Kombinatorisk metaanalyse

Kombinatorisk metaanalyse er studiet af adfærd af statistiske egenskaber af kombinationer af undersøgelser fra en meta-analytisk datasæt. I en artikel, der udvikler begrebet "tyngdekraft" i forbindelse med meta-analyse, foreslog Dr. Travis Gee, at de lommekniv, der anvendes til meta-analyse i denne artikel kunne udvides til at undersøge alle mulige kombinationer af undersøgelser eller tilfældige delmængder af undersøgelser.

Koncept

I den oprindelige artikel, er k objekter kombineres k-1 ad gangen, hvilket resulterer i k skøn. Det bemærkes, at dette er et særligt tilfælde af den mere generelle tilgang CMA som beregner resultater for k undersøgelser taget 1, 2, 3 ... K - 1, k ad gangen.

Hvis det er beregningsmæssigt muligt at opnå alle mulige kombinationer, er den resulterende udgivelse af statistikker kaldes "eksakt CMA." Hvor antallet af mulige kombinationer er uoverkommeligt store, er det betegnes "omtrentlige CMA."

CMA gør det muligt at studere den relative adfærd forskellige statistikker under kombinatoriske betingelser. Dette adskiller sig fra standard tilgang i metaanalyse af at vedtage en enkelt metode og beregne en enkelt resultat, og tillader betydelig triangulering at opstå, ved at beregne forskellige indekser for hver kombination og undersøge, om de alle fortælle den samme historie.

Konsekvenser

En implikation af dette er, at hvor der findes flere tilfældige aflytninger, vil heterogenitet inden for visse kombinationer minimeres. CMA kan således anvendes som en data mining metode til at identificere antallet af skæringspunkter, der kan være til stede i datasættet ved at kigge på hvilke undersøgelser er medtaget i den lokale minima, der kan opnås ved rekombination.

En yderligere konsekvens af dette er, at argumenter end inklusion eller eksklusion af undersøgelser kan være omstridt, når fordelingen af ​​alle mulige resultater er taget i betragtning. Et nyttigt værktøj udviklet af Dr. Gee er "PPES" plot. For hver delmængde af kombinationer, hvor forsøgene er taget j = 1, 2, ... k - 1, k ad gangen, er andelen af ​​resultater, som viser en positiv effekt størrelse er taget, og dette er afbildet mod j. Dette kan tilpasses til en "PME'er" plot, hvor andelen af ​​undersøgelser, der overstiger en vis minimal effektstørrelse træffes for hver værdi af j = 1, 2, ... k - 1, k. Når en klar effekt er til stede, bør dette plot asymptote til nær 1,0 ret hurtigt. Med denne er det muligt derefter, at for eksempel uenighed om inklusion eller eksklusion af to eller tre undersøgelser ud af et dusin eller mere kan udformes i sammenhæng med et plot, der viser en klar effekt for enhver kombination af 7 eller flere undersøgelser.

Det er også muligt via CMA at undersøge forholdet af kovariater med effekt størrelser. For eksempel, hvis der er mistanke om midler fra industrien som en kilde til bias, så andelen af ​​undersøgelser i en given delmængde, der blev industrien finansieret kan beregnes og afbildes direkte mod estimatet effektstørrelse. Hvis den gennemsnitlige alder i de forskellige undersøgelser i sig selv var temmelig variabel, så gennemsnittet af disse midler på tværs af studier i en given kombination kan opnås, og på samme måde plottet.

Implementeringer

Dr. Gee oprindelige software til at udføre lommekniv og kombinatorisk metaanalyse var baseret på ældre meta-analytiske makroer skrevet i SAS programmeringssprog. Det var grundlaget for en rapport på området arthritis behandling. Mens denne software blev delt med kolleger uformelt, blev det ikke offentliggjort. En senere meta-analyse anvendt begrebet i forbindelse med behandling af diarré.

En lommekniv metode blev anvendt på meta-analytiske data nogle år senere, men det ser ikke ud til, at specialiseret software blev udviklet til opgaven. Andre kommentatorer har også opfordret til relaterede metoder, tilsyneladende uvidende om det oprindelige arbejde. Nyere arbejde af en software portering team på Brown University har implementeret konceptet i STATA.

Begrænsninger

CMA løser ikke metaanalyse problem med "skrald i, garbage out." Men når en klasse af undersøgelser anses skrald af en kritiker, betyder det tilbyder en måde at undersøge, i hvilket omfang disse undersøgelser kan have ændret et resultat. Ligeledes giver det ingen direkte løsning på problemet, som metode til at vælge for kombination eller vægtning. Hvad det gør tilbyde, som nævnt ovenfor, er triangulering, hvor der kan opnås aftaler mellem metoder, og uenigheder mellem metoder forstået dækker hele spektret af mulige kombinationer af undersøgelser.

  0   0

Kommentarer - 0

Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha