एडिटवर्स फ्री कैलकुलेटर
प्रकाशन पूर्वाग्रह कैलकुलेटर (फनल प्लॉट और एगर परीक्षण)
मेटा-विश्लेषण में छोटे अध्ययनों के प्रभावों की जाँच करें — फ़नल प्लॉट बनाएँ और एगर का रिग्रेशन टेस्ट चलाएँ — परिणाम के लिए दिए गए सटीक R कमांड का उपयोग करके। विस्तृत व्याख्या नीचे दी गई है। R 4.3.3 के साथ मान्य।
सरल शब्दों में
प्रकाशन पूर्वाग्रह तब उत्पन्न होता है जब छोटे या महत्वहीन परिणामों वाले अध्ययनों के प्रकाशित होने की संभावना कम होती है, इसलिए जो अध्ययन उपलब्ध होते हैं वे वास्तविक प्रभाव को बढ़ा-चढ़ाकर प्रस्तुत करते हैं। फ़नल प्लॉट प्रत्येक अध्ययन के प्रभाव को उसकी परिशुद्धता के सापेक्ष प्रदर्शित करता है; पूर्वाग्रह के बिना बिंदु एक सममित उल्टे फ़नल का आकार बनाते हैं।
एगर का परीक्षण मानकीकृत प्रभाव को उसकी परिशुद्धता पर प्रतिगमन करके उस दृश्य जाँच को एक संख्या में परिवर्तित करता है। एक महत्वपूर्ण अवरोध फ़नल-प्लॉट विषमता का संकेत देता है, जो प्रकाशन पूर्वाग्रह को प्रतिबिंबित कर सकता है - हालाँकि यह वास्तविक विषमता या संयोग से भी उत्पन्न हो सकता है, इसलिए परिणाम एक चेतावनी है, अंतिम निर्णय नहीं।
प्रकाशन पूर्वाग्रह परीक्षणों का उपयोग कब करें
मेटा-विश्लेषण में अध्ययनों को एकत्रित करते समय प्रकाशन पूर्वाग्रह का आकलन अवश्य करें , विशेषकर यदि शामिल किए गए अध्ययन अधिकतर छोटे हों। विषमता यह संकेत देती है कि उपेक्षित नकारात्मक अध्ययनों के कारण संयुक्त अनुमान बढ़ा हुआ हो सकता है, जो तब सबसे अधिक महत्वपूर्ण होता है जब सारांश प्रभाव किसी नैदानिक या नीतिगत निष्कर्ष को प्रभावित करता है।
इन परीक्षणों की व्याख्या सावधानीपूर्वक करें और इन्हें कभी भी अलग-थलग करके न देखें। लगभग दस से कम अध्ययनों के साथ, इनमें शक्ति कम होती है और परिणाम अविश्वसनीय होते हैं। फ़नल प्लॉट और एगर परीक्षण को संवेदनशीलता विश्लेषण के साथ मिलाकर देखें, और इन्हें संयुक्त प्रभाव आकार और अध्ययन विषमता के साथ पढ़ें । क्या आप निश्चित नहीं हैं कि आपकी समीक्षा के लिए किन जाँचों की आवश्यकता है? हमारा परीक्षण चयनकर्ता आपकी सहायता कर सकता है।
अपेक्षित: प्रति रिकॉर्ड एक पंक्ति, लेबल, प्रभाव, मानक त्रुटि
यहां एक CSV फाइल डालें या चुनने के लिए क्लिक करें। आपके ब्राउज़र में पार्स किया जाएगा: कुछ भी अपलोड नहीं होगा।
अपेक्षित: प्रति रिकॉर्ड एक पंक्ति, लेबल, प्रभाव, मानक त्रुटि
library(meta) studlab <- c({funnel_studlab}) TE <- c({funnel_te}) seTE <- c({funnel_se}) m <- metagen(TE, seTE, studlab = studlab, common = TRUE, random = FALSE) summary(m) # निश्चित-प्रभाव पूल्ड अनुमान और 95% CI, जैसा कि कैलकुलेटर रिपोर्ट करता है funnel(m) metabias(m, method.bias = "linreg", k.min = 3) # एगर का प्रतिगमन परीक्षण: अवरोधन, t, pउपयोगकर्ता पुस्तिका
कब उपयोग करें। एगर के प्रतिगमन परीक्षण के माध्यम से फ़नल-प्लॉट विषमता (संभावित प्रकाशन पूर्वाग्रह का एक सूचक) का पता लगाएं।
मान्यताएँ। एक प्रभावी एगर परीक्षण के लिए कम से कम ~10 अध्ययन; प्रति अध्ययन प्रभाव आकार और मानक त्रुटियाँ।
आम गलतियाँ। विषमता केवल पूर्वाग्रह ही नहीं, बल्कि वास्तविक भिन्नता या छोटे अध्ययन के प्रभावों को भी दर्शा सकती है।
कार्य उदाहरण
ऊपर दिए गए उदाहरण डेटा लोड करें पर क्लिक करें , फिर विश्लेषण चलाएँ पर क्लिक करके इस परीक्षण के लिए चित्र, सूत्र और व्याख्या सहित पूर्ण रूप से हल किया गया परिणाम देखें।
संदर्भ
- एगर एम, डेवी स्मिथ जी, श्नाइडर एम, माइंडर सी. एक सरल, ग्राफिकल परीक्षण द्वारा मेटा-विश्लेषण में पूर्वाग्रह का पता लगाया गया। बीएमजे. 1997;315:629-634.
काम किये गये उदाहरण
उदाहरण 1 — एक सममित फ़नल
अलग-अलग आकार के दस अध्ययन संयुक्त प्रभाव के आसपास समान रूप से फैले हुए हैं, जिनमें छोटे अध्ययन आधार पर अधिक व्यापक रूप से फैले हुए हैं और बड़े अध्ययन शीर्ष के निकट केंद्रित हैं। एगर परीक्षण से एक गैर-महत्वपूर्ण अवरोधन प्राप्त होता है। छोटे अध्ययनों के प्रभाव का कोई प्रमाण नहीं है, और संयुक्त अनुमान स्पष्ट रूप से छूटे हुए अध्ययनों से विकृत नहीं होता है।
उदाहरण 2 — विषमता का पता चला
छोटे अध्ययन मुख्य रूप से बड़े प्रभाव की ओर झुकाव रखते हैं, जिससे नकारात्मक छोटे अध्ययनों की जगह खाली रह जाती है। एगर का परीक्षण महत्वपूर्ण है। यह पैटर्न प्रकाशन पूर्वाग्रह के अनुरूप है, इसलिए आपको इस विषमता की रिपोर्ट करनी चाहिए और सारांश पर भरोसा करने से पहले संवेदनशीलता विश्लेषण के साथ इसके प्रभाव का पता लगाना चाहिए।
जाँच करने योग्य मान्यताएँ
पर्याप्त अध्ययन। फनल प्लॉट और एगर परीक्षण के लिए सार्थक परिणाम प्राप्त करने के लिए पर्याप्त संख्या में अध्ययनों की आवश्यकता होती है - आमतौर पर कम से कम दस। कम अध्ययनों के साथ, विषमता का विश्वसनीय आकलन नहीं किया जा सकता है।
अध्ययन के आकार में विविधता पाई जाती है। ये विधियाँ छोटे, अपरिष्कृत अध्ययनों और बड़े, सटीक अध्ययनों के बीच तुलना पर आधारित हैं। यदि सभी अध्ययन आकार में समान हों, तो फ़नल का कोई आकार नहीं रह जाता जिसकी व्याख्या की जा सके।
विषमता के कई संभावित कारण हो सकते हैं। फ़नल विषमता प्रकाशन पूर्वाग्रह का प्रमाण नहीं है; अध्ययनों के बीच वास्तविक भिन्नता , छोटे अध्ययनों में कार्यप्रणाली की खराब गुणवत्ता, या संयोग, ये सभी इसे उत्पन्न कर सकते हैं।
साधारण गलती
बहुत कम अध्ययनों पर परीक्षण करना
लगभग दस से कम अध्ययनों के साथ, एगर के परीक्षण की शक्ति बहुत कम है और फ़नल प्लॉट को समझना मुश्किल है। यहाँ "गैर-महत्वपूर्ण" परिणाम की रिपोर्ट करना झूठी तसल्ली देता है।
विषमता को प्रकाशन पूर्वाग्रह के बराबर मानना
विषमता पूर्वाग्रह के अनुरूप तो है, लेकिन उसे सिद्ध नहीं करती। इसे पुष्ट पूर्वाग्रह के बजाय कई संभावित स्पष्टीकरणों वाले एक छोटे अध्ययन के प्रभाव के रूप में बताएं।
प्रभाव माप के लिए गलत परीक्षण का चयन करना
एगर का रिग्रेशन टेस्ट कुछ विशिष्ट प्रभाव मापदंडों के लिए विकसित किया गया था; वैकल्पिक परीक्षण दुर्लभ घटनाओं वाले बाइनरी परिणामों के लिए उपयुक्त हैं। किसी एक परीक्षण को डिफ़ॉल्ट रूप से चुनने के बजाय, अपने डेटा के अनुसार उपयुक्त परीक्षण चुनें।
अंतर्निहित पूर्वाग्रह की गंभीरता को अनदेखा करते हुए
वास्तविक विषमता भी संयुक्त अनुमान को मामूली रूप से ही प्रभावित कर सकती है। निष्कर्ष में वास्तव में कितना परिवर्तन होगा, इसका आकलन करने के लिए ट्रिम-एंड-फिल या संवेदनशीलता विश्लेषण का उपयोग करें।
अक्सर पूछे जाने वाले प्रश्न
फनल प्लॉट क्या दर्शाता है?
यह प्रत्येक अध्ययन के प्रभाव अनुमान को उसकी सटीकता के मुकाबले प्लॉट करता है; एक सममित उलटा फ़नल छोटे-अध्ययन प्रभावों की अनुपस्थिति का सुझाव देता है, जबकि एक अंतर या असमान फैलाव संभावित पूर्वाग्रह का संकेत देता है।
क्या एगर परीक्षण की महत्वपूर्ण सफलता प्रकाशन पूर्वाग्रह का प्रमाण है?
नहीं। यह फ़नल-प्लॉट विषमता को इंगित करता है, जो प्रकाशन पूर्वाग्रह के अनुरूप है, लेकिन यह विषमता, अध्ययन की गुणवत्ता या संयोग से भी उत्पन्न हो सकता है।
मुझे कितने अध्ययन करने होंगे?
सामान्य नियम के अनुसार, कम से कम दस अंक होने चाहिए। इससे कम अंक होने पर, कथानक और औपचारिक परीक्षण दोनों ही अविश्वसनीय हो जाते हैं और इनका विश्लेषण अत्यंत सावधानी से किया जाना चाहिए या बिल्कुल भी नहीं किया जाना चाहिए।
क्या परिणाम R और Stata से मेल खाता है?
जी हां। यह कैलकुलेटर फ़नल विषमता के मानक एगर रैखिक-प्रतिगमन परीक्षण का उपयोग करता है और सटीक R कमांड दिखाता है ताकि आप इंटरसेप्ट और p-मान को पुनः प्राप्त कर सकें।
संबंधित कैलकुलेटर
संदर्भ
- एगर एम, डेवी स्मिथ जी, श्नाइडर एम, माइंडर सी. एक सरल, ग्राफिकल परीक्षण द्वारा मेटा-विश्लेषण में पूर्वाग्रह का पता लगाया गया। बीएमजे. 1997;315(7109):629–634. पीएमआईडी 9310563।
- स्टर्न जेएसी, सटन ए जे, आयोनिडिस जेपीए, एट अल। यादृच्छिक नियंत्रित परीक्षणों के मेटा-विश्लेषण में फ़नल प्लॉट विषमता की जांच और व्याख्या के लिए अनुशंसाएँ। बीएमजे. 2011;343:d4002. पीएमआईडी 21784880।
- डुवल एस, ट्वीडी आर. ट्रिम एंड फिल: मेटा-विश्लेषण में प्रकाशन पूर्वाग्रह के परीक्षण और समायोजन के लिए फ़नल-प्लॉट पर आधारित एक सरल विधि। बॉयोमीट्रिक्स. 2000;56(2):455–463.
क्या आपको अपनी पांडुलिपि के लिए इस विश्लेषण की आवश्यकता है?
हमारे पीएचडी बायोस्टैटिस्टिशियन फनल प्लॉट, एगर टेस्ट और ट्रिम-एंड-फिल जैसी तकनीकों का उपयोग करके प्रकाशन पूर्वाग्रह का आकलन करते हैं और प्रतिलिपि योग्य आर आउटपुट के साथ प्रकाशन के लिए तैयार मेटा-विश्लेषण प्रदान करते हैं।
