मेटा-विश्लेषण

मेटा-विश्लेषण एक सांख्यिकीय विधि है जो एक ही प्रश्न को संबोधित करने वाले कई स्वतंत्र अध्ययनों के मात्रात्मक परिणामों को एक एकल सारांश अनुमान में जोड़ती है। प्रभाव आकारों को एकत्रित करके और प्रत्येक अध्ययन को उसकी सटीकता के अनुसार भारित करके, यह किसी भी एक अध्ययन की तुलना में अधिक सटीक समग्र अनुमान उत्पन्न कर सकता है और यह जांच सकता है कि प्रभाव अध्ययनों में कितना भिन्न होता है।

Definition

मेटा-विश्लेषण एक ही प्रश्न के कई स्वतंत्र अध्ययनों के प्रभाव अनुमानों को एक भारित सारांश अनुमान में संयोजित करने के लिए एक सांख्यिकीय प्रक्रिया है, जहां प्रत्येक अध्ययन को उसके परिणाम की सटीकता के अनुसार भारित किया जाता है।

Scope

यह प्रविष्टि मात्रात्मक साक्ष्य संश्लेषण के सांख्यिकीय मूल को शामिल करती है: प्रभाव आकार और उनका भारण, निश्चित-प्रभाव बनाम यादृच्छिक-प्रभाव मॉडल, सारांश अनुमान और उसका विश्वास अंतराल, और विषमता का निकट संबंधी प्रश्न। यह मेटा-विश्लेषण को एक व्यवस्थित समीक्षा के भीतर किए गए एक पद्धतिगत विषय के रूप में मानता है, न कि नैदानिक मार्गदर्शन के रूप में।

Core questions

• कई स्वतंत्र अध्ययनों को देखते हुए किसी प्रभाव का सबसे अच्छा एकल अनुमान क्या है?
• क्या अध्ययनों को एक सामान्य प्रभाव या प्रभावों के वितरण का अनुमान लगाने के रूप में माना जाना चाहिए?
• अध्ययन कितने सुसंगत हैं, और एकत्रित परिणाम कितना सटीक है?

Key concepts

• प्रभाव आकार (जैसे ऑड्स अनुपात, जोखिम अनुपात, माध्य अंतर)
• व्युत्क्रम-विचरण भारण
• निश्चित-प्रभाव मॉडल
• यादृच्छिक-प्रभाव मॉडल
• सारांश अनुमान और विश्वास अंतराल
• फ़ॉरेस्ट प्लॉट
• विषमता

Mechanisms

प्रत्येक अध्ययन एक प्रभाव अनुमान (जैसे ऑड्स अनुपात या मानकीकृत माध्य अंतर) और उसकी सटीकता का एक माप प्रदान करता है। मेटा-विश्लेषण इन अनुमानों को भारित करके जोड़ता है, आमतौर पर इसके विचरण के व्युत्क्रम द्वारा, ताकि बड़े और अधिक सटीक अध्ययनों का अधिक महत्व हो। एक निश्चित-प्रभाव मॉडल मानता है कि प्रत्येक अध्ययन एक सामान्य वास्तविक प्रभाव का अनुमान लगाता है और अंतर केवल नमूना त्रुटि के कारण होते हैं। एक यादृच्छिक-प्रभाव मॉडल, जो आमतौर पर डेर्सिमोनियन और लेयर्ड की विधि है, मानता है कि वास्तविक प्रभाव अध्ययनों में भिन्न होता है और एक अंतर-अध्ययन विचरण घटक जोड़ता है, जिससे व्यापक अंतराल उत्पन्न होते हैं और छोटे अध्ययनों को अपेक्षाकृत अधिक भार मिलता है। एकत्रित अनुमान और उसका विश्वास अंतराल आमतौर पर एक फ़ॉरेस्ट प्लॉट में प्रदर्शित होता है। क्योंकि एकत्रीकरण मानता है कि अध्ययन संयोजन के लिए पर्याप्त समान हैं, विषमता की डिग्री का मूल्यांकन सारांश के साथ किया जाता है।

Clinical relevance

मेटा-विश्लेषण नैदानिक दिशानिर्देशों और स्वास्थ्य-प्रौद्योगिकी आकलन में उद्धृत कई सारांश प्रभाव अनुमान प्रदान करते हैं, और उनके परिणाम व्यक्तिगत परीक्षणों की तुलना में अधिक स्थिर हो सकते हैं। उनकी व्याख्या करने के लिए उपयोग किए गए मॉडल और मौजूद विषमता को समझना आवश्यक है। यह प्रविष्टि बताती है कि सारांश अनुमानों की गणना और उन्हें कैसे पढ़ा जाता है; यह साक्ष्य का मूल्यांकन करने के लिए संदर्भ सामग्री है, न कि किसी व्यक्ति के उपचार के लिए सलाह।

Epidemiology

मेटा-विश्लेषण नैदानिक परीक्षणों, अवलोकन संबंधी महामारी विज्ञान, नैदानिक सटीकता अनुसंधान और सामाजिक विज्ञानों में लागू किया जाता है। चिकित्सा में यह अक्सर कोचरन और अन्य व्यवस्थित समीक्षाओं के भीतर आयोजित किया जाता है, और मेटा-विश्लेषण के लिए सॉफ्टवेयर व्यापक रूप से उपलब्ध है। डेर्सिमोनियन और लेयर्ड का यादृच्छिक-प्रभाव मॉडल बायोमेडिकल साहित्य में सबसे अधिक उपयोग की जाने वाली एकत्रीकरण विधियों में से एक है।

Evidence & guidelines

व्यवस्थित समीक्षाओं के भीतर रिपोर्ट किए गए मेटा-विश्लेषण PRISMA 2020 रिपोर्टिंग मानकों (पेज एट अल।, 2021) का पालन करते हैं, जिसमें संश्लेषण विधियों, विषमता और साक्ष्य की निश्चितता पर आइटम शामिल हैं। ये रिपोर्टिंग मानक हैं, उपचार की सिफारिशें नहीं।

History

अध्ययनों का सांख्यिकीय संयोजन पियर्सन और फिशर द्वारा बीसवीं सदी के शुरुआती काम से जुड़ा है, और जीन ग्लास ने 1976 में शिक्षा अनुसंधान में मेटा-विश्लेषण शब्द पेश किया। नैदानिक चिकित्सा में डेर्सिमोनियन और लेयर्ड (1986) का यादृच्छिक-प्रभाव मॉडल एकत्रीकरण के लिए मानक दृष्टिकोण बन गया, और कोचरन सहयोग और समर्पित सॉफ्टवेयर के विकास के साथ यह विधि तेजी से फैल गई। बोरेनस्टीन और सहयोगियों (2010) ने बाद में निश्चित-प्रभाव और यादृच्छिक-प्रभाव मॉडल के बीच वैचारिक अंतर को स्पष्ट किया।

Debates

निश्चित-प्रभाव या यादृच्छिक-प्रभाव मॉडल?

दोनों मॉडल इस बारे में अलग-अलग धारणाओं को दर्शाते हैं कि क्या अध्ययन एक सच्चे प्रभाव को साझा करते हैं या प्रभावों के वितरण का अनुमान लगाते हैं; चुनाव भारण और विश्वास अंतराल की चौड़ाई को प्रभावित करता है, और जब अध्ययन कम होते हैं तो यादृच्छिक-प्रभाव मॉडल अस्थिर हो सकता है।

एकत्रीकरण कब उपयुक्त है?

जनसंख्या, हस्तक्षेपों या डिज़ाइन में काफी भिन्न अध्ययनों को संयोजित करने से एक सटीक लेकिन भ्रामक सारांश मिल सकता है, इसलिए विषमता की डिग्री सीधे इस बात पर निर्भर करती है कि क्या एक एकत्रित अनुमान सार्थक है।

Key figures

• Gene Glass
• Rebecca DerSimonian
• Nan Laird
• Larry Hedges
• Julian Higgins
• Michael Borenstein

Seminal works

• dersimonian-laird-1986
• borenstein-2010
• higgins-2003-i2

Frequently asked questions

निश्चित-प्रभाव और यादृच्छिक-प्रभाव मेटा-विश्लेषण के बीच क्या अंतर है?

एक निश्चित-प्रभाव मॉडल मानता है कि सभी अध्ययन एक सामान्य वास्तविक प्रभाव का अनुमान लगाते हैं और उन्हें केवल सटीकता के आधार पर भारित करते हैं। एक यादृच्छिक-प्रभाव मॉडल मानता है कि वास्तविक प्रभाव अध्ययनों में भिन्न होता है, एक अंतर-अध्ययन विचरण पद जोड़ता है, और इसलिए व्यापक विश्वास अंतराल देता है और छोटे अध्ययनों को अपेक्षाकृत अधिक भार देता है।

क्या अध्ययनों के किसी भी सेट का मेटा-विश्लेषण किया जा सकता है?

नहीं। एकत्रीकरण मानता है कि अध्ययन प्रश्न, जनसंख्या और डिज़ाइन में पर्याप्त समान हैं ताकि एक सार्थक सारांश साझा किया जा सके। जब वे बहुत विषम होते हैं, तो एक एकल एकत्रित अनुमान सटीक लेकिन भ्रामक हो सकता है, और एक गुणात्मक संश्लेषण अधिक उपयुक्त हो सकता है।