मेटा-विश्लेषण

मेटा-विश्लेषण वह सांख्यिकीय प्रक्रिया है जो एक ही प्रश्न पर केंद्रित कई अध्ययनों से प्राप्त प्रभाव अनुमानों को एक एकल, अधिक सटीक संयुक्त अनुमान में संयोजित करती है। प्रत्येक अध्ययन को उसकी सटीकता के अनुसार भारित करके, यह एक समग्र उत्तर निकालता है जो कोई भी एकल अध्ययन प्रदान नहीं कर सकता है और उसके आसपास की शेष अनिश्चितता को रिपोर्ट करता है।

Definition

मेटा-विश्लेषण कई अध्ययनों से प्राप्त प्रभाव अनुमानों का एक भारित सारांश अनुमान में मात्रात्मक संयोजन है, आमतौर पर निश्चित-प्रभाव मॉडल (एक अनुमानित सामान्य प्रभाव) या यादृच्छिक-प्रभाव मॉडल (प्रभावों को अध्ययनों में भिन्न माना जाता है) के तहत व्युत्क्रम-प्रसरण भारण (inverse-variance weighting) का उपयोग करके।

Scope

यह प्रविष्टि संयोजन के मुख्य यांत्रिकी को कवर करती है: व्यक्तिगत अध्ययन प्रभावों को कैसे भारित किया जाता है, निश्चित-प्रभाव (fixed-effect) और यादृच्छिक-प्रभाव (random-effects) मॉडल के बीच का अंतर, और संयुक्त अनुमान तथा उसके अंतराल को कैसे पढ़ा जाता है। यह मेटा-विश्लेषण को साक्ष्य संश्लेषण के भीतर एक मात्रात्मक विधि के रूप में मानता है और नैदानिक मार्गदर्शन के बजाय एक संदर्भ विवरण है। व्यापक व्यवस्थित-समीक्षा प्रक्रिया को व्यवस्थित समीक्षाओं के तहत संबंधित मेटा-विश्लेषण नोड में कवर किया गया है।

Core questions

• व्यक्तिगत अध्ययन परिणामों को संयोजित करते समय उन्हें कैसे भारित किया जाता है?
• निश्चित-प्रभाव बनाम यादृच्छिक-प्रभाव मॉडल के तहत संयुक्त अनुमान क्या दर्शाता है?
• संयुक्त अनुमान के आसपास के विश्वास अंतराल की व्याख्या कैसे की जानी चाहिए?
• अध्ययनों को कब संयोजित करना उचित है?

Key concepts

• व्युत्क्रम-प्रसरण भारण
• निश्चित-प्रभाव मॉडल
• यादृच्छिक-प्रभाव मॉडल
• संयुक्त (सारांश) प्रभाव
• विश्वास अंतराल और पूर्वानुमान अंतराल
• फ़ॉरेस्ट प्लॉट

Mechanisms

प्रत्येक अध्ययन अपने मानक त्रुटि के साथ एक प्रभाव अनुमान (जैसे जोखिम अनुपात, ऑड्स अनुपात, या माध्य अंतर) का योगदान करता है। व्युत्क्रम-प्रसरण भारण में, अधिक सटीक अध्ययनों को अधिक भार प्राप्त होता है, और भारित औसत संयुक्त अनुमान होता है। एक निश्चित-प्रभाव मॉडल के तहत सभी अध्ययनों को एक सच्चा प्रभाव साझा करने के लिए माना जाता है, इसलिए भार केवल अध्ययन-के-भीतर प्रसरण पर निर्भर करते हैं। एक यादृच्छिक-प्रभाव मॉडल के तहत, सच्चे प्रभावों को भिन्न माना जाता है, इसलिए एक अनुमानित अध्ययन-के-बीच प्रसरण को प्रत्येक भार में जोड़ा जाता है, जिससे सबसे बड़े अध्ययनों का प्रभाव कम हो जाता है और विश्वास अंतराल चौड़ा हो जाता है। डेरसिमोनियन-लेयर्ड (DerSimonian-Laird) दृष्टिकोण ने उस अध्ययन-के-बीच प्रसरण का क्लासिक क्षण-आधारित अनुमानक दिया; रिले (Riley) और सहयोगियों ने जोर दिया कि यादृच्छिक-प्रभाव सारांश एक औसत प्रभाव है जिसकी व्याख्या, और उसके आसपास का पूर्वानुमान अंतराल, यह दर्शाना चाहिए कि प्रभाव सेटिंग्स में भिन्न होते हैं।

Clinical relevance

मेटा-विश्लेषणों से प्राप्त संयुक्त अनुमान अक्सर साक्ष्य पदानुक्रमों के शीर्ष पर होते हैं और सीधे दिशानिर्देशों और स्वास्थ्य प्रौद्योगिकी मूल्यांकन में योगदान करते हैं, इसलिए एक फ़ॉरेस्ट प्लॉट को पढ़ने और उसकी सारांश पंक्ति का अर्थ समझने में सक्षम होना साक्ष्य मूल्यांकन का हिस्सा है। यह प्रविष्टि बताती है कि संयुक्त अनुमान कैसे उत्पन्न होता है और यह व्यक्तिगत उपचार निर्णयों का आधार नहीं है।

Evidence & guidelines

मेटा-विश्लेषणों के संचालन और पारदर्शी रिपोर्टिंग को कोचरन हैंडबुक (Higgins & Green, 2008) और PRISMA स्टेटमेंट (Moher et al., 2009) द्वारा नियंत्रित किया जाता है, जो यह निर्दिष्ट करते हैं कि संयुक्त अनुमान, मॉडल चयन और आसपास की अनिश्चितता को कैसे प्रस्तुत किया जाना चाहिए।

History

मेटा-विश्लेषण शब्द 1976 में जीन ग्लास (Gene Glass) द्वारा अनुसंधान निष्कर्षों के मात्रात्मक संश्लेषण के लिए पेश किया गया था। नैदानिक अनुसंधान में इसका अनुवाद डेरसिमोनियन और लेयर्ड के 1986 के यादृच्छिक-प्रभाव ढांचे द्वारा किया गया था, और बाद के प्रदर्शन जैसे बोरेनस्टीन (Borenstein) और सहयोगियों (2010) ने निश्चित-प्रभाव और यादृच्छिक-प्रभाव संयोजन के बीच वैचारिक अंतर को स्पष्ट किया जो आज भी अभ्यास को व्यवस्थित करता है।

Debates

यादृच्छिक-प्रभाव सारांश अनुमान का वास्तव में क्या अर्थ है?

क्योंकि यादृच्छिक-प्रभाव मॉडल सच्चे प्रभावों के वितरण पर औसत करता है, इसकी सारांश पंक्ति एक एकल सामान्य मान के बजाय एक औसत है; रिले और सहयोगियों का तर्क है कि सेटिंग्स में प्रभावों की सीमा को व्यक्त करने के लिए केवल विश्वास अंतराल ही नहीं, बल्कि एक पूर्वानुमान अंतराल की भी आवश्यकता है।

Key figures

• Rebecca DerSimonian
• Nan Laird
• Michael Borenstein
• Larry Hedges
• Julian Higgins
• Richard Riley

Seminal works

• dersimonian-laird-1986
• borenstein-2010
• higgins-handbook-2008

Frequently asked questions

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

एक निश्चित-प्रभाव विश्लेषण मानता है कि प्रत्येक अध्ययन एक ही सच्चे प्रभाव का अनुमान लगाता है, जबकि एक यादृच्छिक-प्रभाव विश्लेषण मानता है कि सच्चा प्रभाव अध्ययनों में भिन्न होता है और एक अध्ययन-के-बीच प्रसरण पद जोड़ता है, जो आमतौर पर विश्वास अंतराल को चौड़ा करता है।

क्या अध्ययनों के किसी भी सेट को मेटा-विश्लेषण में संयोजित किया जा सकता है?

नहीं। संयोजन तभी सार्थक होता है जब अध्ययन प्रश्न, जनसंख्या और परिणाम में पर्याप्त समान हों; जब वे बहुत विविध होते हैं, तो उन्हें संयोजित करने से एक सटीक लेकिन भ्रामक सारांश उत्पन्न हो सकता है।