Комбинаторный метаанализ (CMA) - это изучение поведения статистических свойств комбинаций исследований из метааналитического набора данных (обычно в исследованиях в области социальных наук). В статье, которая развивает понятие «гравитация» в контексте метаанализа, доктор Трэвис Джи [1] предположил, что методы складного ножа, примененные к метаанализу в этой статье, могут быть расширены для изучения всех возможных комбинаций исследований ( где это возможно) или случайные подмножества исследований (где комбинаторика ситуации делала это невыполнимым с вычислительной точки зрения).
Концепция
В исходной статье [1] k объектов (исследований) объединяются k -1 за раз ( оценка складного ножа ), в результате чего получается k оценок. Замечено, что это частный случай более общего подхода CMA, который вычисляет результаты для k исследований, взятых 1, 2, 3 ... k - 1, k за раз.
Там, где с вычислительной точки зрения возможно получить все возможные комбинации, результирующее распределение статистики называется «точным CMA». Если количество возможных комбинаций чрезмерно велико, это называется «приблизительным CMA».
CMA позволяет изучать относительное поведение различных статистик в комбинаторных условиях. Это отличается от стандартного подхода к метаанализу, основанного на использовании единого метода и вычисления единого результата, и позволяет проводить значительную триангуляцию, вычисляя разные индексы для каждой комбинации и проверяя, все ли они рассказывают одну и ту же историю.
Подразумеваемое
Следствием этого является то, что там, где существует несколько случайных перехватов, неоднородность в определенных комбинациях будет сведена к минимуму. Таким образом, CMA можно использовать в качестве метода интеллектуального анализа данных для определения количества перехватов, которые могут присутствовать в наборе данных, путем просмотра того, какие исследования включены в локальные минимумы, которые могут быть получены путем рекомбинации.
Еще одним следствием этого является то, что споры о включении или исключении исследований могут быть спорными, если принять во внимание распределение всех возможных результатов. Полезным инструментом, разработанным доктором Джи (ссылка будет после публикации), является график «PPES» (что означает «Вероятность величины положительного эффекта», предполагая, что различия масштабируются так, что желательно больше в положительном направлении). Для каждого подмножества комбинаций, где проводятся исследования j = 1, 2, ... k - 1, k за раз, берется доля результатов, которые показывают размер положительного эффекта (будут работать либо WMD, либо SMD), и это построено против j . Это может быть адаптировано к графику «PMES» (обозначающему «Вероятность минимального размера эффекта»), где доля исследований, превышающих некоторый минимальный размер эффекта (например, SMD = 0,10), берется для каждого значения j = 1, 2. , ... к - 1, к . Там, где присутствует явный эффект, этот график должен довольно быстро асимптотически приближаться к 1,0. При этом возможно, что, например, споры по поводу включения или исключения двух или трех исследований из дюжины или более могут быть помещены в контекст графика, который показывает явный эффект для любой комбинации семи или более. исследования.
С помощью CMA также можно исследовать взаимосвязь ковариат с величиной эффекта. Например, если финансирование отрасли подозревается в качестве источника систематической ошибки, то можно вычислить долю исследований в данной подгруппе, которые финансировались отраслью, и нанести ее на график непосредственно против оценки размера эффекта. Если средний возраст в различных исследованиях сам по себе был достаточно изменчивым, то можно получить среднее из этих средних значений по исследованиям в данной комбинации и аналогичным образом построить график.
Реализации
Оригинальное программное обеспечение доктора Джи для выполнения складного ножа и комбинаторного мета-анализа было основано на более старых метааналитических макросах, написанных на языке программирования SAS. Это легло в основу одного отчета в области лечения артрита. [2] Хотя это программное обеспечение было неофициально предоставлено коллегам, оно не было опубликовано. Более поздний метаанализ применил эту концепцию в контексте лечения диареи. [3]
Несколько лет спустя к метааналитическим данным был применен метод складного ножа [4], но не похоже, чтобы для этой задачи было разработано специализированное программное обеспечение. Другие комментаторы также призывали к использованию связанных методов [5], очевидно, не зная об оригинальной работе. Более поздняя работа группы портирования программного обеспечения из Университета Брауна [6] реализовала эту концепцию в STATA. [7]
Ограничения
CMA не решает проблему метаанализа «мусор на входе, мусор на выходе». Однако, когда критик считает класс исследований мусором, это действительно предлагает способ изучить, в какой степени эти исследования могли изменить результат. Точно так же он не предлагает прямого решения проблемы, какой метод выбрать для комбинирования или взвешивания. Как отмечалось выше, он предлагает триангуляцию, при которой могут быть достигнуты соглашения между методами и разногласия между методами, понятными во всем диапазоне возможных комбинаций исследований.
Рекомендации
- ^ a b Джи, Т. (2005) «Учет влияния исследования: концепция« гравитации »в метаанализе», Консультирование, психотерапия и здоровье , 1 (1), 52–75 [1] Архивировано 2006-08 гг. 19 в Wayback Machine
- ^ Беллами, Н., Кэмпбелл, Дж. И Джи, Т. (2005). Может ли выбор исследования, переменное управление и период времени повлиять на наблюдаемую величину эффекта в систематических обзорах продуктов на основе гиалуронана / гилана? В: Альтман Р. Стендовые доклады. 10-й Всемирный конгресс по остеоартриту, Массачусетс, США, (S71-S71). 8-11 декабря 2005 г.
- ^ Марек Лукачик, MDa, Рональд Л. Томас, PhDb, Джейкоб В. Аранда, MD, PhDbA Мета-анализ эффектов перорального цинка в лечении острой и стойкой диареи, Pediatrics Vol. 121 No. 2 1 февраля 2008 г., стр. 326-336 (DOI: 10.1542 / peds.2007-0921)
- ^ http://asq.org/quality-progress/2008/07/statistics-roundtable/statistics-roundtable-the-trusty-jackknife.html
- ^ [2]
- ^ Olkin I, Dahabreh IJ, Trikalinos TA. GOSH - графическое отображение неоднородности исследования. Методы исследования синтеза. 2012; 3 (3): 214-223.
- ^ https://ideas.repec.org/c/boc/bocode/s457535.html