Çok Merkezli Doz-Yanıt Analizi — Çalışma Alanları Genelinde Havuzlanmış Maruz Kalma-Yanıt Modellemesi
Multicenter Dose-Response Analysis · Ayrıca şöyle bilinir: pooled dose-response analysis, multicenter exposure-response analysis, multi-site dose-response modeling, collaborative dose-response study
Çok merkezli doz-yanıt analizi, iki veya daha fazla çalışma merkezinden elde edilen verileri veya etki tahminlerini havuzlayarak, dereceli bir maruz kalma ile bir sağlık sonucu arasındaki ilişkinin nicel şeklini tahmin eder. İki aşamalı bir meta-analitik çerçeve içinde kısıtlanmış kübik spline'lar veya kesirli polinomlar gibi esnek regresyon araçları kullanarak, ilişkinin doğrusal, supra-lineer, eşik tabanlı veya J şeklinde olup olmadığını karakterize eder; bu da tek bir merkezin tek başına başarabileceğinden çok daha fazla istatistiksel güç ve genellenebilirlik sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Araştırma sorusu bir maruz kalma-sonuç ilişkisinin yönü değil, şekli ile ilgilendiğinde; iki veya daha fazla bağımsız kohort veya klinik çalışma merkezinden veri mevcut olduğunda; ve hiçbir tek merkez tam maruz kalma aralığında doğrusal olmayan desenleri tespit etmek için yeterli güce sahip olmadığında çok merkezli doz-yanıt analizi kullanın. Çevresel maruz kalmaları, diyet faktörlerini veya farmakolojik dozları inceleyen büyük işbirlikçi epidemiyolojik konsorsiyumlar için tercih edilen yöntemdir. Merkezlerin sonuç tanımı veya maruz kalma ölçümünde uyumlaştırmanın imkansız olduğu kadar farklılık gösterdiği durumlarda; maruz kalmanın anlamlı bir sıralaması olmayan tamamen kategorik olduğu durumlarda; veya merkez başına üçten az iyi karakterize edilmiş maruz kalma kategorisinin mevcut olduğu ve bu da eğrinin şeklinin belirlenemez hale geldiği durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- Merkezler arasında veri havuzlayarak doğrusal olmayan doz-yanıt şekillerini tespit etme ve karakterize etme istatistiksel gücünü önemli ölçüde artırır.
- Tek bir çalışma bağlamı yerine çeşitli popülasyonlar, ortamlar ve maruz kalma dağılımları genelinde genelleştirilebilir sonuçlar üretir.
- İki aşamalı çerçeve (önce tahmin et, sonra havuzla), merkezlerin katılımcı düzeyindeki verileri korurken işbirlikçi analize katkıda bulunmalarını sağlar.
- Çok değişkenli havuzlama, her merkezdeki kategoriye özgü tahminler arasındaki kovaryansı dikkate alarak, özetlenmiş verilerle (toplanmış veriler yerine) yapılan iki aşamalı yaklaşım, verimliliği kaybeder ve her merkezin modeline dahil edilmeyen bireysel düzeydeki karıştırıcılar için ayarlama yapamaz.
- Merkezler arasında tam maruz kalma aralığı boyunca, sadece tek bir özet noktada değil, titiz heterojenlik değerlendirmesi sağlar.
- Merkezler arasında maruz kalma kategorilerini ve karıştırıcı setlerini uyumlaştırmak kapsamlı koordinasyon gerektirir ve giderilemeyen ölçüm tutarsızlıklarını içerebilir.
- Toplanmış verileri (tam IPD yerine) kullanan iki aşamalı yaklaşım, verimliliği kaybeder ve her merkezin modeline dahil edilmeyen bireysel düzeydeki karıştırıcılar için ayarlama yapamaz.
- Spline tabanlı şekil tahmini, düğüm noktası yerleşimi ve referans kategori seçimine duyarlıdır; farklı önsel kararlar görsel olarak farklı eğriler üretebilir.
- Yayın yanlılığı, null veya J şeklinde bulgulara sahip merkezlerin konsorsiyuma veri katkıda bulunma olasılığının daha düşük olması durumunda havuzlanmış eğrileri bozabilir.
SSS
Çok merkezli doz-yanıt analizi ile standart bir meta-analiz arasındaki fark nedir?
Standart meta-analiz tipik olarak her çalışmadan tek bir özet tahminini (örneğin, maruz kalanlara karşı maruz kalmayana ilişkin RR) havuzlar. Çok merkezli doz-yanıt analizi, her merkezdeki kategoriye özgü tahminler arasındaki kovaryansı dikkate alan çok değişkenli bir model kullanarak, tüm bir eğriyi — maruz kalma seviyeleri boyunca bir dizi ilişkili tahmini — havuzlar. Bu, ilişkinin şeklinin, sadece yönünün veya ortalama büyüklüğünün değil, karakterize edilmesini sağlar.
Bireysel katılımcı verilerine (IPD) mi ihtiyacım var yoksa yayınlanmış özet istatistikleri kullanabilir miyim?
Her ikisi de mümkündür. Greenland ve Longnecker'ın iki aşamalı yaklaşımı, tam IPD mevcut olmadığında uygulanabilir hale getiren yayınlanmış kategoriye özgü log RR'lerden ve varyanslarından çalışır. Ancak, IPD tabanlı tek aşamalı havuzlama, karıştırıcı ayarlaması, maruz kalma uyumlaştırması ve eksik verilerin işlenmesinde daha fazla esneklik sunar. IPD'ye erişilebilirse, karma etkiler çerçevesi içinde tek aşamalı bir analiz genellikle tercih edilir.
Kısıtlanmış kübik spline'lar için düğüm noktalarını nereye yerleştireceğimi nasıl seçeceğim?
Yaygın bir uygulama, Harrell'in önerilerini izleyerek, havuzlanmış maruz kalma dağılımının 5., 35., 65. ve 95. yüzdelik dilimlerine düğüm noktaları yerleştirmektir. Düğüm noktalarının sayısı ve yerleşimi, verileri incelemeden önce analiz planında belirtilmelidir. Yüksek kaliteli yayınlarda, sonuçların keyfi bir seçime bağlı olmadığını göstermek için alternatif düğüm noktası yerleşimleriyle duyarlılık analizleri beklenir.
Farklı maruz kalma kategorileri kullanan merkezleri nasıl ele almalıyım?
Havuzlamadan önce, maruz kalma kategorileri ortak bir nicel ölçeğe ve paylaşılan bir referans değerine eşlenmelidir. Uyumsuz kategorizasyona sahip merkezlerin, duyarlılık analizlerinde ayrı olarak analiz edilmesi veya hariç tutulması gerekebilir. Merkez başına kategori sayısı çok azsa (üçten az), o merkezin verileri spline modellemesini destekleyemez ve kısıtlanmış doğrusal terimlerle analiz edilmeli veya şekil analizinden hariç tutulmalıdır.
Çok merkezli doz-yanıt havuzlaması için hangi yazılımlar mevcuttur?
Orsini ve ark. tarafından geliştirilen Stata komutu 'glst' (trend için genelleştirilmiş en küçük kareler), iki aşamalı yaklaşım için en yaygın kullanılan araçtır. R paketi 'dosresmeta', eşdeğer işlevsellik sağlar ve hem sabit hem de rastgele etkiler havuzlamasını destekler. Tek aşamalı IPD analizi için, spline baz fonksiyonlarıyla birlikte 'lme4' (R) veya 'mixed' (Stata) gibi standart karma etkiler paketleri uygundur.
Kaynaklar
- Greenland, S., & Longnecker, M. P. (1992). Methods for trend estimation from summarized dose-response data, with applications to meta-analysis. American Journal of Epidemiology, 135(11), 1301-1309. DOI: 10.1093/oxfordjournals.aje.a116237 ↗
- Orsini, N., Li, R., Wolk, A., Khudyakov, P., & Spiegelman, D. (2012). Meta-analysis for linear and nonlinear dose-response relations: examples, an evaluation of approximations, and software. American Journal of Epidemiology, 175(1), 66-73. DOI: 10.1093/aje/kwr265 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multicenter Dose-Response Analysis. ScholarGate. https://scholargate.app/tr/epidemiology/multicenter-dose-response-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Doz-Yanıt AnaliziEpidemiyoloji↔ karşılaştır
- Çok Merkezli Kohort ÇalışmasıEpidemiyoloji↔ karşılaştır