Çalışmalarda Eşleştirme ve Tabakalama
Eşleştirme ve tabakalama, bilinen faktörler için çalışmanın başlangıcından itibaren denge oluşturarak karıştırıcı etkiyi (confounding) kontrol etmek amacıyla kullanılan tasarım araçlarıdır. Eşleştirme, karşılaştırma gruplarının bir karıştırıcı etkinin (confounder) aynı dağılımını paylaşmasını sağlayacak şekilde denekleri eşleştirir veya gruplandırır; tabakalama ise denekleri, karşılaştırmaların yapıldığı homojen tabakalara (strata) ayırır. Her iki yöntem de, seçilen değişkenler üzerinde karşılaştırma gruplarını daha benzer hale getirerek, ilgi duyulan karşıtlığın bu değişkenler tarafından daha az bozulmasını sağlamaktadır.
Tanım
Eşleştirme, indeks deneklerle bir veya daha fazla karıştırıcı etkinin (confounder) dağılımını paylaşacak karşılaştırma deneklerini seçen bir tasarım tekniğidir; tabakalama ise deneklerin, maruziyet-sonuç karşılaştırmalarının homojen tabakalar (strata) içinde yapılabilmesi için karıştırıcı etkiler (confounders) tarafından tanımlanan alt gruplara (tabakalara) ayrılmasıdır.
Kapsam
Bu madde, eşleştirme ve tabakalamanın gerekçesini, bireysel ve frekans eşleştirme arasındaki farkı, hem gözlemsel çalışmalarda hem de randomize kontrollü çalışmalarda (randomized trials) tabakaların kullanımını ve analitik çıkarımlarını (eşleştirilmiş veya tabakalı analiz ihtiyacı gibi) ele almaktadır. Tasarımla karıştırıcı etki (confounding) kontrolüne ilişkin metodolojik bir referans olarak çerçevelenmiş olup, klinik talimatlar sunmamaktadır.
Anahtar kavramlar
- Tasarımla karıştırıcı etki (confounding) kontrolü
- Bireysel (çift) eşleştirme ve frekans eşleştirme
- Tabakalar (strata) ve tabaka içi karşılaştırma
- Çalışmalarda tabakalı randomizasyon
- Eşleştirilmiş analiz (koşullu yöntemler)
- Aşırı eşleştirme (overmatching)
- Karıştırıcı etki (confounder) olmayan değişkenler üzerinde eşleştirmeden kaynaklanan verimlilik kaybı
Mekanizmalar
Her iki teknik de, analizden önce seçilen bir değişkenin karıştırıcı etkisini (confounding) ortadan kaldırır veya azaltır. Eşleştirme, eşleştirilen faktörün karşılaştırılan gruplarda aynı dağılıma sahip olmasını zorlar, böylece ilişkiyi artık karıştırıcı etki (confound) edemez; ancak eşleştirilmiş yapıyı dikkate alan bir analiz gerektirir; eşleştirilmiş verileri eşleştirilmemiş gibi analiz etmek sonuçları yanlı hale getirebilmektedir. Tabakalama, denekleri karıştırıcı etkinin (confounder) esasen sabit olduğu tabakalara (strata) ayırır, her bir tabaka içindeki ilişkiyi tahmin eder ve tabakaya özgü tahminleri birleştirir. Randomize kontrollü çalışmalarda (randomized trials), tabakalı randomizasyon, önemli prognostik faktörleri kollar arasında dengede tutmak için tabakalar içinde ayrı ayrı tahsisat yapar ve genellikle bloklama (blocking) ile birleştirilmektedir.
Klinik önem
Bir çalışmanın karıştırıcı etkiyi (confounding) eşleştirme veya tabakalama yoluyla kontrol edip etmediğini ve verileri buna göre analiz edip etmediğini anlamak, gözlemlenen bir ilişkinin güvenilir olup olmadığını değerlendirmenin bir parçasıdır. Bu madde, araştırmalar için tasarım ve analiz metodolojisini tanımlamakta olup, tanı veya tedavi rehberliği kaynağı değildir.
Kanıt ve kılavuzlar
Metodolojik literatür, eşleştirmenin tasarım eylemini, tabakalı veya eşleştirilmiş analizin analitik eyleminden ayırmakta ve eşleştirilmiş tasarımların yanlılığı önlemek için eşleştirilmiş analizler gerektirdiğini vurgulamaktadır. Çalışmalarda tabakalı randomizasyon rehberliği, bunun küçük çalışmalarda en yararlı olduğunu ve bloklama (blocking) ile eşleştirilmesi gerektiğini belirtmekte; standart epidemiyoloji (epidemiology) metinleri ise eşleştirmenin ne zaman verimliliği artırdığını ve karıştırıcı etki (confounder) olmayan bir değişken üzerinde aşırı eşleştirmenin (overmatching) ne zaman zarar verdiğini ortaya koymaktadır.
Tarihçe
Eşleştirme, yaş ve cinsiyet gibi güçlü karıştırıcı etkileri (confounders) kontrol etmek amacıyla kronik hastalıkların vaka-kontrol çalışmalarında (case-control studies) uzun süredir kullanılmaktadır ve Breslow ile Day'in 1980 tarihli monografisi, bu tasarımların gerektirdiği koşullu (eşleştirilmiş) analizi kodlamıştır. Tabakalı analiz, yirminci yüzyılın ortalarındaki Mantel-Haenszel yöntemlerine dayanmakta ve tabakalı randomizasyon, prognostik faktörleri tedavi kolları arasında dengede tutmak için klinik çalışmalarda benimsenmiş, daha sonraki metodolojik derlemeler ise ne zaman değer kattığını açıklığa kavuşturmuştur.
Tartışmalar
- Eşleştirme ne zaman yardımcı olur, ne zaman ters teper?
- Gerçek bir karıştırıcı etki (confounder) üzerinde eşleştirme verimliliği artırabilir; ancak karıştırıcı etki (confounder) olmayan veya nedensel yol üzerinde yer alan bir değişken üzerinde eşleştirme, verimliliği azaltabilir veya yanlılık (aşırı eşleştirme - overmatching) oluşturabilir; karar, kolaylıktan ziyade nedensel yapıya bağlıdır.
- Büyük çalışmalarda tabakalı randomizasyon gerekli midir?
- Tabakalama, anahtar prognostik faktörleri dengede tutar ve küçük çalışmalarda en değerlidir; büyük çalışmalarda ise basit randomizasyon faktörleri kendi başına dengeleme eğilimindedir; aşırı tabakalama (over-stratification) birçok seyrek tabaka (sparse strata) oluşturabilir ve tasarımı karmaşık hale getirebilir.
Öne çıkan isimler
- Norman Breslow
- Nicholas Day
- Kenneth Rothman
- Sander Greenland
- Neil Pearce
İlgili konular
Temel eserler
- breslow-day-1980-matching
- pearce-2016-matched
- kernan-1999-stratified
Sıkça sorulan sorular
- Eşleştirme ve tabakalama arasındaki fark nedir?
- Eşleştirme, denekler seçilirken yapılan bir örnekleme kararıdır (bir karıştırıcı etkinin (confounder) dağılımını paylaşacak karşılaştırma deneklerinin seçilmesi); tabakalama ise denekleri bir karıştırıcı etki (confounder) tarafından tanımlanan alt gruplara ayırır ve bu alt gruplar içinde maruziyet ve sonuçları karşılaştırır; eşleştirilmiş veriler ayrıca eşleştirilmiş bir analiz gerektirir.
- Aşırı eşleştirme (overmatching) nedir?
- Aşırı eşleştirme (overmatching), karıştırıcı etki (confounder) olmayan veya maruziyet ile sonuç arasındaki nedensel yol üzerinde yer alan bir değişken gibi, eşleştirilmemesi gereken bir değişken üzerinde eşleştirme yapılmasıdır; bu durum, karıştırıcı etki (confounding) kontrolünü iyileştirmek yerine istatistiksel verimliliği azaltabilir veya tahmini yanlı hale getirebilir.