यादृच्छिक-प्रभाव मॉडल पूलिंग में जोड़ता है। जब पर्याप्त विषमता मौजूद होती है, तो एक एकल सारांश अनुमान प्रभावों के वितरण का वर्णन करने की तुलना में कम जानकारीपूर्ण हो सकता है, उदाहरण के लिए एक भविष्यवाणी अंतराल के साथ, और विश्लेषक विषमता को केवल शोर के रूप में मानने के बजाय पूर्व-निर्धारित उपसमूह विश्लेषण या मेटा-रिग्रेशन के माध्यम से भिन्नता के स्रोतों का पता लगा सकते हैं।

Clinical relevance

विषमता की डिग्री यह प्रभावित करती है कि एक पूलित परिणाम को कैसे पढ़ा जाना चाहिए: अत्यधिक विषम अध्ययनों से प्राप्त एक सटीक सारांश सभी सेटिंग्स में समान रूप से लागू नहीं हो सकता है। इसलिए, विषमता को पहचानना और उसकी व्याख्या करना मेटा-विश्लेषण का मूल्यांकन करने का एक हिस्सा है। यह प्रविष्टि बताती है कि विश्लेषण में विषमता को कैसे मापा और उपयोग किया जाता है; यह किसी भी व्यक्तिगत नैदानिक ​​निर्णय के लिए मार्गदर्शन नहीं है।

Epidemiology

विषमता के आँकड़े, विशेष रूप से I-स्क्वायर और ताऊ-स्क्वायर, चिकित्सा और सार्वजनिक स्वास्थ्य में मेटा-विश्लेषणों में मानक के रूप में रिपोर्ट किए जाते हैं, और अधिकांश मेटा-विश्लेषण सॉफ्टवेयर उन्हें स्वचालित रूप से गणना करते हैं। हिगिंस और थॉम्पसन द्वारा प्रस्तुत I-स्क्वायर सांख्यिकी संश्लेषण साहित्य में सबसे व्यापक रूप से रिपोर्ट की जाने वाली मात्राओं में से एक है, हालांकि इसकी व्याख्या पर अक्सर बहस होती है।

History

बीसवीं सदी के मध्य में विलियम कॉकरेन के काम से व्युत्पन्न कॉकरेन का Q परीक्षण, विषमता का पता लगाने के लिए प्रारंभिक मानक था, लेकिन इसे खराब शक्ति और पैमाने पर निर्भरता के लिए पहचाना गया था। डेरसिमोनियन और लेयर्ड (1986) ने यादृच्छिक-प्रभाव दृष्टिकोण को औपचारिक रूप दिया जिसमें अध्ययन-के-बीच भिन्नता शामिल है। हिगिंस और थॉम्पसन (2002) ने तब I-स्क्वायर सांख्यिकी का प्रस्ताव किया ताकि विषमता को अध्ययनों की संख्या से स्वतंत्र अनुपात के रूप में व्यक्त किया जा सके, और उनके 2003 के BMJ पेपर ने इसे लोकप्रिय बनाया, जिसके बाद I-स्क्वायर मेटा-विश्लेषणात्मक रिपोर्टिंग का एक नियमित हिस्सा बन गया।

Debates

I-स्क्वायर की व्याख्या कैसे की जानी चाहिए?

कम, मध्यम और उच्च विषमता के लिए सामान्य अंगूठे के नियम के थ्रेशोल्ड व्यापक रूप से उपयोग किए जाते हैं, लेकिन उनका उद्देश्य कभी भी कठोर कट-ऑफ के रूप में नहीं था; I-स्क्वायर शामिल अध्ययनों की सटीकता पर निर्भर करता है और जब अध्ययन कम या बहुत बड़े होते हैं तो यह भ्रामक हो सकता है।

Key figures

• Julian Higgins
• Simon Thompson
• Rebecca DerSimonian
• Nan Laird
• William Cochran

Seminal works

• higgins-2003-i2
• higgins-2002-quantifying
• dersimonian-laird-1986

Frequently asked questions

नैदानिक ​​और सांख्यिकीय विषमता में क्या अंतर है?

नैदानिक ​​(और पद्धतिगत) विषमता अध्ययनों के बीच उनकी जनसंख्या, हस्तक्षेप या डिज़ाइन में वास्तविक अंतर को संदर्भित करती है। सांख्यिकीय विषमता उनके प्रभाव अनुमानों में संयोग से परे परिणामी भिन्नता है, जिसे I-स्क्वायर और ताऊ-स्क्वायर जैसे आँकड़ों द्वारा मापा जाता है। नैदानिक ​​अंतर अक्सर देखी गई सांख्यिकीय विषमता की व्याख्या होते हैं।

क्या उच्च I-स्क्वायर का मतलब है कि एक मेटा-विश्लेषण अमान्य है?

अपने आप में नहीं। एक उच्च I-स्क्वायर यह संकेत देता है कि प्रभाव अध्ययनों में भिन्न होते हैं और एक एकल सारांश की सावधानी से व्याख्या की जानी चाहिए, अक्सर एक यादृच्छिक-प्रभाव मॉडल, स्रोतों की खोज, या एक भविष्यवाणी अंतराल को प्रेरित करता है। यह व्याख्या के लिए एक झंडा है, न कि स्वचालित अयोग्यता।