साक्ष्य संश्लेषण में सांख्यिकीय विधियाँ
साक्ष्य संश्लेषण में सांख्यिकीय विधियाँ वे मात्रात्मक तकनीकें हैं जिनका उपयोग कई अध्ययनों के परिणामों को प्रभाव के समग्र अनुमान में संयोजित करने, अध्ययनों के बीच के अंतर को निर्धारित करने और समझाने, और यह परीक्षण करने के लिए किया जाता है कि वह संयुक्त निष्कर्ष कितना सुदृढ़ है। वे व्यवस्थित समीक्षाओं के विश्लेषणात्मक इंजन का निर्माण करती हैं और साक्ष्य-आधारित अभ्यास तथा स्वास्थ्य प्रौद्योगिकी मूल्यांकन का आधार हैं।
Definition
साक्ष्य संश्लेषण में सांख्यिकीय विधियों में अध्ययनों में एक संयुक्त प्रभाव का अनुमान लगाने (आमतौर पर निश्चित-प्रभाव या यादृच्छिक-प्रभाव मॉडल के तहत), अध्ययन-के-बीच विषमता को मापने और जांचने, और विश्लेषणात्मक विकल्पों तथा व्यक्तिगत अध्ययनों के प्रति संश्लेषित अनुमान की सुदृढ़ता की जांच करने की प्रक्रियाएं शामिल हैं।
Scope
यह क्षेत्र पाठक को उन विधियों के परिवार से परिचित कराता है जो व्यक्तिगत अध्ययनों के समूह को एक संश्लेषित मात्रात्मक उत्तर में बदल देती हैं: मेटा-विश्लेषण (पूलिंग चरण), विषमता का आकलन (अध्ययन कितने भिन्न हैं), मेटा-रिग्रेशन (अध्ययन-स्तर के सहसंयोजकों के साथ उस अंतर की व्याख्या करना), और संवेदनशीलता विश्लेषण (यह परीक्षण करना कि क्या निष्कर्ष विभिन्न मान्यताओं के तहत मान्य हैं)। यह इन्हें कार्यप्रणाली संबंधी संदर्भ विषयों के रूप में प्रस्तुत करता है, न कि नैदानिक निर्देशों के रूप में।
Sub-topics
Core questions
- अलग-अलग अध्ययनों के परिणामों को एक ही अनुमान में कैसे भारित और संयोजित किया जाना चाहिए?
- निश्चित-प्रभाव मॉडल कब उपयुक्त होता है और यादृच्छिक-प्रभाव मॉडल की आवश्यकता कब होती है?
- अध्ययन संयोग से कितना अधिक भिन्न होते हैं, और क्या वह अंतर हमारे निष्कर्षों को बदलता है?
- क्या अध्ययन-स्तर की विशेषताएँ प्रेक्षित प्रभावों में भिन्नता की व्याख्या कर सकती हैं?
- संयुक्त निष्कर्ष व्यक्तिगत अध्ययनों, मॉडलिंग मान्यताओं और पूर्वाग्रह के जोखिम के प्रति कितना संवेदनशील है?
Key concepts
- संयुक्त (सारांश) प्रभाव अनुमान
- अध्ययन भारण (व्युत्क्रम-भिन्नता भारण)
- निश्चित-प्रभाव बनाम यादृच्छिक-प्रभाव मॉडल
- अध्ययन-के-बीच विषमता
- मेटा-रिग्रेशन और उपसमूह विश्लेषण
- संवेदनशीलता और सुदृढ़ता विश्लेषण
- विश्वास और भविष्यवाणी अंतराल
Mechanisms
साझा तर्क प्रत्येक अध्ययन के प्रभाव अनुमान को ज्ञात अनिश्चितता वाले डेटा बिंदु के रूप में मानना है, फिर उन बिंदुओं को उनकी सटीकता को दर्शाने वाले भार के साथ संयोजित करना है। एक निश्चित-प्रभाव विश्लेषण मानता है कि सभी अध्ययन एक सामान्य वास्तविक प्रभाव का अनुमान लगाते हैं और केवल व्युत्क्रम भिन्नता से भारित होते हैं; एक यादृच्छिक-प्रभाव विश्लेषण मानता है कि वास्तविक प्रभाव अध्ययनों में भिन्न होते हैं और एक अध्ययन-के-बीच भिन्नता घटक जोड़ता है, इसलिए डेर्सिमोनियन-लेयर्ड विधि और उसके उत्तराधिकारी तदनुसार भार और अंतराल को विस्तृत करते हैं। विषमता के आँकड़े यह सारांशित करते हैं कि प्रेक्षित भिन्नता नमूना त्रुटि से कितनी अधिक है; मेटा-रिग्रेशन और उपसमूह विश्लेषण अध्ययन-स्तर के सहसंयोजकों के साथ उस भिन्नता को समझाने का प्रयास करते हैं; और संवेदनशीलता विश्लेषण वैकल्पिक मान्यताओं के तहत संश्लेषण को फिर से चलाते हैं ताकि यह जांचा जा सके कि मुख्य परिणाम किसी एक अध्ययन या एक मॉडलिंग विकल्प का परिणाम नहीं है।
Clinical relevance
ये विधियाँ उच्च-स्तरीय साक्ष्य का अधिकांश भाग उत्पन्न करती हैं जिन पर दिशानिर्देश और स्वास्थ्य प्रौद्योगिकी मूल्यांकन आधारित होते हैं, इसलिए यह समझना कि एक संयुक्त अनुमान, उसकी विषमता और उसके संवेदनशीलता विश्लेषण कैसे उत्पन्न हुए, एक व्यवस्थित समीक्षा का मूल्यांकन करने के लिए केंद्रीय है। यह क्षेत्र बताता है कि संश्लेषित साक्ष्य कैसे उत्पन्न और व्याख्या किए जाते हैं; यह व्यक्तिगत निदान या उपचार सलाह का स्रोत नहीं है।
Evidence & guidelines
साक्ष्य संश्लेषण के सांख्यिकीय आचरण के लिए रिपोर्टिंग मानक PRISMA विवरण (मोहर एट अल., 2009) और कोचरन हैंडबुक (हिगिंस एंड ग्रीन, 2008) में निर्धारित किए गए हैं, जो व्यवस्थित समीक्षाओं में मॉडल चयन, विषमता आकलन और संवेदनशीलता विश्लेषण के लिए अपेक्षित अभ्यास का वर्णन करते हैं।
History
अध्ययन परिणामों का मात्रात्मक पूलिंग बीसवीं शताब्दी की शुरुआत में कृषि और सामाजिक-विज्ञान सांख्यिकी से विकसित हुआ और इसे 1976 में जीन ग्लास द्वारा मेटा-विश्लेषण नाम दिया गया। नैदानिक परीक्षणों के लिए इसका अनुकूलन डेर्सिमोनियन और लेयर्ड की 1986 की यादृच्छिक-प्रभाव विधि द्वारा क्रिस्टलीकृत किया गया था, और विषमता सांख्यिकी, मेटा-रिग्रेशन और मानकीकृत रिपोर्टिंग (PRISMA, कोचरन हैंडबुक) के बाद के विकास ने साक्ष्य संश्लेषण को साक्ष्य-आधारित अभ्यास और स्वास्थ्य प्रौद्योगिकी मूल्यांकन का समर्थन करने वाले एक संरचित सांख्यिकीय अनुशासन में बदल दिया।
Debates
- डिफ़ॉल्ट मॉडल के रूप में निश्चित-प्रभाव बनाम यादृच्छिक-प्रभाव
- क्या संश्लेषण को एक ही सामान्य प्रभाव मानना चाहिए या वास्तविक प्रभावों को भिन्न होने देना चाहिए, यह अनुमान और उसकी अनिश्चितता दोनों को बदलता है; टिप्पणीकार तर्क देते हैं कि चुनाव एक निश्चित परंपरा के बजाय शामिल अध्ययनों की नैदानिक और कार्यप्रणाली संबंधी विविधता को प्रतिबिंबित करना चाहिए।
Key figures
- Rebecca DerSimonian
- Nan Laird
- Julian Higgins
- Simon Thompson
- Michael Borenstein
- Larry Hedges
Related topics
Seminal works
- dersimonian-laird-1986
- higgins-thompson-2002
- higgins-handbook-2008
Frequently asked questions
- एक व्यवस्थित समीक्षा और उसमें उपयोग की जाने वाली सांख्यिकीय विधियों के बीच क्या अंतर है?
- एक व्यवस्थित समीक्षा अध्ययनों की पहचान करने, मूल्यांकन करने और सारांशित करने की पूरी प्रक्रिया है; साक्ष्य संश्लेषण में सांख्यिकीय विधियाँ इसके भीतर के मात्रात्मक चरण हैं जो परिणामों को पूल करते हैं, विषमता को मापते हैं और सुदृढ़ता का परीक्षण करते हैं।
- क्या हर व्यवस्थित समीक्षा में मेटा-विश्लेषण शामिल होता है?
- नहीं। जब अध्ययन सार्थक रूप से संयोजित करने के लिए बहुत अधिक नैदानिक या कार्यप्रणाली संबंधी रूप से विविध होते हैं, तो एक समीक्षा निष्कर्षों को कथात्मक रूप से संश्लेषित कर सकती है, और ये सांख्यिकीय विधियाँ तभी लागू की जाती हैं जब पूलिंग को उपयुक्त माना जाता है।