Glavni Drugo Metaanalize zbirnih podatkov ali posamezne meta-analize podatkov udeležencev (analize za nazaj in v prihodnosti)

Metaanalize zbirnih podatkov ali posamezne meta-analize podatkov udeležencev (analize za nazaj in v prihodnosti)

Pregled Programska oprema
Opis Spletne strani
Branja Tečaji

Pregled

Namen te strani je opisati in primerjati ter primerjati tri kvantitativne pristope - metaanalizo zbirnih podatkov, metaanalize podatkov o posameznih udeležencih (retrospektivno združene študije) in bodoče načrtovane združene študije - in zagotoviti vire za podporo sprejetju teh metod.

Opis

Namen povzetka dokazov med študijami je oceniti in raziskati, ali obstajajo dosledni ali neskladni dokazi, ki podpirajo specifična razmerja med izpostavljenostjo in izidom, ter raziskati vire heterogenosti v študijah, ki bi lahko privedle do razlik v ugotovitvah (Blettner et al. 1999). Kvalitativni pregledi, kot so nesistematični pripovedni pregledi in sistematični pregledi, zagotavljajo ne-statistične preglede literature. Kvantitativne metode sintetizirajo informacije med študijami z uporabo statističnih metod, da se ustvarijo zbirne ocene, ki posplošujejo ugotovitve posameznih študij. Tri glavne kvantitativne metode sinteze informacij vključujejo metaanalizo zbirnih podatkov, metaanalizo podatkov o posameznih udeležencih (retrospektivno združene študije) in prospektivno načrtovane združene študije.

Metaanaliza zbirnih podatkov

Namen: Metaanaliza zbirnih podatkov (AD) uporablja statistične analize za ustvarjanje zbirne (združene) ocene z uporabo ocen učinka posameznih študij, poročanih v objavljeno literatura.

Ta vrsta pregleda je najpogosteje uporabljena med tremi kvantitativnimi pristopi, ker ga je mogoče dokončati razmeroma hitro, je poceni in je do podatkov, ki jih uporablja (podatki iz objavljenih člankov s celotnim besedilom), razmeroma enostavno (Blettner et al. 1999). Kljub tem prednostim so metaanalize AD podvržene učinkom pristranskosti objav. Poleg tega imajo raziskovalci, ki izvajajo metaanalizo, zelo omejen nadzor nad podatki in si morajo razlagati povzetke učinkov v okviru heterogenosti, ki nastane med različnimi zasnovami študij, izbiro modelov, analiznimi pristopi in različnimi kategorizacijami prvotnih študij.

Koraki metaanalize združenih podatkov:

1. Izvedite sistematičen pregled literature:

Prvi korak pri izvedbi metaanalize AD je sistematičen pregled. Sistematični pregled je osredotočen predvsem na opredelitev vseh razpoložljivih, ustreznih študij, ki so povezane s posebnim in natančno opredeljenim vprašanjem, ki nas zanima. Da bi dosegli ta celovit pregled, preiskovalci opredelijo posebne iskalne izraze, uporabijo več baz podatkov in vzpostavijo natančno določena merila za vključitev in izključitev, da določijo končni nabor ustreznih študij.

2. Izvleček podatkov iz objavljenih prispevkov:

Ko je opredeljen končni nabor ustreznih študij, je treba podatke pridobiti iz objavljene literature. Pomembno je omeniti, da bi morala biti vsaka študija v analizi predstavljena le enkrat, čeprav se informacije o študiji lahko objavijo v več člankih (Higgins in Green, 2011). Za izračun skupne ocene je treba izvleči oceno učinka in varianco (Higgins in Deeks, 2011). Izpostaviti je treba izpostavljenost, izid in kovariate, uporabljene v modelih, in kako so bili opredeljeni (npr. Neprekinjeno, kategorično z mejnimi vrednostmi za kategorije) in značilnosti študije (npr. Zasnova študije, velikost vzorca, demografski podatki vzorca, leto objave). za oceno heterogenosti študije (Higgins in Deeks, 2011). Nekatere informacije morda niso na voljo iz objavljene literature in je priporočljivo za

3. Pretvorite ocene posameznih študij v skupno lestvico :

Preiskovalci pogosto ne uporabljajo enakih pristopov pri načrtovanju študij ali analizi podatkov. Kot take lahko študije poročajo o različnih ukrepih učinkov, kot so razmerja verjetnosti, razmerja tveganja in razmerja nevarnosti. V tem primeru bo morda treba pretvorjene ocene učinka pretvoriti v eno samo oceno učinka, da jih bo mogoče primerjati in združiti, da se bo ustvarila skupna ocena.

4. Poročajte o ocenah posameznih študij :

Nujno je (in koristno) vizualizirati posamezne ocene študije in intervale zaupanja na gozdni parceli. To raziskovalcu in bralcu omogoča, da si v študijah ogleda vse splošne trende ali mešane ugotovitve.

c 3 poškodba hrbtenjače

5. Ocenite zbirno oceno z uporabo tehtanih povprečij posameznih ocen študije :

Študije, vključene v metaanalizo, se pogosto razlikujejo po velikosti, kakovosti in drugih značilnostih. Pri pripravi zbirne ocene je treba in pomembno oceniti učinke vsake študije, da se upošteva ta heterogenost. Pri tehtanju se lahko uporabita dva pristopa - fiksni učinki in naključni učinki.

5a. Fiksni učinki :

Osnovna predpostavka pristopa s fiksnimi učinki je, da vse študije, vključene v metaanalizo, ocenjujejo enak, temeljni resnični učinek (Borenstein et al. 2007). Predpostavlja se, da variabilnost (napaka) izvira iz vsake študije in ne med študijami. Izjava o modelu za pristop s fiksnim učinkom je videti takole:

β̂s= β + εs, s = 1 do S študije

β = resnična skupna ocena učinka (npr. log relativno tveganje)

es= znotraj variance študije

β̂s= ocenjena ocena učinka v študiji

Pri pristopu s fiksnimi učinki se za študije ponderiranja uporablja metoda inverzne variance. Študije se ponderirajo z inverzno varianco študije, zbirna ocena pa se izračuna kot ponderirana sredina posameznih ocen, kot je prikazano v tej formuli:

Ker se študije tehtajo samo z varianco med posamezniki znotraj študije, bodo manjše študije, za katere se praviloma pričakuje, da so manj natančne (tj. Imajo večjo varianco, ker je manj podatkovnih točk), tehtane manj in večje študije tehtajo več (Borenstein in sod. 2007):

5b. Naključni učinki :

Pri pristopu naključnih učinkov domnevamo, da ni resnične ocene učinka, temveč običajna porazdelitev učinkov (Borenstein in sod. 2007). Domneva se, da variabilnost izhaja tako iz variante študije kot med njo. Izjava o modelu za model naključnih učinkov je zapisana takole:

β̂s= β + Us+ εs, s = 1 do S študije

β = povprečna ocena resničnega učinka (npr. log relativno tveganje)

es= znotraj variance študije

Us= med varianco študije

β̂s= ocenjena ocena učinka v študiji

Pri pristopu naključnih učinkov se za ponderiranje uporablja DerSimonian in Laird Model. Pri izračunu združenih ocen se posamezne ocene študije ponderirajo tako, da se upošteva varianca znotraj in med različicami, kot je prikazano v tej formuli:

    Pristop naključnih učinkov pri izpeljavi skupne ocene pomeni, da so uteži bolj uravnotežene (tj. Majhne študije se ne toliko banalizirajo in velike študije ne tehtajo tako močno) (Borenstein et al. 2007). Kompromis za ta pristop je natančnost v povzetkih interval zaupanja; na splošno zbirne ocene z uporabo modelov naključnih učinkov dajejo večje združene variance in intervale zaupanja kot pristop s fiksnim učinkom (Borenstein et al. 2007).

    6. Ocenite in določite vire heterogenosti:

    Poleg priprave zbirne ocene je drugi glavni cilj metaanalize AD ocena in identifikacija heterogenosti študije. Heterogenost študije izhaja iz sistematičnih razlik med študijami, ki lahko izhajajo iz dejavnikov, kot so zasnova študije ali značilnosti vzorca. Dve glavni statistiki heterogenosti sta Cochranova statistika Q in indeks nedoslednosti. Skratka, Cochranova statistika Q (χdvatest heterogenosti, df = k-1) je ponderirana vsota kvadratnih odstopanj (Borenstein in sod. 2007). Med majhnim številom študij ima slabo moč zaznati heterogenost. Indeks nedoslednosti (Idva) je odstotek skupnih razlik v študijah, ki so posledica heterogenosti (Higgins et al., 2003). Jazdvamanj vpliva število študij, vključenih v metaanalizo, in jo je mogoče primerjati med metaanalizami.

    Kadar je kateri koli od ukrepov heterogenosti visok, je treba povzetek ocen razlagati previdno. Visoke ravni heterogenosti lahko upravičujejo, da se metaanaliza ne bi smela premikati naprej ali da bi bilo treba študije razdeliti in izpeljati ločene zbirne ocene podskupin (Deeks et al. 2011). Treba je še dodatno raziskati vire heterogenosti. V metaanalizi AD se analize občutljivosti za raziskovanje heterogenosti osredotočajo na značilnosti študije. Preiskovalci se lahko razdelijo po značilnostih študije (npr. Načrt študije) ali pa izključijo študije z določeno značilnostjo in preračunajo zbirno oceno ter sporočijo razlike med prvotno in novo oceno (Deekset al. 2011). Metaregresija se lahko uporablja tudi za raziskovanje heterogenosti zaradi spremenljivk na ravni študije.

    Pri metaanalizi AD je treba oceniti pristranskost objave. Prispevek k objavi se pojavi, ko je objavljen večji odstotek študij, ki nakazujejo koristne ali velike učinke, vendar je objavljenih manj študij, ki poročajo o ničelnih učinkih, negativnih učinkih ali manjših študijah (Sterne et al. 2011). Če obstaja pristranskost objave, bo metaanaliza AD poročala o povzetku učinka, ki odraža le učinke, ugotovljene v objavljenih študijah, in ne odraža resničnega učinka ali porazdelitve resničnih učinkov v populaciji

    Poročanje

    Trenutno je izjava PRISMA splošno uporabljena in sprejeta smernica za izvajanje in poročanje o sistematičnih pregledih in metaanalizah. Izjava PRISMA vključuje kontrolni seznam postavk, ki jih je treba izvesti in poročati kot del metaanalize, vključuje pa tudi diagram poteka, ki bralcem omogoča, da spremljajo postopek izbire in izločanja člankov, ki so vključeni v metaanalizo ( Liberati et al. 2009).

    Meta-analiza posameznih podatkov o udeležencih (IPD) (združene analize)

    Namen: Metaanaliza podatkov o posameznih udeležencih (IPD), znana tudi kot retrospektivna združena analiza, s statističnimi analizami ustvari zbirno oceno na podlagi podatkov o posameznih udeležencih iz objavljeno in neobjavljeno študij.

    Za dokončanje metaanaliz IPD je potrebno več časa (več let), stanejo bistveno več (za kritje stroškov osebja, hrambe podatkov, čiščenja in usklajevanja podatkov) in se lahko pri pridobivanju podatkov soočajo z več izzivi (prvotni preiskovalci študije se morajo strinjati, da izvirni podatki) kot metaanalize AD (Cooper in Patall, 2009; Riley et al. 2010). Kljub tem izzivom so raziskovalci nagrajeni s povečanim nadzorom nad podatki in analizami, kar jim omogoča, da zmanjšajo del med heterogenostjo študije, ki izhaja iz meril za izključitev, izbire kovariate in izbire analiz (Stewart in Tierney, 2002). Poleg tega uporaba posameznih podatkov raziskovalcem omogoča, da zastavljajo nova vprašanja, ki morda niso bila cilj prvotnih študij, in povečuje statistično moč preiskovanja redkih bolezni in izpostavljenosti.

    Koraki IP-metaanalize:

    1. Izvedite sistematičen pregled literature, ugotovite neobjavljene študije in pridobite podatke na individualni ravni od prvotnih preiskovalcev.

    Tako kot metaanaliza AD se tudi metaanaliza IPD začne s sistematičnim pregledom in uporablja metode, kot so izbira ključnih besed ter merila za vnaprejšnjo vključitev in izključitev vnaprej, da opredeli skupino primernih študij (Blettner et al. 1999; Stewart et al. . 2015). Poleg tega raziskovalci stopijo v stik s preiskovalci na terenu, da bi ugotovili neobjavljene študije, ki bi lahko bile vključene v metaanalizo (Stewart et al. 2015). Ko je ugotovljen zadnji sklop študij, se vzamejo v stik preiskovalci, da dobijo prvotne podatke. To zahteva vzpostavitev odnosov, jasno opredeljene cilje metaanalize, sodelovanje in zaupanje, da se olajša izmenjava podatkov in sprotno pojasnjevanje študijskih metod v celotnem procesu usklajevanja podatkov. Za izvedbo metaanalize se pogosto oblikuje sodelovanje med preiskovalci (Stewart in sod. 2011). Metaanalize IPD zahtevajo tudi znatna sredstva in sredstva za varno shranjevanje in čiščenje podatkov. Blizu zaključka tega prispevka je narejena kratka opomba, ki razpravlja o etičnih pomislekih pri delu s podatki na posamezni ravni.

    2. Uskladiti podatke

    Cilj usklajevanja podatkov je povečati primerljivost med študijami z zmanjšanjem heterogenosti, ki izhaja iz različnih ocen / kategorizacij spremenljivk. V metaanalizi AD so raziskovalci omejeni na spremenljive specifikacije, objavljene v rokopisih. V metaanalizah IPD imajo raziskovalci dostop do izvirnih podatkov in bodo morda lahko uporabili enake izvirne ukrepe v različnih študijah (npr. ITM namesto kategorične debelosti / debelosti). V drugih primerih ukrepi morda niso enaki pri vseh spremenljivkah, vendar je možna skupna kategorizacija v študijah (npr. Visoki depresivni simptomi v primerjavi z nizko depresivnimi simptomi, če se uporabljajo različni obsegi simptomov depresije) (Stewart in Tierney, 2002) . V nekaterih primerih usklajevanje podatkov ni mogoče, zlasti kadar so prvotni preiskovalci uporabljali različne ukrepe (npr. Prehrana, ocenjena s 3-dnevnim odpoklicem, vprašalnik o pogostosti hrane za posamezne države / skupine).

    3. Skupne študije za izračun skupne ocene

    Ko bodo podatki usklajeni, bodo raziskovalci morda želeli uporabiti dodatna merila za izključitev podatkov na posamezni ravni. Te izključitve je treba uporabiti za opažanja v vseh študijah (Stewart in Tierney, 2002).

    Ko so raziskovalci pripravljeni združiti podatke, lahko uporabimo dva pristopa - enostopenjski in dvostopenjski. Dvostopenjski pristop je najbolj znan, ker je zelo podoben metodologiji metaanalize AD, vendar je lahko bolj zamuden kot enostopenjski pristop. Kljub temu je dvostopenjski pristop verjetno dober prvi korak pri metaanalizi IPD, ker daje raziskovalcu idejo o trendu ocen v posameznih študijah, preden pridobi združeno oceno.

    3a. Dvostopenjski pristop

    Dvostopenjski pristop pri analizi IPD je podoben metaanalizi zbirnih podatkov. Najprej se izračuna vsaka posamezna ocena študije (in ne izvlečena iz objavljene literature). Te posamezne ocene se narišejo z uporabo gozdne parcele in primerjajo, da se ugotovijo kakršne koli podobnosti in razlike. Pri izračunu vsake posamezne ocene študije se uporabljajo enake statistične analize, vključevanje kovariate, opredelitev izpostavljenosti in izidov. Nato se posamezne ocene ponderirajo in združijo z uporabo metod fiksnih ali naključnih učinkov, kot je opisano zgoraj

    3b. Pristop v enem koraku

    Pri enostopenjskem pristopu so posamezne podatkovne točke iz vseh študij nameščene skupaj v en model ali sklop analiz, namesto da se izračunajo ocene za vsako študijo posebej. Pri prilagajanju modela se mora upoštevati združevanje v skupine, sicer pa preiskovalci tvegajo, da bodo našli pomembne učinke, kadar jih ni, ali obratno (Abo-Zaid et al. 2013). Lahko se uporabi pristop s fiksnim učinkom (npr. Z uporabo preskusnih spremenljivk za grozde) ali pa se lahko uporabijo hierarhični ali mešani regresijski modeli za vključitev naključnih učinkov (tako za pobočja kot prestrezanja) v model.

    Na splošno bo enostopenjski pristop povzročil povzetke podobnih dvostopenjskih pristopov, razen kadar obstajajo binarni podatki o izidu (Stewart et al. 2012). Tudi če so povzetki učinkov podobni, lahko enostopenjski pristop ponudi dodatno prilagodljivost, zaradi česar je uporaben za vključevanje bolj zapletenih statističnih metod, uporabljenih v analizah z eno samo študijo. Prvič, enostopenjski pristopi omogočajo raziskovalcem, da se osredotočijo na notranje razlike (med posameznimi) razlik v učinkih in se prilagodijo združevanju prek modelov s fiksnimi učinki ali naključnih učinkov. Drugič, enostopenjski pristop raziskovalcem omogoča, da primerjajo številne različne modele z različnimi predpostavkami ali primerjajo ugnezdene modele z uporabo meril za prileganje modelov, kot je AIC (Stewart et al. 2012). Čeprav je to mogoče doseči tudi v dvostopenjskem pristopu, je treba pred združevanjem izračunati vsak nov model za vsako posamezno študijo, kar je lahko dolgotrajno. Tretjič, enostopenjski pristop je morda boljši od naslavljanja vprašanj z uporabo longitudinalnih podatkov (Jones in sod. 2009). Pri enostopenjskem pristopu lahko raziskovalci upoštevajo korelacijo ponavljajočih se opazovanj v analizi, namesto da bi izgubili te informacije v koraku združevanja dvostopenjskega pristopa. To naj bi prineslo ustreznejše standardne napake za združeno oceno. Nazadnje, enostopenjski pristop lahko ponudi več prožnosti za preiskovanje interakcij kot dvostopenjski pristop, ki omogoča na primer prilagajanje nelinearnih kovariat (Stewart in sod. 2012; Cooper in Patall, 2009).

    Medtem ko enostopenjski pristop omogoča večjo zapletenost in nelinearnost izpostavljenosti in kovariacij, pa je modele tudi težje razlagati in lahko zahtevajo dodatno statistično znanje (Riley et al. 2010). Poleg tega je pomembna predpostavka enostopenjskega pristopa, da se spremenljivke v vseh študijah merijo na primerljiv način (Smith-Warner et al. 2006).

    4. Ocenite in določite vire heterogenosti

    Ocena heterogenosti modela v metaanalizi IPD je prav tako pomembna kot pri metaanalizi AD. V metaanalizi IPD se heterogenost zmanjša s harmonizacijo podatkov, izbiro istega učinka (npr. RR, HR) in izbiro istih kovarijant. Tudi po tem lahko obstajajo pomembne razlike med študijami, kar je treba oceniti s pomočjo Cochranove statistike Q testa.

    Analize občutljivosti so končane tudi za meta-analize IPD. Namesto da bi se osredotočili na pristope na ravni študije (npr. Ločevanje ugotovitev z zasnovo študije), se lahko osredotočijo na preiskave, ki jih pogosteje vidimo v analizah ene študije, kot so spreminjanje kategorizacij spremenljivk, vključitev ali izključitev kovarijant in analize podskupin (npr. , rasa ali spol). V primeru, da nekaterih posameznih podatkov ni bilo mogoče doseči, se lahko izvede analiza občutljivosti, ki združuje objavljene rezultate in rezultate IPD (Stewart in Tierney, 2002). Druge analize občutljivosti lahko vključujejo primerjavo povzetkov ocen, pridobljenih iz eno- ali dvostopenjskih pristopov, in analiz z uporabo fiksnih ali naključnih učinkov.

    Poročanje

    Leta 2015 je bilo objavljeno posebno sporočilo JAMA v zvezi z razvojem izjave PRISMA-IPD. To poročilo vsebuje nekaj posodobitev izjave PRISMA, ki posebej obravnavajo edinstvene značilnosti meta-analiz IPD (Stewart et al. 2015).

    Načrtovane združene analize

    Namen: Podobno kot pri metaanalizah IPD / retrospektivno združenih analizah imajo tudi prihodnje načrtovane združene analize združevanje podatkov o posameznih udeležencih med posameznimi študijami. Namesto da bi pregledali obstoječo literaturo in se obrnili na preiskovalce, da bi ugotovili vse razpoložljive obstoječe študije, postopek potencialno združenih analiz vključuje oblikovanje vključujočih skupinskih skupin za načrtovanje prihodnjih študij.

    Morebitno načrtovane združene analize trajajo najdlje (več let) od treh metod in so dražje kot metaanalize AD. Kljub dodatnim časom in denarju ponujajo prednost dodatnega nadzora nad zasnovo študije in merjenjem podatkov kot metaanalize IPD, ker so načrtovane v prihodnosti.

    Koraki pri izvedbi načrtovanih združenih analiz

    Koraki pri izvedbi potencialno načrtovane združene analize so enaki zgoraj opisanim za metaanalizo IPD in tukaj niso podrobneje opisani. Namesto tega sta opisani dve opazni razliki.

    1. Namesto da bi začeli s sistematičnim pregledom literature, se bodoče načrtovane združene analize začnejo z razpravami med preiskovalci, da bi oblikovali skupinsko skupino. Sodelovanje je zasnovano tako, da je čim bolj vključujoče in pogosto vključuje raziskovalna središča iz več držav. Nagrade sodelovanja v sodelovanju so sicer velike, vendar je za logistiko sodelovanja potreben precejšen čas in denar. Logistika vključuje določitev, kdo bo tajnik, ki nadzira sodelovanje, center, ki bo varno shranjeval podatke, in odgovornosti za čiščenje podatkov (Stewart idr. 2011). Poleg tega bo treba razpravljati o končnem poročanju in objavi, pogosto pa lahko posamezne študije omejijo objavo svojih edinstvenih ugotovitev, dokler niso objavljeni rezultati skupne študije.

    2. Standardizacija podatkov in ne uskladitev podatkov je eden glavnih ciljev v procesu načrtovanja. Cilj standardizacije podatkov je vzpostaviti enoten način določanja, merjenja in zbiranja spremenljivk. Postopek standardizacije je lahko enostaven, če obstaja zlati standard, vendar bo morda treba nadalje razpravljati in sklepati kompromise, če obstaja več ukrepov za oceno spremenljivke. Razlike v pristopu k spremenljivim meritvam se lahko razlikujejo od države do države ali med raziskovalnimi središči.

    Čeprav so spremenljivke, ki nas zanimajo, v študijah standardizirane, načrtovane združene analize v prihodnosti niso enake kot multicentrična preskušanja. Centri, ki sodelujejo pri združenih analizah, naj bi se držali istih standardiziranih spremenljivk in nekaterih ključnih meril za vključitev udeležencev, vendar se lahko razlikujejo v mnogih drugih pogledih (npr. Prebivalstvo, država, druge zbrane spremenljivke) in naj ne bi sledili enotni študijski protokol za vsa spletna mesta (Riley et al. 2010).

    Opomba: etična vprašanja pri delu s podatki na posamezni ravni

    Za razliko od meta-analiz AD, morajo meta-analize IPD in načrtovane združene analize dodatno upoštevati zasebnost in zaupnost udeležencev. Vse analize, ki uporabljajo podatke na ravni udeleženca, morajo zagotoviti varno shranjevanje in dostop do njih. To zahteva, da mora ena od institucij v sodelovanju prevzeti odgovornost za shranjevanje in gostovanje teh informacij. Ker je veliko teh sodelovanj mednarodne narave, mora to shranjevanje podatkov izpolnjevati potrebe po varnosti in zaupnosti vseh sodelujočih držav raziskovalcev (Ragin in Taioli, 2008). Pri potencialno načrtovanih združenih analizah je te premisleke mogoče upoštevati že od samega začetka in jih je treba vključiti v načrtovane stroške projekta, protokole, predložene odborom za preglede človeških raziskav v vsaki sodelujoči instituciji, in dokumente o privolitvi udeležencev na podlagi informacij.

    V primeru retrospektivnih združenih analiz je zbiranje podatkov morda že končano. V postopku pridobivanja izvirnih podatkov morajo preiskovalci, ki izvajajo sekundarno analizo podatkov, preveriti tudi, ali so bile v prvotnih študijah odobreni protokoli za osebe. Poleg tega se priznava, da so udeleženci študije verjetno privolili v prvotno raziskovalno študijo, vendar morda niso privolili v sodelovanje v sekundarni študiji z morebitnimi drugačnimi raziskovalnimi vprašanji. V ZDA je dopustna sekundarna analiza podatkov dovoljena, če je protokol prejel odobritev IRB in je neznan (Philips et al. 2013). Ta postopek se razlikuje od države do države (Philips et al. 2013) in ga je treba preučiti, preden nadaljujemo z metaanalizo IPD.

    Povzetek primerjav pristopov

    Za hitro referenco je na voljo kratka tabela, ki primerja tri kvantitativne pristope k povzemanju dokazov med študijami.

    Metaanaliza AD

    IPD metaanaliza / retrospektivna združena analiza

    Predvidena načrtovana združena analiza

    Dolžina časa za dokončanje

    Kratek

    dolga

    dolga

    Stroški

    Nizko

    program bolnišničnega centra v Harlemu

    Visoko

    Visoko

    Nadzor nad podatki

    Nizko

    Visoko

    Najvišje

    Skrb za pristranskost objave

    Visoko

    N / A

    N / A

    Sodelovanje in sodelovanje z drugimi raziskovalci

    Nobenega

    Da

    Da

    Nadzor nad modeli

    Nizko

    Visoko

    Visoko

    Dodatni etični pomisleki

    Nobenega

    Da

    Da

    Sposobnost raziskovanja redkih bolezni in občasnih izpostavljenosti

    Nizko

    Visoko

    Visoko

    Sposobnost analize vzdolžnih podatkov

    Nizko

    Visoko

    Visoko

    Ocenjevanje interakcij

    Nizko

    Visoko (zlasti enodstopen pristop)

    Visoko (zlasti enodstopen pristop)

    Reference

    Abo-Zaid, G, Guo, B, Deeks, JJ, Debray, TPA, Steyerberg, EW, Moons, KGM in Riley, RD (2013) Posamezne meta-analize podatkov o udeležencih ne smejo prezreti združevanja. J Clin Epidemiol; 66 (8): 865-873.

    Blettner, M, Sauerbrei, W, Schlehofer, B, Scheuchenpflug, T, in Friedenreich, C. (1999) Tradicionalni pregledi, metaanalize in združene analize v epidemiologiji. Mednarodni časopis za epidemiologijo; 28: 1–9.

    Borenstein, M, Hedges, L in Rothstein, H (2009) Fiksni učinki v primerjavi z modeli naključnih učinkov. V: Uvod v metaanalizo. Eds: Borenstein, M, Hedges, LV, Higgins, JPT in Rothstein, HR. John Wiley & Sons, Ltd., Zahodni Sussex, Združeno kraljestvo.

    Cooper, H in Patall, EA (2009) Relativne koristi metaanalize, izvedene s podatki o posameznih udeležencih, v primerjavi z zbirnimi podatki. Psihološke metode; 14 (2), 165-176.

    Deeks, JJ, Higgins, JPT in Altman, DG (2011) Poglavje 9: Analiza podatkov in izvajanje metaanaliz. Cochraneov priročnik za sistematične preglede intervencij. Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Higgins JPT, Green S (uredniki). Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Cochrane Collaboration, 2011. Na voljo pri www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ in Altman, DG. (2003) Merjenje nedoslednosti v metaanalizah. BMJ; 327 (7414): 557-560.

    Higgins, JPT in Deeks, JJ (2011) Poglavje 7: Izbira študij in zbiranje podatkov. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Jones, AP, Riley, RD, Williamson, PR, in Whitehead, A (2009) Metaanaliza posameznih podatkov o pacientih v primerjavi z zbirnimi podatki iz longitudinalnih kliničnih preskušanj. Kliničnih preskušanj; 6: 16-27.

    Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche P, et al. (2009) Izjava PRISMA za poročanje o sistematičnih pregledih in metaanalizah študij, ki ocenjujejo zdravstvene ukrepe: razlaga in izdelava. PLoS Med 6: e1000100. doi: 10.1371 / journal.pmed.1000100.

    Philips B, Ranasinghe, N, Stewart, LA in PICNICC Collaboration (2013) Etični in regulativni premisleki pri uporabi posameznih podatkov o udeležencih pri študijah napovedovanja bolezni. Arch Dis Child; 98: 567-568.

    Ragin, C in Taioli, E (2008) Metaanaliza in združena analiza - Genetski in okoljski podatki. V: Molekularna epidemiologija kroničnih bolezni; CP Wild, P Vineis in S Garte. John Wiley & Sons.

    Riley, RD, Lambert, PC in Abo-Zaid, G (2010) Metaanaliza podatkov o posameznih udeležencih: utemeljitev, ravnanje in poročanje. BMJ; 340; c221.

    Smith-Warner, SA, Spiegelman, D, Ritz, J, et al. (2006) Metode za združevanje rezultatov epidemioloških študij: Projekt združevanja prospektivnih študij prehrane in raka. Am J Epidemiol; 163: 1053-1064.

    116. st & Broadway, New York, New York 10027

    Sterne, JAC, Egger, M in Moher, D (2011) Poglavje 10: Obravnavanje pristranskosti glede poročanja. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Stewart, GB, Altman, DG, Askie, LM, Duley, L, Simmonds, MC in Stewart, LA. (2012) Statistična analiza metaanaliz podatkov posameznih udeležencev: Primerjava metod in priporočil za prakso. PLoS ONE; 7 (10): e46042.

    Stewart, LA, Clark, M, Rovers, M, Riley, RD, Simmonds, M, Stewart, G, Tierney JF in The PRISMA-IPD Development Group (2015) Prednostne postavke poročanja za sistematični pregled in metaanalizo posameznega udeleženca podatki: Izjava PRISMA-IPD. JAMA; 313 (16): 1-1665.

    Stewart, LA in Tierney, JF (2002) Za IPD ali ne za IPD? Prednosti in slabosti sistematičnih pregledov z uporabo posameznih podatkov o pacientih. Vrednotenje in zdravstveni poklici; 25 (1): 76–97.

    Stewart, LA, Tierney, JF in Clarke, M (2011) Poglavje 18: Pregledi posameznih podatkov o pacientih. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Branja

    Sistematični pregled

    Higgins JPT, Green S (uredniki). Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Cochrane Collaboration, 2011. Na voljo pri www.cochrane-handbook.org .

    Metaanaliza zbirnih podatkov

    Borenstein, M, Hedges, LV, Higgins, JPT in Rothstein, HR (2009) Poglavje 7: Pretvarjanje med velikostmi učinkov. V: Uvod v metaanalizo. Eds: Borenstein, M, Hedges, LV, Higgins, JPT in Rothstein, HR. John Wiley & Sons, Ltd., Zahodni Sussex, Združeno kraljestvo.

    Borenstein, M, Hedges, L in Rothstein, H (2007) Fiksni učinki v primerjavi z modeli naključnih učinkov. V: Uvod v metaanalizo. Eds: Borenstein, M, Hedges, LV, Higgins, JPT in Rothstein, HR. John Wiley & Sons, Ltd., Zahodni Sussex, Združeno kraljestvo.

    Deeks, JJ, Higgins, JPT in Altman, DG (2011) Poglavje 9: Analiza podatkov in izvajanje metaanaliz. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Higgins, JPT in Deeks, JJ (2011) Poglavje 7: Izbira študij in zbiranje podatkov. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ in Altman, DG. (2003) Merjenje nedoslednosti v metaanalizah. BMJ. 327 (7414): 557-560.

    Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche P, et al. (2009) Izjava PRISMA za poročanje o sistematičnih pregledih in metaanalizah študij, ki ocenjujejo zdravstvene ukrepe: razlaga in izdelava. PLoS Med 6: e1000100. doi: 10.1371 / journal.pmed.1000100.

    Metaanaliza posameznih podatkov (retrospektivna združena analiza) in prospektivno načrtovana združena analiza

    Abo-Zaid, G, Guo, B, Deeks, JJ, Debray, TPA, Steyerberg, EW, Moons, KGM in Riley, RD (2013) Posamezne meta-analize podatkov o udeležencih ne smejo prezreti združevanja. J Clin Epidemiol; 66 (8): 865-873.

    Cooper R, Hardy R, Aihie Sayer A, Ben-Shlomo Y, Birnie K, Cooper C, et al. (2011) Razlike v starosti in spolu v stopnjah fizične zmožnosti od sredine življenja naprej: uskladitev in metaanaliza podatkov iz osmih kohortnih študij v Združenem kraljestvu. PLOS ONE 6 (11): e27899. doi: 10.1371 / journal.pone.0027899

    Philips B, Ranasinghe, N, Stewart, LA in PICNICC Collaboration (2013) Etični in regulativni premisleki pri uporabi posameznih podatkov o udeležencih pri študijah napovedovanja bolezni. Arch Dis Child; 98: 567-568.

    Riley, RD, Lambert, PC in Abo-Zaid, G (2010) Metaanaliza podatkov o posameznih udeležencih: utemeljitev, ravnanje in poročanje. BMJ; 340; c221.

    Riley, RD in Steyerberg, EW (2010) Metaanaliza binarnega izida z uporabo podatkov o posameznih udeležencih in zbirnih podatkov. Metode sinteze raziskav; 1 (1): 2–19.

    Smith-Warner, SA, Spiegelman, D, Ritz, J, et al. (2006) Metode za združevanje rezultatov epidemioloških študij: Projekt združevanja prospektivnih študij prehrane in raka. Am J Epidemiol; 163: 1053-1064.

    Stewart, GB, Altman, DG, Askie, LM, Duley, L, Simmonds, MC in Stewart, LA. (2012) Statistična analiza metaanaliz podatkov posameznih udeležencev: Primerjava metod in priporočil za prakso. PLoS ONE; 7 (10): e46042.

    Stewart, LA, Clark, M, Rovers, M, Riley, RD, Simmonds, M, Stewart, G, Tierney JF in The PRISMA-IPD Development Group (2015) Prednostne postavke poročanja za sistematični pregled in metaanalizo posameznega udeleženca podatki: Izjava PRISMA-IPD. JAMA; 313 (16): 1-1665.

    Primerjave pristopov

    Blettner, M, Sauerbrei, W, Schlehofer, B, Scheuchenpflug, T, in Friedenreich, C. (1999) Tradicionalni pregledi, metaanalize in združene analize v epidemiologiji. Mednarodni časopis za epidemiologijo; 28: 1–9.

    Cooper, H in Patall, EA (2009) Relativne koristi metaanalize, izvedene s podatki o posameznih udeležencih, v primerjavi z zbirnimi podatki. Psihološke metode; 14 (2), 165-176.

    Jones, AP, Riley, RD, Williamson, PR, in Whitehead, A (2009) Metaanaliza posameznih podatkov o pacientih v primerjavi z zbirnimi podatki iz longitudinalnih kliničnih preskušanj. Kliničnih preskušanj; 6: 16-27.

    Ragin, C in Taioli, E (2008) Metaanaliza in združena analiza - Genetski in okoljski podatki. V: Molekularna epidemiologija kroničnih bolezni; CP Wild, P Vineis in S Garte. John Wiley & Sons.

    Stewart, LA in Tierney, JF (2002) Za IPD ali ne za IPD? Prednosti in slabosti sistematičnih pregledov z uporabo posameznih podatkov o pacientih. Vrednotenje in zdravstveni poklici; 25 (1): 76–97.

    Drugi povezani viri

    Higgins JPT, Green S (uredniki). Cochraneov priročnik za sistematične preglede intervencij. Različica 5.1.0 [posodobljeno marec 2011]. Cochrane Collaboration, 2011. Na voljo pri www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ in Altman, DG. (2003) Merjenje nedoslednosti v metaanalizah. BMJ; 327 (7414): 557-560.

    Sterne, JAC, Egger, M in Moher, D (2011) Poglavje 10: Obravnavanje pristranskosti glede poročanja. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Stewart, LA, Tierney, JF in Clarke, M (2011) Poglavje 18: Pregledi posameznih podatkov o pacientih. Cochraneov priročnik za sistematične preglede intervencij Različica 5.1.0 [posodobljeno marec 2011]. Higgins JPT, Green S (uredniki). Na voljo od www.cochrane-handbook.org .

    Spletne strani

    Fiksni in naključni učinki: Vnos metod zdravja prebivalstva na metaregresijo.

    Metaregresija se lahko uporablja tudi za raziskovanje heterogenosti zaradi spremenljivk na ravni študije. Dodatne informacije o tej metodi najdete na strani Metode zdravstvenega zdravja prebivalstva o metaregresiji.

    Več informacij o izjavi PRISMA je na voljo na: http://www.prisma-statement.org/

    Zanimivi Članki

    Izbira Urednika

    Premiera 28 filmov na filmskem festivalu Sundance 2018
    Premiera 28 filmov na filmskem festivalu Sundance 2018
    Filmski festival Sundance 2018 bo premierno predstavil 27 filmov in en imerziven projekt umetne inteligence, ki predstavlja delo filmskih ustvarjalcev univerze Columbia v celotnem pisanju, režiji in produkciji ter številna druga delovna mesta, vključno z urednikom, nadzornikom scenarija, koproducentom, vodjo produkcije enote, Casting Režiser, nadzornik post produkcije, direktor kastinga in izvršni producent.
    Christopher Doll
    Christopher Doll
    Christopher Doll je izredni profesor za glasbo na Rutgersovi šoli umetnosti Mason Gross. Doll je teoretik-skladatelj, specializiran za najnovejšo popularno in umetniško glasbo, zlasti za tonalnost in medbesedilnost.
    Izvršni direktor podjetja Antena 3 proti Extraconfidencial, S.L.
    Izvršni direktor podjetja Antena 3 proti Extraconfidencial, S.L.
    Global Columbia Global Freedom of Expression želi pospešiti razumevanje mednarodnih in nacionalnih norm in institucij, ki najbolje varujejo prosti pretok informacij in izražanja v medsebojno povezani svetovni skupnosti z glavnimi skupnimi izzivi. Da bi dosegel svoje poslanstvo, Global Freedom of Expression izvaja in naroča raziskovalne in politične projekte, organizira dogodke in konference ter sodeluje in prispeva k globalnim razpravam o zaščiti svobode izražanja in informacij v 21. stoletju.
    Toronto Star v. AG Ontario
    Toronto Star v. AG Ontario
    Global Columbia Global Freedom of Expression želi pospešiti razumevanje mednarodnih in nacionalnih norm in institucij, ki najbolje varujejo prosti pretok informacij in izražanja v medsebojno povezani svetovni skupnosti z glavnimi skupnimi izzivi. Da bi dosegel svoje poslanstvo, Global Freedom of Expression izvaja in naroča raziskovalne in politične projekte, organizira dogodke in konference ter sodeluje in prispeva k globalnim razpravam o zaščiti svobode izražanja in informacij v 21. stoletju.
    Dennis proti ZDA
    Dennis proti ZDA
    Global Columbia Global Freedom of Expression želi pospešiti razumevanje mednarodnih in nacionalnih norm in institucij, ki najbolje varujejo prosti pretok informacij in izražanja v medsebojno povezani svetovni skupnosti z glavnimi skupnimi izzivi. Da bi dosegla svoje poslanstvo, Global Freedom of Expression izvaja in naroča raziskovalne in politične projekte, organizira dogodke in konference ter sodeluje in prispeva k globalnim razpravam o zaščiti svobode izražanja in informacij v 21. stoletju.
    PI Crash Tečaj: Spretnosti za prihodnje ali nove vodje laboratorijev
    PI Crash Tečaj: Spretnosti za prihodnje ali nove vodje laboratorijev
    Najnovejši tečaj PI Crash v živo je potekal od 10. do 11. junija 2021. Prijavite se spodaj, če želite slišati o naslednjem treningu! Crash tečaj glavnega preiskovalca (PI) je dvodnevni intenzivni zagonski tabor seminarjev, razprav in praktičnih sej, ki zagotavljajo izpostavljenost temeljnim vodstvenim in vodstvenim veščinam ter orodjem, potrebnim za uspeh v vašem laboratoriju. Naročite se na posodobitve
    Depresija v ZDA narašča, zlasti med mladimi najstniki
    Depresija v ZDA narašča, zlasti med mladimi najstniki
    Zdi se, da depresija narašča med Američani na splošno, zlasti med mladimi. Spoznajte najnovejše informacije o tem novem trendu pri Columbia Public Health.