मेटा-विश्लेषण में विषमता

मेटा-विश्लेषण में विषमता, पूल किए जा रहे अध्ययनों में वास्तविक प्रभावों में भिन्नता है, जो केवल नमूनाकरण त्रुटि से कहीं अधिक है। इसे मापना और इसकी व्याख्या करना विश्लेषक को बताता है कि क्या अध्ययन अनिवार्य रूप से एक ही चीज़ का अनुमान लगा रहे हैं या वास्तव में अलग-अलग चीज़ों का, जो उपयोग किए गए मॉडल और सारांश में रखे गए विश्वास दोनों को आकार देता है।

Definition

विषमता वह डिग्री है जिस तक मेटा-विश्लेषण में व्यक्तिगत अध्ययनों द्वारा अनुमानित वास्तविक प्रभाव एक दूसरे से भिन्न होते हैं, जिसे कॉकरेन के क्यू, आई-स्क्वायर (कुल भिन्नता का वह अनुपात जो संयोग के बजाय अंतर-अध्ययन अंतर के कारण होता है), और ताऊ-स्क्वायर (अनुमानित अंतर-अध्ययन भिन्नता) जैसे आँकड़ों द्वारा मापा जाता है।

Scope

यह प्रविष्टि अंतर-अध्ययन विषमता के सांख्यिकीय मूल्यांकन को कवर करती है: कॉकरेन क्यू परीक्षण, आई-स्क्वायर सांख्यिकी, अंतर-अध्ययन भिन्नता ताऊ-स्क्वायर, और इन मापों की ज्ञात सीमाएँ। यह विषमता को साक्ष्य संश्लेषण के भीतर एक पद्धतिगत विषय के रूप में मानता है और संदर्भ विवरण प्रदान करता है, न कि नैदानिक सलाह।

Core questions

• क्या शामिल अध्ययन एक सामान्य प्रभाव का अनुमान लगाते हैं या विभिन्न प्रभावों की एक श्रृंखला का?
• प्रेक्षित भिन्नता का कितना हिस्सा वास्तविक अंतर-अध्ययन अंतर है बनाम नमूनाकरण शोर?
• आई-स्क्वायर और ताऊ-स्क्वायर की व्याख्या कैसे की जानी चाहिए, और वे कहाँ गुमराह करते हैं?
• विषमता कब एक एकल पूल किए गए अनुमान को अनुपयुक्त बनाती है?

Key concepts

• कॉक्रेन का क्यू परीक्षण
• आई-स्क्वायर सांख्यिकी
• ताऊ-स्क्वायर (अंतर-अध्ययन भिन्नता)
• नैदानिक बनाम सांख्यिकीय विषमता
• भविष्यवाणी अंतराल
• विषमता के प्रति प्रतिक्रिया के रूप में उपसमूह विश्लेषण

Mechanisms

अध्ययन अनुमानों के बीच कुल भिन्नता को अध्ययन-के-भीतर नमूनाकरण त्रुटि और वास्तविक अंतर-अध्ययन भिन्नता में विभाजित किया जाता है। कॉकरेन का क्यू प्रेक्षित फैलाव की तुलना उस चीज़ से करता है जिसका अनुमान केवल नमूनाकरण त्रुटि लगाती है; क्योंकि क्यू में कुछ अध्ययनों के साथ कम शक्ति होती है, हिगिंस और थॉम्पसन ने आई-स्क्वायर का प्रस्ताव किया, जो संयोग के बजाय अंतर-अध्ययन विषमता के लिए जिम्मेदार कुल भिन्नता का प्रतिशत है, जो अध्ययनों की संख्या से स्वतंत्र है। ताऊ-स्क्वायर अंतर्निहित प्रभाव वितरण के भिन्नता का अनुमान लगाता है और सीधे यादृच्छिक-प्रभाव भारण और भविष्यवाणी अंतरालों में योगदान देता है। महत्वपूर्ण चेतावनियाँ इस प्रकार हैं: रूकर और सहयोगियों ने दिखाया है कि आई-स्क्वायर शामिल अध्ययनों की सटीकता पर निर्भर करता है, इसलिए यह केवल इसलिए बड़ा हो सकता है क्योंकि अध्ययन सटीक हैं, और वॉन हिप्पेल ने दिखाया है कि यह अस्थिर है और छोटे मेटा-विश्लेषणों में पक्षपाती हो सकता है, इसलिए इन आँकड़ों को निश्चित थ्रेसहोल्ड के बजाय प्रभावों के पूर्ण प्रसार के साथ पढ़ा जाना चाहिए।

Clinical relevance

परीक्षणों के एक समूह को कैसे और कब सारांशित किया जाता है, यह उसकी विषमता पर बहुत अधिक निर्भर करता है, इसलिए विषमता के आँकड़ों का मूल्यांकन इस बात का न्याय करने का हिस्सा है कि दिशानिर्देशों और स्वास्थ्य प्रौद्योगिकी मूल्यांकन में एक पूल किए गए परिणाम को कितना महत्व देना चाहिए। यह प्रविष्टि बताती है कि विषमता को कैसे मापा जाता है और यह व्यक्तिगत नैदानिक निर्णयों का आधार नहीं है।

Evidence & guidelines

कॉक्रेन हैंडबुक विषमता का आकलन और रिपोर्टिंग के लिए अपेक्षित अभ्यास का वर्णन करती है, जिसमें सावधानीपूर्वक व्याख्या के साथ आई-स्क्वायर का उपयोग और भविष्यवाणी अंतरालों की भूमिका शामिल है, जो यहाँ संक्षेपित पद्धतिगत साहित्य के अनुरूप है।

History

प्रयोगों को संयोजित करने के लिए कॉकरेन का क्यू परीक्षण बीसवीं सदी के मध्य के आँकड़ों से संबंधित है, लेकिन नैदानिक मेटा-विश्लेषण में सामान्य रूप से कम संख्या में अध्ययनों के लिए यह कम शक्तिशाली साबित हुआ। हिगिंस और थॉम्पसन का 2002 का पेपर, जिसके बाद व्यापक रूप से उद्धृत 2003 का बीएमजे एक्सपोजिशन आया, ने आई-स्क्वायर को एक व्याख्या योग्य, नमूना-आकार-स्वतंत्र माप के रूप में पेश किया, जिसके बाद एक सुधारात्मक साहित्य (रूकर एट अल., 2008; वॉन हिप्पेल, 2015) ने अध्ययन की सटीकता पर इसकी निर्भरता और छोटे संश्लेषणों में इसकी अस्थिरता को स्पष्ट किया।

Debates

विषमता का न्याय करने के लिए आई-स्क्वायर पर कितना भरोसा किया जाना चाहिए?

आई-स्क्वायर शामिल अध्ययनों की सटीकता पर निर्भर करता है और जब कुछ अध्ययनों को पूल किया जाता है तो अस्थिर हो सकता है, इसलिए टिप्पणीकार निश्चित कट-ऑफ के खिलाफ चेतावनी देते हैं और इसे ताऊ-स्क्वायर और प्रभावों के पूर्ण प्रसार के साथ पढ़ने की सलाह देते हैं।

Key figures

• Julian Higgins
• Simon Thompson
• Gerta Rücker
• Paul von Hippel
• William Cochran

Seminal works

• higgins-thompson-2002
• higgins-2003

Frequently asked questions

75% के आई-स्क्वायर का क्या मतलब है?

यह इंगित करता है कि अध्ययन अनुमानों के बीच कुल भिन्नता का लगभग तीन-चौथाई नमूनाकरण त्रुटि के बजाय वास्तविक अंतर-अध्ययन अंतर को दर्शाता है; लेकिन क्योंकि आई-स्क्वायर अध्ययन की सटीकता पर निर्भर करता है, इसे एक निश्चित लेबल के खिलाफ नहीं, बल्कि प्रभावों के वास्तविक प्रसार के साथ व्याख्या किया जाना चाहिए।

क्या उच्च विषमता अध्ययनों को पूल न करने का एक कारण है?

स्वचालित रूप से नहीं। उच्च विषमता यह संकेत देती है कि अध्ययन भिन्न हैं और यह जांच करने के लिए प्रेरित करती है कि क्यों, लेकिन पूल करना है, यादृच्छिक-प्रभाव मॉडल का उपयोग करना है, या बचना है, यह इस बात पर निर्भर करता है कि अंतर स्पष्ट करने योग्य हैं और अध्ययन नैदानिक रूप से तुलनीय हैं।