نُشر | آخر تحديث

أخطاء التحليل التلوي هي السبب الخفي وراء رفض العديد من الدراسات المجمعة، أو ما هو أسوأ، نشرها ثم دحضها لاحقًا. يعد التحليل التلوي بأعلى مستوى من الأدلة، ومع ذلك، تتكرر نفس الأخطاء التقنية مرارًا وتكرارًا في مختلف التخصصات، بدءًا من نموذج التأثير الثابت المفروض على تجارب غير متجانسة، وصولًا إلى مخطط قمعي يُقرأ كأنه طالع. يشرح هذا الدليل الأخطاء الاثني عشر الأكثر شيوعًا التي نراها في Editverse بعد معالجة أكثر من 1,100 مخطوطة، ويقدم لك حلًا منطقيًا لكل خطأ، ويوضح بأرقام عملية كيف يؤثر الخطأ فعليًا على النتيجة. كل توصية مرتبطة بمصدر حقيقي يمكن التحقق منه، حتى تتمكن من الاستشهاد بالمعيار بدلًا من الاعتماد على كلامنا فقط.

تُرتّب القائمة وفقًا لتسلسل عملية المراجعة، بدءًا من البحث والبروتوكول، مرورًا باختيار النموذج، وتقييم التحيز، وصولًا إلى إعداد التقارير. إذا كان وقتك ضيقًا، فإن جدول التأثير وقائمة التحقق في نهاية القائمة يُلخّصان النقاط الاثنتي عشرة في مسح سريع قبل التقديم.

بكلمات بسيطة

لا تكون التحليلات التجميعية موثوقة إلا بقدر أضعف قراراتها. معظم حالات الفشل ليست إحصاءات معقدة، بل هي خيارات يمكن تجنبها تتعلق باختيار الدراسات التي تُدرج، وكيفية دمجها، ومدى دقة وصف حالة عدم اليقين. إذا أحسنت هذه الأمور، فإن الحسابات ستُحل تلقائيًا في أغلب الأحيان.

ملاحظة حول الأمثلة المحلولة أدناه: الأرقام توضيحية فقط، وقد صُممت لإظهار اتجاه وحجم كل خطأ تقريبًا، وليست مستخرجة من مجموعة بيانات منشورة محددة. وهي تمثل نموذجًا لما تُسببه هذه الأخطاء في الواقع العملي.

التأثير بنظرة سريعة

خطأما الذي تبلغ عنه؟ما هو صحيح بالفعل
التأثير الثابت على التجارب غير المتجانسةأو 0.75 (من 0.71 إلى 0.89)، دلالة إحصائيةنسبة الأرجحية للتأثيرات العشوائية 0.75 (من 0.63 إلى 1.02)، غير دال إحصائياً
لا يوجد فاصل تنبؤيRR 0.80 (0.72 إلى 0.89)نطاق التنبؤ من 0.55 إلى 1.16، ولا يزال الضرر محتملاً
نسبة الأرجحية تُقرأ كنسبة المخاطرةأو 0.50، يبدو أن المخاطرة قد انخفضت إلى النصفنسبة الخطر النسبي حوالي 0.65 عند مستوى خطر أساسي 40%
تم احتساب السيطرة المشتركة 3 مراتفاصل ثقة ضيق، ترجيح زائد للتجربةتم تضخيم قيمة n في المجموعة الضابطة من 100 إلى 300، مما أدى إلى التقليل من شأن التباين.
لا يوجد فحص بدون استثناءأو 0.78 (من 0.61 إلى 0.99)، p=0.048استبعاد دراسة واحدة، نسبة الأرجحية 0.86 (من 0.68 إلى 1.08)، غير دال إحصائياً

الجدول 1. مقارنة توضيحية قبل وبعد لخمسة أخطاء ذات تأثير كبير. من إعداد Editverse.

لماذا تُعدّ أخطاء التحليل التلوي مكلفة للغاية؟

لا يبقى التقدير المجمع المعيب محصورًا، بل يُغذي الإرشادات السريرية، ويُدعم طلبات المنح اللاحقة، ويُستشهد به لفترة طويلة بعد ظهور التصحيح. وقد أظهرت قضية روزيجليتازون مدى أهمية خيار تحليلي واحد، حيث أثرت معالجة التجارب التي لم تُسجل فيها أي حالات احتشاء عضلة القلب بشكل جوهري على استنتاج وصل إلى ملايين المرضى (نيسن وولسكي، 2007). إن الدقة مغرية هنا، لأن فاصل الثقة الضيق يبدو موثوقًا حتى عندما يُجيب على سؤال خاطئ. الأخطاء الاثنا عشر المذكورة أدناه مُصنفة حسب المرحلة التي حدثت فيها، حتى تتمكن من مراجعة مشروعك قسمًا تلو الآخر.

البحث والبروتوكول: أخطاء تُؤثر على الأدلة قبل التحليل

الخطأ الأول: البحث في قاعدة بيانات واحدة وتجاهل الأدبيات غير المنشورة

يؤدي إجراء بحث في قاعدة بيانات واحدة، عادةً PubMed فقط، مع قيود لغوية ودون سجلات التجارب السريرية، إلى استبعاد الدراسات المؤهلة بشكل منهجي. ونظرًا لاختفاء التقارير غير المنشورة، والتقارير المكتوبة بلغات أخرى غير الإنجليزية، والتقارير التي لا تُظهر نتائج، بطريقة غير عشوائية، فإن العينة المسترجعة تميل نحو النتائج الأكبر والأكثر إيجابية. وتتفاقم هذه المشكلة لدرجة أنه لا يمكن حتى إعادة إنتاج معظم عمليات البحث في المراجعات المنهجية بناءً على ما يُبلغه المؤلفون (Rethlefsen et al., 2024). ولتجنب ذلك، يُنصح بالبحث في قاعدتي بيانات أو ثلاث على الأقل، مثل MEDLINE وEmbase وCochrane CENTRAL، وإضافة سجلات التجارب السريرية ومصادر الأدبيات غير المنشورة، وإلغاء القيود اللغوية حيثما أمكن، وتوثيق الاستراتيجية كاملةً بحيث يمكن إعادة تنفيذها، وفقًا لتوسيع نطاق إعداد التقارير PRISMA-S (Rethlefsen et al., 2021).

مثال عملي: أظهر بحثٌ في قاعدة بيانات PubMed فقط 12 تجربة، وبلغت نسبة الأرجحية المجمعة 0.62 لصالح العلاج. أدى إضافة البحث في قاعدة بيانات Embase وسجل التجارب السريرية إلى ظهور 9 تجارب إضافية، معظمها نتائج سلبية غير منشورة. ارتفعت نسبة الأرجحية المجمعة إلى 0.81، وتجاوزت الفترة الآن 1. كانت النسخة المعتمدة على قاعدة البيانات الواحدة ستُظهر فائدةً لا تدعمها الأدلة الكاملة.

الخطأ الثاني: إجراء المراجعة بدون بروتوكول مسجل

بدون خطة مُسبقة ومُسجلة علنًا، قد تتغير معايير الأهلية والنتائج بعد الاطلاع على البيانات، مما يُفسح المجال لتغيير النتائج وظهور مجموعات فرعية لاحقة يصعب على أي مُحلل اكتشافها. يُعد التسجيل المُسبق في PROSPERO ضروريًا لتثبيت هذه القرارات والحد من الازدواجية غير المُخطط لها بين الفرق (بوث وآخرون، 2013). اكتب البروتوكول وفقًا لإرشادات PRISMA-P، وسجّله قبل بدء الفرز، وأعلن عن أي انحراف لاحق مع ذكر السبب بدلًا من إخفائه (شامسير وآخرون، 2015).

مثال عملي. تشير نتائج الدراسة الأولية المحددة مسبقًا إلى نسبة خطر نسبي (RR) تبلغ 0.95 (من 0.85 إلى 1.06)، وهي نتيجة سلبية واضحة. يقوم فريق بحثي، دون بروتوكول مُعتمد، بالترويج سرًا لنتيجة ثانوية بلغت نسبة خطر نسبي (RR) تبلغ 0.78 (من 0.64 إلى 0.95)، ويُبرزها في عنوان البحث. تبدو الورقة البحثية إيجابية، مع أن النتيجة التي صُممت للإجابة عنها لم تُظهر أي شيء.

الخطأ الثالث: تجاهل خطر التحيز في الدراسات المشمولة

يُعطي تجميع البيانات إجابة تبدو دقيقة حتى عندما تكون المدخلات غير موثوقة، لذا فإن أي تحليل يتجاهل تقييم مخاطر التحيز قد يكون خاطئًا بشكل قاطع. يؤدي ضعف التوزيع العشوائي، وضعف إخفاء التخصيص، وعدم السيطرة على المتغيرات المربكة إلى التأثير الإجمالي. استخدم أداة مناسبة للتصميم ومُخصصة للمجال، أي RoB 2 للتجارب العشوائية (Sterne et al., 2019) وROBINS-I للدراسات غير العشوائية للتدخلات (Sterne et al., 2016). إذا اعتمدت على مقياس نيوكاسل-أوتاوا للتصاميم القائمة على الملاحظة، فاستخدمه بحذر نظرًا لحدود موثوقيته الموثقة (Stang, 2010)، واحرص على تضمين تقييم التحيز في التفسير من خلال تحليلات حساسية تقتصر على الدراسات منخفضة المخاطر.

مثال توضيحي. عند تجميع جميع التجارب، نحصل على قيمة SMD -0.60، وهي قيمة كبيرة. أما عند حصرها بالتجارب المصنفة بأنها ذات مخاطر تحيز منخفضة، فتنخفض هذه القيمة إلى SMD -0.20. إن الزيادة في القيمة الأولى ناتجة عن الدراسات الأضعف، وليس عن فائدة علاجية حقيقية.

اختيار النموذج وعدم التجانس: جوهر الأخطاء الإحصائية في التحليل التلوي

الخطأ الرابع: اللجوء إلى نموذج التأثيرات الثابتة عند وجود عدم تجانس

يجيب نموذجا التأثيرات الثابتة والعشوائية على أسئلة مختلفة، ولا يمثلان خيارين متناقضين. يفترض نموذج التأثيرات الثابتة أن كل دراسة تُقدّر تأثيرًا حقيقيًا واحدًا متطابقًا، لذا تهيمن الدراسات الكبيرة، ويصبح فاصل الثقة ضيقًا بشكل مصطنع كلما وُجد تباين حقيقي بين الدراسات (بورنشتاين وآخرون، 2015). يُعدّ اختيار نموذج التأثيرات الثابتة لمجرد أن اختبار عدم التجانس لم يُظهر دلالة إحصائية أمرًا غير آمن، نظرًا لضعف قدرة هذا الاختبار عندما تكون الدراسات قليلة (هيغينز وآخرون، 2003). يجب تحديد النموذج مسبقًا بناءً على السؤال الاستدلالي والمعقولية السريرية لتأثير مشترك واحد. بالنسبة للتجارب التي تختلف في السكان أو الجرعة أو الإعداد، يُعدّ نموذج التأثيرات العشوائية عادةً الخيار الافتراضي الأكثر منطقية، ويجب توضيح النموذج المستخدم وسبب استخدامه.

مثال توضيحي. عند قيمة I² تساوي 75%، تكون القيمة التقديرية 0.75 في كلا النموذجين. تتراوح فترة التأثير الثابت بين 0.71 و0.89، وتستبعد الفرضية الصفرية، مما يؤكد وجود فائدة معنوية. أما فترة التأثير العشوائي، التي تأخذ في الحسبان التباين الحقيقي بين التجارب، فتتراوح بين 0.63 و1.02، وتتقاطع مع 1. ويعتمد الاستنتاج برمته على النموذج الذي اخترته.

سؤالنموذج التأثير الثابتنموذج التأثيرات العشوائية
الافتراض الأساسيهناك تأثير حقيقي واحد مشترك بين جميع الدراساتيختلف التأثير الحقيقي باختلاف الدراسات
ما يقدرهالتأثير في هذه الدراسات المحددةالتأثير المتوسط ​​عبر مجموعة من الدراسات
ترجيح الدراسةتهيمن الدراسات الكبيرةأوزان أكثر توازناً بين الأحجام
يُفضل استخدامه عندمامن المعقول حقًا وجود تأثير مشترك واحدتختلف الدراسات سريريًا أو منهجيًا

الجدول 2. افتراضات التأثيرات الثابتة مقابل افتراضات التأثيرات العشوائية. يعطي كلا النموذجين نفس التقدير النقطي فقط عندما يكون التباين بين الدراسات صفرًا. إعداد Editverse.

الخطأ الخامس: قراءة I² بشكل خاطئ على أنها مقدار عدم التجانس

يمثل I² نسبة التباين الكلي الناتج عن الاختلافات بين الدراسات وليس عن الصدفة، وهو نسبة نسبية بدون وحدات على مقياس التأثير (هيغينز وتومسون، 2002). وهو لا يمثل حجم عدم التجانس، ويعتمد بشكل كبير على حجم الدراسة، لذا قد تُظهر التحليلات التلوية للتجارب الكبيرة قيمة I² عالية حتى عندما تكون التأثيرات الحقيقية بالكاد تختلف، بينما قد تُظهر التحليلات التلوية للدراسات الصغيرة قيمة I² صفرية على الرغم من وجود تباين حقيقي (روكر وآخرون، 2008). إن اعتبار نقاط 25% و50% و75% حدودًا فاصلة صارمة يُضاعف الخطأ، لأن هذه الأرقام لم تُقدم إلا كإرشادات مبدئية. يجب الإبلاغ عن I² مع فاصل الثقة الخاص به، وقراءته جنبًا إلى جنب مع تاو² وفاصل التنبؤ، وعدم الاعتماد عليه وحده في تحديد ما إذا كان ينبغي تجميع البيانات أم لا.

مثال عملي. لنفترض نفس التباين الحقيقي بين الدراسات. عند تجميع عشر تجارب صغيرة، تكون قيمة I² قريبة من 10%، لذا نعتبر الأدلة متسقة. عند تجميع عشر تجارب كبيرة بنفس التباين، ترتفع قيمة I² إلى أكثر من 80%، لذا نعتبر الأدلة غير متسقة. لم يتغير شيء في التأثيرات الأساسية، بل تغيرت أحجام الدراسات فقط.

الخطأ السادس: الإبلاغ عن التقدير المجمع بدون فاصل تنبؤ

تصف فترة الثقة حول تقدير التأثيرات العشوائية عدم اليقين في متوسط ​​التأثير فقط، ولا تُشير إلى مدى اتساع نطاق التأثير الحقيقي عبر مختلف الحالات. قد تتشارك دراستان نفس التقدير المجمع وفترة الثقة، ومع ذلك تُشيران إلى واقعين سريريين متناقضين؛ أحدهما يُفيد فيه العلاج في كل مكان، والآخر يتأرجح فيه بين الفائدة والضرر. لذا، فإن الاكتفاء بالإبلاغ عن التقدير النقطي وفترة الثقة يُبالغ في تقدير اليقين، ولهذا السبب ينبغي عرض فترات التنبؤ بشكل روتيني (IntHout et al., 2016). يُنصح بالإبلاغ عن قيمة تاو (τ) أو تاو² وفترة تنبؤ بنسبة 95%، مع توضيح ما إذا كانت هذه الفترة تتجاوز الحد الأدنى للتأثير أو تتجاوزه إلى حد الضرر، مع الإشارة إلى أنها تكون واسعة وغير مستقرة عندما تكون الدراسات قليلة.

مثال توضيحي. يبدو معدل الخطر المجمع البالغ 0.80، مع فاصل ثقة بنسبة 95% يتراوح بين 0.72 و0.89، وكأنه فائدة مؤكدة. بإضافة فاصل التنبؤ، يتراوح المعدل بين 0.55 و1.16. في بعض الحالات، قد يكون التأثير الحقيقي فائدة كبيرة، وفي حالات أخرى قد لا يكون له أي تأثير أو قد يكون له ضرر طفيف. إن الاعتماد على المتوسط ​​وحده كان سيضلل الطبيب عند اتخاذ قراره بشأن مريض واحد.

الخطأ السابع: تحليلات المجموعات الفرعية والتحليل التلوي باستخدام البيانات المستخرجة

تتميز تحليلات المجموعات الفرعية والتحليل التلوي بانخفاض قوتها الإحصائية لأن وحدة التحليل هي الدراسة نفسها، وليس المريض. لذا، مع قلة الدراسات لكل متغير مشترك، قد تغفل هذه التحليلات عن تعديل التأثير الحقيقي، وقد تُظهر نتائج إيجابية خاطئة نتيجة لتعدد الاختبارات عند اختبار العديد من المتغيرات المشتركة لاحقًا. كما أن المتغيرات المشتركة على مستوى الدراسة تحمل تحيز التجميع، حيث لا تتطابق العلاقة بين متوسطات الدراسات بالضرورة مع العلاقة على مستوى المريض داخل الدراسة، بل قد تنعكس هذه العلاقة (Thompson and Higgins, 2002). لذا، يُنصح بتحديد قائمة مختصرة من الفرضيات مسبقًا مع تحديد اتجاهها، واستهداف عشر دراسات أو أكثر لكل متغير مشترك، واختبار الفرق بين المجموعات الفرعية بدلًا من اختبار الدلالة الإحصائية داخل كل مجموعة، وتقييم المصداقية باستخدام إطار عمل واضح قبل تصديق أي ادعاء يتعلق بمجموعة فرعية (Sun et al., 2014).

مثال عملي. عند اختبار 20 مجموعة فرعية عند مستوى دلالة 0.05، ستظهر واحدة منها تقريبًا ذات دلالة إحصائية بالصدفة وحدها، حتى لو لم يكن هناك تأثير للمجموعة الفرعية. لذا، فإن النتيجة المثيرة للاهتمام، وهي أن الدواء فعال فقط لدى المرضى الذين تزيد أعمارهم عن 65 عامًا (قيمة p = 0.04)، والتي تم التوصل إليها من خلال 20 مقارنة غير مخطط لها، هي بالضبط ما يتوقعه التشويش العشوائي.

الخطأ الثامن: تجميع الدراسات غير المتوافقة سريريًا

هذه هي أولى أربع نقاط تحدد مدى جدوى تجميع البيانات، وهي الوحيدة التي لا يمكن لأي تعديل إحصائي أن يحلها. يوضح دليلنا حول ما إذا كانت لديك دراسات كافية لإجراء تحليل تجميعي النقاط الثلاث الأخرى، وما تُغيره كل منها في منهجيتك.

قد يؤدي دمج الدراسات التي تتضمن فئات سكانية أو تدخلات أو مقارنات أو تعريفات نتائج مختلفة جوهريًا إلى رقم مُنمّق لا معنى له، فهو مجرد متوسط ​​لأمور لا ينبغي حساب متوسطها. لا تكشف مقاييس التباين الإحصائي إلا جزءًا من هذا التباين، ولا يمكنها تحديد ما إذا كان التجميع منطقيًا من الأساس (ميلسن وآخرون، 2014). لذا، قيّم إمكانية الدمج بناءً على أسس سريرية ومنهجية قبل النظر في أي قيمة لـ I²، وذلك بالتأكد من أن الدراسات تتناول سؤالًا مشتركًا بما فيه الكفاية من أسئلة PICO. في حال توقع وجود تنوع، خطط مسبقًا لكيفية التعامل معه من خلال التحليل الطبقي، أو التحليل التلوي الانحداري، أو اتخاذ قرار بعدم التجميع واللجوء بدلًا من ذلك إلى التحليل السردي.

مثال توضيحي: تُعطي التجارب الوقائية نسبة احتمالية 0.60، بينما تُعطي التجارب العلاجية نسبة احتمالية 1.05. بجمع النسبتين، نحصل على نسبة احتمالية 0.85، وهي نسبة لا تُجيب على أي من السؤالين. يستنتج القارئ أن التدخل يُفيد الجميع بشكل طفيف، بينما في الحقيقة هو يمنع المرض فقط ولا يُعالجه.

مقاييس التأثير والكشف عن التحيز: أخطاء دقيقة في التحليل التلوي تؤدي إلى تحريف النتائج

الخطأ التاسع: اختيار مقياس التأثير الخاطئ أو سوء التعامل مع الأحداث الصفرية

يتباعد كل من نسبة الأرجحية ونسبة المخاطر عندما يصبح أحد النتائج شائعًا، لذا فإن التعبير عن نسبة الأرجحية كما لو كانت مخاطرة نسبية يُبالغ في تقدير التأثير بمجرد أن تتجاوز المخاطر الأساسية 10% تقريبًا (تشانغ ويو، 1998). إن خلط فروق المتوسطات الخام بين الدراسات التي استخدمت أدوات مختلفة، أو دمج فروق المتوسطات المعيارية المحسوبة بشكل غير متسق، يجعل القيمة المجمعة غير قابلة للتفسير (دا كوستا وجوني، 2015). تُضيف الأحداث النادرة فخًا ثانيًا، حيث يُؤدي تصحيح الاستمرارية التلقائي بمقدار 0.5 أو استبعاد الدراسات ذات الصفر المزدوج إلى إدخال تحيز (سويتينغ وآخرون، 2004). حدد مقياس التأثير مسبقًا، وفضل استخدام المقاييس القائمة على المخاطر ذات الأرقام المطلقة عند التواصل مع الأطباء، وبالنسبة للبيانات الشحيحة، استخدم طرقًا مثل مانتل-هاينزل بدون تصحيح أو نسبة أرجحية بيتو، ثم أبلغ عن مدى حساسية النتيجة لهذا الاختيار (برادبورن وآخرون، 2007).

مثال توضيحي. يبلغ خطر وقوع الحدث الأساسي 40%، ونسبة الاحتمالات 0.50. عند التعبير عنها كنسبة مخاطر، يبدو وكأن احتمال وقوع الحدث قد انخفض إلى النصف. ولكن عند تحويلها بشكل صحيح، تصبح نسبة المخاطر حوالي 0.65، أي انخفاض بنسبة 35%، وليس 50%. هذا التضخيم ناتجٌ عن قراءة نسبة الاحتمالات كنسبة مخاطر عندما تكون الأحداث شائعة.

الخطأ العاشر: إساءة استخدام مخططات القمع واختبار إيجر لانحياز النشر

يؤدي النشر الانتقائي إلى تضخيم التأثيرات المجمعة، ويتضح ذلك جليًا عندما انخفضت فعالية مضادات الاكتئاب بمجرد إضافة التجارب المسجلة لدى إدارة الغذاء والدواء الأمريكية (Turner et al., 2008). غالبًا ما يُساء تطبيق الحل المعتاد، لأن مخططات القمع وتحليل انحدار إيجر غير كافيين من حيث القدرة الإحصائية والموثوقية مع أقل من عشر دراسات تقريبًا، كما أن عدم التماثل ليس دليلًا على تحيز النشر لأنه قد ينشأ عن تباين حقيقي، أو تأثيرات الدراسات الصغيرة، أو ضعف جودة التجارب الصغيرة، أو الصدفة (Sterne et al., 2011). حدد مسبقًا كيفية تقييم تحيز الإبلاغ، واقتصر اختبارات عدم التماثل القائمة على مخططات القمع على التحليلات التي تضم عشر دراسات أو أكثر مع تباين كافٍ في الحجم، وتعامل مع أي عدم تماثل كدافع للتحقيق وليس كحكم نهائي (Egger et al., 1997).

مثال توضيحي: باستخدام ست دراسات فقط، أظهر اختبار إيجر قيمة p تساوي 0.04، وأعلن الباحثون عن تحيز في النشر. الاختبار ضعيف للغاية بهذا الحجم، ويعود عدم التماثل في الواقع إلى تجربة واحدة صغيرة ذات مخاطر عالية للتحيز. ويستند ادعاء التحيز المؤكد إلى اختبار كان من المفترض عدم إجرائه.

الخطأ رقم 11: احتساب أذرع التحكم المشتركة مرتين

يؤدي إدخال مجموعات علاجية متعددة في تجربة واحدة مقابل مجموعة تحكم مشتركة واحدة إلى احتساب المشاركين في مجموعة التحكم أكثر من مرة، كما أن تجميع عدة نتائج مترابطة كما لو كانت مستقلة يقلل من التباين الحقيقي. كلا الخطأين يضيقان فاصل الثقة بشكل مصطنع ويزيدان من وزن التجربة المتأثرة، وتُظهر عمليات التدقيق أن هذه الأخطاء في وحدة التحليل شائعة وغالبًا ما يتم تجاهلها (Mheissen et al., 2024). حدد الهياكل متعددة المجموعات، والمجموعات العنقودية، والقياسات المتكررة عند الاستخراج، ثم إما ادمج المجموعات ذات الصلة في مقارنة واحدة، أو قسّم مجموعة التحكم المشتركة بين المقارنات، أو انتقل إلى نموذج متعدد المتغيرات أو نموذج شبكي يأخذ في الاعتبار الارتباط، باتباع نهج دليل كوكرين لهذه التصاميم.

مثال عملي: في تجربة سريرية ثلاثية الأذرع، توجد مجموعة ضابطة واحدة تضم 100 مريض. عند مقارنة كل جرعة من الجرعات الثلاث مع نفس المجموعة الضابطة كما لو كانت مستقلة، يتم احتساب المجموعة الضابطة المكونة من 100 مريض ثلاث مرات، أي ما يعادل 300 مريض فعليًا. وبالتالي، تُعطى هذه التجربة وزنًا أكبر بكثير مما ينبغي، ويُقلل من تقدير تباينها، ويبدو فاصل الثقة المجمع أضيق مما تُبرره البيانات.

التقرير والتفسير: آخر أخطاء التحليل التلوي قبل التقديم

الخطأ رقم 12: تخطي تحليل الحساسية ومنهجية GRADE، ثم الإبلاغ عن قيمة p<0.05 على أنها الحقيقة

يمكن لدراسة واحدة ذات تأثير كبير أو اختيار مُقدِّر عشوائي أن يؤثر على كلٍّ من التقدير المُجمَّع ودلالته الإحصائية، لذا فإن التحليل الذي لا يختبر المتانة قد يعتمد على دراسة واحدة دون علم أحد. أجرِ اختبارات "حذف دراسة واحدة" وتشخيصات التأثير الرسمية، وقدّم التقدير في ظل نماذج ومُقدِّرات بديلة (Viechtbauer and Cheung, 2010). الدقة ليست يقينًا، لأن النطاق الضيق لا يُشير إلى خطر التحيز أو التناقض أو عدم المباشرة في الأدلة الأساسية. قيّم اليقين باستخدام نظام GRADE وقدّم جدول ملخص النتائج، مع خفض التقييم للمجالات المعتادة بدلًا من اعتبار التقدير المُجمَّع ذي الدلالة الإحصائية نهائيًا أو سببيًا (Guyatt et al., 2008). أخيرًا، قدّم تقريرًا وفقًا لقائمة PRISMA 2020 مع مخطط انسيابي، واكشف عن جميع النتائج المُحدَّدة مُسبقًا، وفسّر التأثير مقابل الحد الأدنى للاختلاف ذي الأهمية السريرية حتى لا يتم الخلط بين الدلالة الإحصائية والقيمة السريرية (Page et al., 2021).

مثال توضيحي. العنوان هو نسبة الأرجحية 0.78 (من 0.61 إلى 0.99) عند مستوى دلالة إحصائية p=0.048، وهي دلالة إحصائية بالكاد. عند حذف أكبر دراسة منفردة من خلال تحليل "حذف دراسة واحدة"، تنخفض النسبة التقديرية إلى 0.86 (من 0.68 إلى 1.08)، وتصبح غير دالة إحصائيًا. يعتمد الادعاء برمته على دراسة واحدة، وهذا تحديدًا ما يهدف تحليل الحساسية إلى كشفه قبل أن يلاحظه المراجع.

ملاحظة تحريرية

في جميع المخطوطات التي نراجعها، يُعدّ الخطأان الأكثر شيوعًا اللذان يُثيران اعتراضات المُراجعين الإحصائيين هما تطبيق نموذج التأثير الثابت على تجارب غير متجانسة بشكل واضح، وعرض مخطط قمعي بست أو سبع دراسات كما لو أنه يُحسم مسألة تحيز النشر. يسهل اكتشاف كلا الخطأين قبل التقديم، لكن تصحيحهما أثناء المراجعة مُكلف.

قائمة التحقق الخاصة بالباحث المشغول قبل تقديم البحث

قم بإجراء هذا المسح الضوئي لصفحة واحدة قبل تصدير المخطوطة. كل عنصر يُشير إلى خطأ مذكور أعلاه.

  1. تم تسجيل البروتوكول في PROSPERO قبل الفحص، مع الإعلان عن الانحرافات.
  2. تم البحث في قاعدتين أو ثلاث قواعد بيانات على الأقل، بما في ذلك الأدبيات الرمادية والسجلات، وتم الإبلاغ عن الاستراتيجية وفقًا لـ PRISMA-S.
  3. تم تقييم خطر التحيز باستخدام RoB 2 أو ROBINS-I وتم أخذه في الاعتبار عند التفسير.
  4. تم اختيار النموذج مسبقًا من السؤال، وليس من اختبار عدم التجانس.
  5. تم الإبلاغ عن I² مع فاصل الثقة الخاص به وقراءته جنبًا إلى جنب مع tau².
  6. تم الإبلاغ عن فاصل تنبؤ بنسبة 95% وتفسيره.
  7. تم تحديد المجموعات الفرعية والمتغيرات المصاحبة مسبقًا، مع وجود دراسات كافية لدعمها.
  8. يتم تقييم إمكانية الجمع سريريًا قبل أي مقياس إحصائي لعدم التجانس.
  9. تم تحديد مقياس التأثير مسبقاً، وتم تبرير التعامل مع البيانات المتفرقة.
  10. تم تحديد تقييم تحيز النشر مسبقاً واستخدامه فقط عند الضرورة.
  11. تم التحقق من بنية وحدة التحليل للتأكد من وجود عناصر تحكم مشتركة وتجميع البيانات.
  12. تم إجراء اختبار حساسية باستخدام طريقة حذف عنصر واحد، وتم تطبيق نظام GRADE، وتم تضمين مخطط تدفق PRISMA 2020.

هل تحتاج إلى رأي ثانٍ في تحليلك التلوي؟

تُقدّم Editverse دعمًا شاملاً للمراجعات المنهجية والتحليلات التلوية، بدءًا من البروتوكول واستراتيجية البحث وصولًا إلى اختيار النموذج، ومخططات الغابة والقمع، وتقارير GRADE وPRISMA 2020. يكتشف إحصائيونا الأخطاء الاثني عشر المذكورة أعلاه قبل أن يكتشفها المراجع.

استكشف خدمات المراجعة المنهجية والتحليل التلوي

قراءة ذات صلة: يتم تغطية مخططات الغابة والقمع، مع أمثلة منشورة حقيقية وفخ I²، في الرسوم البيانية للبحوث السريرية: 10 مخططات للتجارب والاختبارات والتحليل التلوي.

موارد Editverse ذات الصلة

مراجع حسابات

  1. Booth A, Clarke M, Dooley G, et al. The nuts and bolts of PROSPERO. Syst القس. 2013. doi:10.1186/2046-4053-1-2. بميد: 22587842.
  2. بورنشتاين م، هيدجز إل في، هيغينز جيه بي تي، روثستين إتش آر. مقدمة أساسية لنماذج التأثيرات الثابتة والتأثيرات العشوائية. الدقة طرق موالفة. 2015. دوى: 10.1002 / jrsm.12. بميد: 26061376.
  3. برادبورن إم جيه، ديكس جيه جيه، برلين جيه إيه، لوكاليو إيه آر. ضجة كبيرة حول لا شيء: أحداث نادرة. ستات ميد. 2007. doi:10.1002/sim.2528. بميد: 16596572.
  4. دا كوستا بي آر، جوني بي. المراجعات المنهجية والتحليلات التلوية للتجارب العشوائية: المبادئ والمزالق. يور القلب J. 2015. doi:10.1093/eurheartj/ehu424. بميد: 25416325.
  5. إيجر إم، ديفي سميث جي، شنايدر إم، ميندر سي. التحيز في التحليل التلوي الذي تم الكشف عنه بواسطة اختبار بياني بسيط. BMJ. 1997. دوى: 10.1136 / bmj.315.7109.629. بميد: 9310563.
  6. Guyatt GH, Oxman AD, Vist GE, et al. GRADE: إجماع ناشئ حول تقييم جودة الأدلة. BMJ. 2008. دوى:10.1136/bmj.39489.470347.AD. بميد: 18436948.
  7. هيغينز جيه بي تي، طومسون إس جي. قياس عدم التجانس في التحليل التلوي. ستات ميد. 2002. doi:10.1002/sim.1186. بميد: 12111919.
  8. هيغينز جيه بي تي، طومسون إس جي، ديكس جيه جيه، ألتمان دي جي. قياس عدم الاتساق في التحليلات التلوية. BMJ. 2003. دوى: 10.1136 / bmj.327.7414.557. بميد: 12958120.
  9. IntHout J, Ioannidis JPA, Rovers MM, Goeman JJ. Plea for routineing prediction intervals in meta-analyze. BMJ المفتوحة. 2016. دوى:10.1136/bmjopen-2015-010247. بميد: 27406637.
  10. ميلسن دبليو جي، بوتسما إم سي جيه، روفرز إم إم، بونتين إم جيه إم. تأثيرات عدم التجانس السريري والإحصائي على القيم التنبؤية لنتائج التحليلات التلوية. كلين ميكروبول تصيب. 2014. دوى: 10.1111 / 1469-0691.12494. بميد: 24320992.
  11. Mheissen S, Daraqel B, Wafaie K, Khan H. هل يتم مراعاة وحدات التحليل بشكل صحيح في التحليلات التلوية لتقويم الأسنان؟ المجلة الأوروبية لتقويم الأسنان. 2024. doi:10.1093/ejo/cjad035. بميد: 37552053.
  12. Nissen SE, Wolski K. تأثير روزيجليتازون على خطر الإصابة باحتشاء عضلة القلب. N ENGL J ميد. 2007. دوى: 10.1056 / NEJMoa072761. بميد: 17517853.
  13. بيج إم جي، ماكنزي جي إي، بوسويت بي إم، وآخرون. بيان بريسما 2020. BMJ. 2021. doi:10.1136/bmj.n71. بميد: 33782057.
  14. ريثلفسين إم إل، كيرتلي إس، وافينشميت إس، وآخرون. PRISMA-S: امتداد لعمليات البحث في الأدبيات الخاصة بإعداد التقارير. Syst القس. 2021. دوى: 10.1186 / s13643-020-01542 زي. بميد: 33499930.
  15. Rethlefsen ML, Brigham TJ, Price C, et al. استراتيجيات البحث في المراجعة المنهجية ضعيفة التوثيق وغير قابلة للتكرار. J Clin Epidemiol. 2024. دوى:10.1016/j.jclinepi.2023.111229. بميد: 38052277.
  16. Rücker G، Schwarzer G، Carpenter JR، Schumacher M. الاعتماد غير المبرر على I² قد يكون مضللاً. BMC Med Res Methodol. 2008. doi:10.1186/1471-2288-8-79. بميد: 19036172.
  17. Shamseer L, Moher D, Clarke M, et al. PRISMA-P 2015: شرح وتوضيح. BMJ. 2015. دوى: 10.1136 / bmj.g7647. بميد: 25555855.
  18. ستانغ أ. التقييم النقدي لمقياس نيوكاسل-أوتاوا. المجلة الأوروبية لعلم الأوبئة. 2010. دوى: 10.1007 / s10654-010-9491 زي. بميد: 20652370.
  19. Sterne JAC, Sutton AJ, Ioannidis JPA, et al. توصيات لفحص وتفسير عدم تناسق مخطط القمع. BMJ. 2011. doi:10.1136/bmj.d4002. بميد: 21784880.
  20. ستيرن جاك، هيرنان ما، ريفز بي سي، وآخرون. روبنز-آي. BMJ. 2016. doi:10.1136/bmj.i4919. بميد: 27733354.
  21. ستيرن جاك، سافوفيتش جي، بيج إم جي، وآخرون. RoB 2: أداة منقحة. BMJ. 2019. doi:10.1136/bmj.l4898. بميد: 31462531.
  22. Sun X، Ioannidis JPA، Agoritsas T، Alba AC، Guyatt G. كيفية استخدام تحليل المجموعة الفرعية. JAMA. 2014. doi:10.1001/jama.2013.285063. بميد: 24449319.
  23. سويتينغ إم جيه، ساتون إيه جيه، لامبرت بي سي. ماذا نضيف إلى لا شيء؟ تصحيحات الاستمرارية في البيانات المتفرقة. ستات ميد. 2004. doi:10.1002/sim.1761. بميد: 15116347.
  24. تومسون إس جي، هيغينز جيه بي تي. كيف ينبغي إجراء تحليلات الانحدار التلوي وتفسيرها؟ ستات ميد. 2002. doi:10.1002/sim.1187. بميد: 12111920.
  25. Turner EH, Matthews AM, Linardatos E, Tell RA, Rosenthal R. النشر الانتقائي لتجارب مضادات الاكتئاب. N ENGL J ميد. 2008. doi:10.1056/NEJMsa065779. بميد: 18199864.
  26. Viechtbauer W, Cheung MW-L. التشخيصات الشاذة والتأثيرية للتحليل التلوي. الدقة طرق موالفة. 2010. دوى: 10.1002 / jrsm.11. بميد: 26061377.
  27. تشانغ جيه، يو كيه إف. ما هو الخطر النسبي؟ JAMA. 1998. doi:10.1001/jama.280.19.1690. بميد: 9832001.

هذا الدليل مخصص للتعليم المنهجي ولا يحل محل الاستشارة الإحصائية المصممة خصيصًا لمجموعة بيانات محددة.