मेटा-विश्लेषण के लिए अध्ययनों की न्यूनतम संख्या: वास्तव में आपको कितने अध्ययनों की आवश्यकता है?

संश्लेषण चरण तक पहुँचने वाला लगभग हर शोधकर्ता एक ही सवाल पूछता है, आमतौर पर घबराहट में, और अक्सर रात के 11 बजे। आपने कुछ हज़ार रिकॉर्ड की जाँच कर ली है, आपके पास पाँच अध्ययन बचे हैं, और आप जानना चाहते हैं कि क्या यह पर्याप्त है। मेटा-विश्लेषण के लिए न्यूनतम अध्ययनों की संख्या का सीधा जवाब दो है, और यह जवाब अपने आप में लगभग बेकार है। दो अध्ययन गणितीय मानदंड को पूरा करते हैं। वे शायद ही कभी उस मानदंड को पूरा करते हैं जो वास्तव में यह तय करता है कि कोई समीक्षक आपके संयुक्त अनुमान को स्वीकार करता है या नहीं, यानी कि क्या उन अध्ययनों को मिलाकर कोई ऐसा आंकड़ा प्राप्त होता है जिसका कोई अर्थ हो।

यह मार्गदर्शिका आपको पहले संख्या बताती है, फिर उन चार सवालों के बारे में बताती है जो संख्या से ज़्यादा महत्वपूर्ण हैं, और फिर यह बताती है कि अगर आपका डेटा इनमें से किसी एक सवाल का जवाब नहीं देता है तो क्या करना है। यह समीक्षा के उस चरण के लिए लिखी गई है जब खोज पूरी हो चुकी होती है, डेटा का निष्कर्षण आधा हो चुका होता है, और किसी को यह तय करना होता है कि यह मेटा-विश्लेषण है या कथात्मक संश्लेषण।

मेटा-विश्लेषण के लिए अध्ययनों की न्यूनतम संख्या दो है।

एक ही परिणाम बताने वाले दो स्वतंत्र अध्ययन, जिनमें से प्रत्येक में प्रभाव का अनुमान और उसकी सटीकता का माप शामिल हो, भारित औसत की गणना के लिए पर्याप्त हैं। व्युत्क्रम-प्रसरण भारण के गणित में दो पर कोई त्रुटि नहीं आती। कॉक्रेन समीक्षाओं में हजारों दो-अध्ययन मेटा-विश्लेषण शामिल हैं। कोई भी पद्धतिगत संस्था इससे उच्चतर न्यूनतम मानक प्रकाशित नहीं करती है।

अध्ययनों की संख्या घटने पर जो परिवर्तन होता है, वह यह नहीं है कि आप संयुक्त अनुमान लगा सकते हैं या नहीं। बल्कि यह है कि आप इसके बारे में कितना दावा कर सकते हैं। दो अध्ययनों के साथ आप सारांश प्रभाव की रिपोर्ट कर सकते हैं। आप विश्वसनीय रूप से यह वर्णन नहीं कर सकते कि विभिन्न परिस्थितियों में प्रभाव कैसे भिन्न होता है, और आप यह भी जाँच नहीं कर सकते कि कोई अध्ययन छूटा हुआ है या नहीं। ये अलग-अलग नुकसान हैं, और सहकर्मी समीक्षा में प्रत्येक का एक विशिष्ट परिणाम होता है, जिसकी चर्चा हम नीचे करेंगे।

व्यवहार में मेटा-विश्लेषण के लिए न्यूनतम अध्ययनों की संख्या कैसी होनी चाहिए?

इस प्रश्न पर सबसे उपयोगी वास्तविकता की जाँच कॉक्रेन डेटाबेस से ही मिलती है। डेवी और उनके सहयोगियों ने कॉक्रेन डेटाबेस ऑफ़ सिस्टमैटिक रिव्यूज़ के जनवरी 2008 अंक में कम से कम दो अध्ययनों वाले प्रत्येक मेटा-विश्लेषण को वर्गीकृत किया: 2,321 समीक्षाएँ जिनमें 112,600 व्यक्तिगत अध्ययनों से लिए गए 22,453 मेटा-विश्लेषण शामिल हैं। उनके निष्कर्ष ने पूरे प्रश्न को ही नया रूप दे दिया है।

चिकित्सा क्षेत्र के सबसे सटीक साक्ष्य संग्रह में शामिल तीन-चौथाई मेटा-विश्लेषणों में पाँच या उससे कम अध्ययन होते हैं। यदि आपके पास चार अध्ययन हैं और आपको लगता है कि इससे आप अयोग्य हो जाते हैं, तो ऐसा नहीं है। आप वितरण के मध्य में हैं, न कि अंतिम छोर पर। एक तर्कसंगत छोटे मेटा-विश्लेषण को एक असत्यापित छोटे मेटा-विश्लेषण से अलग करने वाला कारक अध्ययनों की संख्या नहीं है। बल्कि यह है कि क्या लेखक ने यह ध्यान दिया कि उन्होंने किन सांख्यिकीय गारंटियों को खो दिया है और उनके लिए समायोजन किया है।

मेटा-विश्लेषण के लिए न्यूनतम अध्ययनों की संख्या से कहीं अधिक महत्वपूर्ण चार द्वार

इन चरणों को क्रम से हल करें। पहला चरण एक निश्चित विराम है। बाकी तीन चरण आपके उत्तर को नहीं, बल्कि आपकी विधि को बदलेंगे।

पहला सवाल: क्या ये अध्ययन एक ही सवाल का जवाब देते हैं?

यह वह चरण है जो सबसे अधिक बार विफल होता है और जिसकी जाँच सबसे कम बार की जाती है, क्योंकि यह एकमात्र ऐसा चरण है जिसमें कोई सूत्र नहीं जुड़ा होता है। किसी भी सांख्यिकी से पहले, यह सुनिश्चित करें कि प्रत्येक अध्ययन में जनसंख्या, हस्तक्षेप, तुलनात्मक कारक और परिणाम की परिभाषा इतनी समान हो कि एक संयुक्त संख्या चिकित्सक के लिए सार्थक हो।

कुछ खास बातें जो इस चरण में विफल हो जाती हैं और अक्सर छूट जाती हैं: तीन परीक्षणों में 6 सप्ताह और दो में 12 महीने पर मापा गया परिणाम; आधे अध्ययनों में प्लेसीबो और बाकी में सामान्य देखभाल का तुलनात्मक अध्ययन; मध्य दशक में दिशानिर्देश बदलने पर बदली गई नैदानिक ​​सीमा; एक देश में विशेषज्ञों द्वारा और दूसरे देश में सामुदायिक स्वास्थ्य कार्यकर्ताओं द्वारा दिया गया हस्तक्षेप। सांख्यिकीय विषमता परीक्षण कभी-कभी इन्हें इंगित करते हैं और अक्सर इन्हें अनदेखा कर देते हैं, क्योंकि दो चिकित्सकीय रूप से असंगत अध्ययन संयोग से संख्यात्मक रूप से समान प्रभाव आकार उत्पन्न कर सकते हैं। मेटा-विश्लेषण में आम गलतियों के लिए हमारी मार्गदर्शिका इस चरण को छोड़ने से होने वाली पूलिंग त्रुटियों को कवर करती है।

अगर आप गेट 1 में असफल हो जाते हैं, तो रुक जाइए। कितनी भी अतिरिक्त पढ़ाई कर लें, एक अस्पष्ट प्रश्न को ठीक नहीं किया जा सकता, और न ही कोई सांख्यिकीय समायोजन अतुलनीय चीजों के औसत को समझने योग्य बना सकता है।

चरण 2. क्या आप प्रत्येक अध्ययन से प्रभाव अनुमान और उसका विचरण प्राप्त कर सकते हैं?

इनवर्स-वेरिएंस मेटा-एनालिसिस के लिए प्रति अध्ययन दो संख्याओं की आवश्यकता होती है: प्रभाव और उसे कितनी सटीकता से मापा गया। दूसरी संख्या का न होना सबसे आम व्यावहारिक बाधा है, और यह आमतौर पर घातक होने के बजाय सुधारा जा सकता है। कुछ भी हटाने से पहले अगले भाग में सुधार के तरीके देखें।

एक चेतावनी जिसे स्पष्ट रूप से बताना आवश्यक है। किसी अध्ययन को उसकी रिपोर्टिंग में खामी के कारण बाहर करना, न कि पात्रता मानदंडों को पूरा न करने के कारण, एक ऐसा पूर्वाग्रह उत्पन्न करता है जो आपके फ़ॉरेस्ट प्लॉट में अदृश्य होता है और आपके PRISMA 2020 फ़्लो डायग्राम में तब तक दर्ज नहीं होता जब तक कि आप इसे बहिष्करण के एक अलग कारण के रूप में दर्ज न करें। इसे दर्ज करें।

तीसरा प्रश्न: क्या इस बात का अनुमान लगाने के लिए पर्याप्त अध्ययन मौजूद हैं कि वे किस हद तक असहमत हैं?

एक रैंडम-इफेक्ट्स मॉडल आपके डेटा से अध्ययन-वार भिन्नता, टाऊ-स्क्वायर का अनुमान लगाता है। बहुत कम अध्ययनों के साथ यह अनुमान अस्थिर होता है, और यह अस्थिरता सीधे आपके कॉन्फिडेंस इंटरवल में फैल जाती है।

इससे संबंधित सांख्यिकी, आई-स्क्वायर, भी इसी स्थिति में पक्षपातपूर्ण होती है। वॉन हिप्पेल ने सीधे तौर पर इस पक्षपात की गणना की और पाया कि 7 अध्ययनों और वास्तविक विषमता की अनुपस्थिति में, आई-स्क्वायर विषमता को औसतन 12 प्रतिशत अंक अधिक आंकता है, जबकि 7 अध्ययनों और 80% वास्तविक विषमता की उपस्थिति में यह औसतन 28 प्रतिशत अंक कम आंकता है। त्रुटि की दिशा उस सत्य पर निर्भर करती है जिसे आप मापने का प्रयास कर रहे हैं, यही कारण है कि पांच अध्ययनों के मेटा-विश्लेषण में 40% का आई-स्क्वायर लगभग कोई जानकारी नहीं देता है। विषमता के प्रबंधन और मूल्यांकन पर हमारा लेख बताता है कि इसके बजाय क्या रिपोर्ट करना चाहिए।

पांच अध्ययनों की सीमा एक व्यावहारिक कार्य सीमा है, नियम नहीं। इससे कम अध्ययनों पर, मानक डेर्सिमोनियन और लेयर्ड पद्धति से प्राप्त होने वाले विश्वास अंतराल बहुत संकीर्ण होते हैं। इंटहाउट, इओनिडिस और बोर्म ने 2 से 20 परीक्षणों के सिम्युलेटेड मेटा-विश्लेषणों के आधार पर इसका मूल्यांकन किया और पाया कि डेर्सिमोनियन और लेयर्ड पद्धति अक्सर अनुचित टाइप I त्रुटि दरें उत्पन्न करती है, जबकि हार्टुंग-नैप-सिडिक-जोंकमैन पद्धति काफी बेहतर प्रदर्शन करती है। रोवर, नैप और फ्राइड ने विशेष रूप से कुछ अध्ययनों के मामले में इसी पद्धति की जांच की। व्यावहारिक निर्देश संक्षेप में इस प्रकार है: पांच अध्ययनों से कम के लिए, हार्टुंग-नैप-सिडिक-जोंकमैन पद्धति का उपयोग करें और विश्वास अंतराल के साथ-साथ पूर्वानुमान अंतराल भी प्रस्तुत करें ताकि पाठक औसत की परिशुद्धता के बजाय वास्तविक प्रभावों की अपेक्षित सीमा देख सकें।

चौथा चरण: क्या लापता साक्ष्यों की जांच करने के लिए पर्याप्त अध्ययन मौजूद हैं?

यहां सीमा एक परंपरा के बजाय स्पष्ट रूप से निर्धारित की गई है। कॉक्रेन हैंडबुक में कहा गया है कि फ़नल प्लॉट विषमता के परीक्षण का उपयोग केवल तभी किया जाना चाहिए जब मेटा-विश्लेषण में कम से कम 10 अध्ययन शामिल हों, जो BMJ में स्टर्न और उनके सहयोगियों की अनुशंसाओं का अनुसरण करते हों। दस से कम अध्ययनों के मामले में, परीक्षण की शक्ति इतनी कम होती है कि एक गैर-महत्वपूर्ण परिणाम से कुछ भी पता नहीं चलता, और फिर भी इसे करने से समीक्षक यह बता सकता है कि आपने शक्ति की कमी को पूर्वाग्रह की कमी समझ लिया है।

दस से कम अध्ययनों के मामले में, सही तरीका यह है कि परीक्षण न किया जाए, अपनी कार्यप्रणाली में स्पष्ट रूप से बताया जाए कि छोटे अध्ययन प्रभावों का आकलन नहीं किया जा सकता है, और इस सीमा को अपनी निश्चितता रेटिंग में शामिल किया जाए। प्रकाशन पूर्वाग्रह का पता लगाने और उसे ठीक करने के तरीकों पर हमारी मार्गदर्शिका में बताया गया है कि विभिन्न अध्ययन संख्याओं पर फ़नल प्लॉट क्या दिखा सकता है और क्या नहीं।

गुम हुए डेटा को कैसे पुनर्प्राप्त करें

गेट 2 पर अनुपयोगी प्रतीत होने वाले अधिकांश अध्ययन रूपांतरण के बाद उपयोगी हो जाते हैं। अपूर्ण रिपोर्टिंग के कारण किसी अध्ययन को अस्वीकार करने से पहले, इस सूची को ध्यानपूर्वक देखें।

माध्य और मानक विचलन के स्थान पर माध्यिका और अंतरचतुर्थक सीमा का प्रयोग। शल्य चिकित्सा, बाल चिकित्सा और स्वास्थ्य-आर्थिक साहित्य में यह सबसे आम स्थिति है, जहाँ विषम परिणामों को परंपरा के अनुसार माध्यिका के रूप में दर्शाया जाता है। वान और उनके सहयोगियों ने ठीक इसी स्थिति के लिए अनुमानक विकसित किए, और लूओ और उनके सहयोगियों ने माध्य अनुमानक को और परिष्कृत किया (DOI 10.1177/0962280216669183)।

एक उदाहरण। एक अध्ययन में n = 40, माध्यिका 12, प्रथम चतुर्थक 8 और तृतीय चतुर्थक 18 बताया गया है। वान एट अल. की चतुर्थक विधि का उपयोग करके, माध्य का अनुमान तीन रिपोर्ट किए गए मानों के औसत के रूप में लगाया जाता है, (8 + 12 + 18) / 3 = 12.67। मानक विचलन अंतरचतुर्थक सीमा को नमूना आकार पर निर्भर कारक से विभाजित करने पर प्राप्त होता है, जो n = 40 के लिए 1.3005 है, जिससे 10 / 1.3005 = 7.69 प्राप्त होता है। अब इस अध्ययन को संयुक्त किया जा सकता है। ध्यान दें कि भाजक नमूना आकार के साथ बदलता है, n = 15 पर 1.2227 से n = 100 पर 1.3294 तक, इसलिए इसे स्थिर नहीं माना जा सकता।

एक कॉन्फिडेंस इंटरवल दिया गया है, लेकिन कोई स्टैंडर्ड एरर नहीं है। सामान्य रूप से वितरित प्रभाव के लिए, 95% इंटरवल के लिए स्टैंडर्ड एरर इंटरवल की चौड़ाई को 3.92 से विभाजित करने पर प्राप्त होता है। अनुपात माप के लिए, बैक-ट्रांसफॉर्म करने से पहले इसे लॉग स्केल पर करें।

एक पी-वैल्यू और एक पॉइंट एस्टीमेट दिया गया है, लेकिन कोई इंटरवल नहीं दिया गया है। सटीक पी-वैल्यू द्वारा निहित टेस्ट स्टैटिस्टिक से स्टैंडर्ड एरर की बैक-कैलकुलेशन करें। यह विधि तब विफल हो जाती है जब पेपर में केवल एक थ्रेशहोल्ड जैसे कि p < 0.05 दिया गया हो, ऐसे में आपके पास एक रेंज होती है न कि वैल्यू, और अध्ययन को प्राइमरी पूल के बजाय सेंसिटिविटी एनालिसिस में ले जाना चाहिए।

विभिन्न अध्ययनों में प्रभाव के विभिन्न मापदंड पाए जाते हैं। निर्दिष्ट मान्यताओं के तहत ऑड्स अनुपात, जोखिम अनुपात और मानकीकृत माध्य अंतर परिवर्तनीय हैं। कोहेन के d, r, ऑड्स अनुपात और हेजेज के g के बीच रूपांतरण सूत्र मानक हैं, और हमारे निःशुल्क StatPro कैलकुलेटर संबंधित प्रभाव आकार गणनाओं को कवर करते हैं। अंतर्निहित व्याख्या के लिए, सापेक्ष जोखिम, उत्तरदायित्व जोखिम और ऑड्स अनुपात पर हमारी मार्गदर्शिका देखें ।

आधारभूत डेटा से परिवर्तन का मानक विचलन उपलब्ध नहीं है। इसके लिए आधारभूत और अनुवर्ती डेटा के बीच सहसंबंध ज्ञात करना आवश्यक है। अपने अध्ययन समूह में शामिल किसी ऐसे अध्ययन से सहसंबंध ज्ञात करें जिसमें दोनों डेटा उपलब्ध हों, उपयोग किए गए मान का उल्लेख करें और संवेदनशीलता विश्लेषण में इसके प्रभाव का परीक्षण करें।

मेटा-विश्लेषण में पाँच से कम अध्ययनों में क्या परिवर्तन होते हैं?

ये समायोजन छोटे और विशिष्ट हैं। इनमें से किसी के लिए भी मेटा-विश्लेषण को छोड़ने की आवश्यकता नहीं है।

छोटे मेटा-विश्लेषणों में पूर्वानुमान अंतराल पर विशेष ध्यान देना चाहिए। यह औसत की सटीकता के बजाय भविष्य में होने वाले समान अध्ययनों में अपेक्षित वास्तविक प्रभावों की सीमा को दर्शाता है, और इंटहाउट और उनके सहयोगियों ने बीएमजे ओपन में तर्क दिया कि इसे नियमित रूप से प्रस्तुत किया जाना चाहिए। एक संयुक्त विश्वास अंतराल, जो किसी भी प्रभाव को शामिल नहीं करता है, और एक पूर्वानुमान अंतराल, जो इसे शामिल करता है, पाठक को वह जानकारी देता है जो केवल विश्वास अंतराल से छिपी रहती है। हमारा विषमता कैलकुलेटर आई-स्क्वायर और टाऊ-स्क्वायर की गणना करता है, और हमारा मेटा-विश्लेषण कैलकुलेटर फ़ॉरेस्ट प्लॉट बनाएगा।

जब आपको पूलिंग बिल्कुल नहीं करनी चाहिए

जो समीक्षा डेटा पूलिंग का विकल्प नहीं चुनती, वह असफल समीक्षा नहीं होती। बल्कि, वह एक अलग और अक्सर अधिक ईमानदार उत्पाद होती है। कैम्पबेल और उनके सहयोगियों ने BMJ में SWiM रिपोर्टिंग दिशानिर्देश इसलिए प्रकाशित किया क्योंकि वैकल्पिक संश्लेषण विधियों का उपयोग करने वाली समीक्षाएँ शायद ही कभी उन्हें पारदर्शी रूप से रिपोर्ट करती हैं, जिससे उन निष्कर्षों पर संदेह पैदा होता है जो पूरी तरह से सही हो सकते हैं।

संरचित विकल्प जिन्हें स्वतंत्र रूप से प्रकाशित किया जा सकता है, उनमें हस्तक्षेप प्रकार के अनुसार समूहीकृत संश्लेषण शामिल है, जिसमें प्रत्येक अध्ययन के लिए प्रभाव की दिशा बताई जाती है; प्रभाव के आकार को न निकाल पाने की स्थिति में प्रभाव की दिशा के आधार पर वोट गणना; और अल्बाट्रॉस प्लॉट जो केवल सार्थकता बताए जाने पर नमूना आकार के मुकाबले पी-मान प्रदर्शित करते हैं। इनमें से प्रत्येक का SWiM रिपोर्टिंग मदों में अपना स्थान है, और प्रत्येक उस तरह से तर्कसंगत है जिस तरह से एक कमज़ोर ढंग से तर्कसंगत पूल्ड अनुमान तर्कसंगत नहीं है।

यदि साक्ष्य आधार पूलिंग का समर्थन नहीं करता है, तो समीक्षा के प्रकार में ही बदलाव करना पड़ सकता है। एक स्कोपिंग समीक्षा तुलनीय परिणामों की आवश्यकता के बिना मौजूदा स्थिति का खाका खींचती है। एक नैरेटिव समीक्षा किसी एक उत्तर योग्य प्रश्न की बाध्यता के बिना व्यापक साहित्य का संश्लेषण करती है। स्कोपिंग, सिस्टमैटिक और नैरेटिव समीक्षा विधियों की हमारी तुलना यह बताती है कि आपके प्रश्न के लिए वास्तव में कौन सी विधि उपयुक्त है, और साक्ष्य स्तर का ढांचा यह स्पष्ट करता है कि प्रत्येक विधि किस श्रेणी में आती है।

एक और उदाहरण यहाँ प्रासंगिक है। यदि आपके अध्ययन में एक उपचार की तुलना एक तुलनात्मक कारक से करने के बजाय कई अलग-अलग उपचारों की तुलना की जाती है, तो प्रति तुलना तीन अध्ययनों के साथ युग्मित मेटा-विश्लेषण पूरी तरह से गलत संरचना हो सकती है। नेटवर्क मेटा-विश्लेषण समान साक्ष्य का बेहतर उपयोग करने के लिए अप्रत्यक्ष तुलनाओं का उपयोग करता है।

समीक्षक छोटे मेटा-विश्लेषण के बारे में क्या पूछते हैं

छोटे मेटा-विश्लेषणों को अनुमानित कारणों से अस्वीकार कर दिया जाता है, और उनमें से प्रत्येक को प्रस्तुत करने से पहले कार्यप्रणाली अनुभाग में संबोधित किया जा सकता है।

• चार अध्ययनों के आधार पर आई-स्क्वायर मान की प्रत्यक्ष व्याख्या की गई। यदि आवश्यक हो तो इसकी रिपोर्ट करें, फिर पूर्वाग्रह को सीधे तौर पर बताएं और पूर्वानुमान अंतराल पर भरोसा करें।
• छह अध्ययनों पर एगर परीक्षण किया गया। इसे हटा दें। इसके स्थान पर एक ऐसा वाक्य लिखें जिसमें कहा गया हो कि इतने कम अध्ययनों में छोटे अध्ययनों के प्रभावों का आकलन नहीं किया जा सकता।
• डेरसिमोनियन और लेयर्ड ने तीन अध्ययनों का उपयोग किया और कोई औचित्य नहीं बताया। एस्टिमेटर को बदलें या अपने विकल्प का स्पष्ट रूप से बचाव करें।
• एक संयुक्त अनुमान प्रस्तुत किया गया है जिसमें अशुद्धियों को स्वीकार नहीं किया गया है। छोटा k मान ग्रेड की सटीकता में कमी लाता है। किसी समीक्षक से रेटिंग करवाने के बजाय स्वयं रेटिंग करें।
• अध्ययन को अपात्रता के बजाय अपूर्ण रिपोर्टिंग के कारण बाहर रखा गया था। ऊपर बताए गए तरीकों का उपयोग करके डेटा को पुनः प्राप्त करें, या प्रवाह आरेख में बहिष्करण का कारण अलग से दर्ज करें।
• कुछ चुनिंदा अध्ययनों पर उपसमूह विश्लेषण। पांच अध्ययनों के साथ आपके पास उपसमूहों के लिए पर्याप्त शक्ति नहीं है। उन्हें पहले से निर्दिष्ट करें, उन्हें अन्वेषणात्मक के रूप में रिपोर्ट करें, या उन्हें छोड़ दें। हमारी मार्गदर्शिका शक्ति विश्लेषण और नमूना आकार इसमें यह बताया गया है कि अपर्याप्त तुलनाएँ दोनों दिशाओं में कैसे गुमराह कर सकती हैं।

एक बार पूलिंग का निर्णय हो जाने के बाद, हमारे मेटा-विश्लेषण मास्टरक्लास में दिए गए उदाहरणों के माध्यम से फॉरेस्ट प्लॉट बनाने, विषमता आउटपुट को पढ़ने और परिणाम की व्याख्या करने की प्रक्रिया को समझाया जाता है।

उपकरण और संसाधन

इस लेख में विशिष्ट गणनाओं के लिए, हमारा प्रकाशन पूर्वाग्रह कैलकुलेटर दस अध्ययनों को पार करने के बाद फ़नल प्लॉट और एगर परीक्षण उत्पन्न करता है, और ऊपर दिए गए विषमता और प्रभाव आकार उपकरण प्रारंभिक चरणों को संभालते हैं।

मेटा-विश्लेषण के लिए आवश्यक अध्ययनों की न्यूनतम संख्या के बारे में अक्सर पूछे जाने वाले प्रश्न

मेटा-विश्लेषण के लिए अध्ययनों की न्यूनतम संख्या कितनी है?

दो। एक ही परिणाम बताने वाले दो स्वतंत्र अध्ययन, जिनमें से प्रत्येक में प्रभाव का अनुमान और उसकी सटीकता का माप शामिल हो, संयुक्त अनुमान की गणना के लिए पर्याप्त हैं। कॉक्रेन समीक्षाओं में हजारों दो-अध्ययन मेटा-विश्लेषण शामिल हैं, और कोई भी पद्धतिगत संस्था इससे अधिक न्यूनतम सीमा प्रकाशित नहीं करती है। यह संख्या शायद ही कभी यह तय करती है कि संयुक्त विश्लेषण उचित है या नहीं।

क्या आप केवल 2 अध्ययनों के आधार पर मेटा-विश्लेषण कर सकते हैं?

जी हां। कोचरन डेटाबेस ऑफ सिस्टमैटिक रिव्यूज में, 36% मेटा-विश्लेषणों में ठीक दो अध्ययन शामिल हैं और 22,453 मेटा-विश्लेषणों में औसत तीन है। दो अध्ययनों के साथ आप एक संयुक्त अनुमान प्रस्तुत कर सकते हैं, लेकिन आप विश्वसनीय रूप से यह अनुमान नहीं लगा सकते कि विभिन्न परिस्थितियों में प्रभाव कितना भिन्न होता है और आप अनुपलब्ध साक्ष्यों का परीक्षण नहीं कर सकते।

प्रकाशन पूर्वाग्रह की जांच करने से पहले आपको कितने अध्ययनों की आवश्यकता होती है?

दसवां। कोचरन हैंडबुक में कहा गया है कि फ़नल प्लॉट विषमता के परीक्षण का उपयोग केवल तभी किया जाना चाहिए जब मेटा-विश्लेषण में कम से कम 10 अध्ययन शामिल हों। इससे कम होने पर परीक्षण की शक्ति बहुत कम हो जाती है, और एक गैर-महत्वपूर्ण परिणाम को पूर्वाग्रह की अनुपस्थिति के प्रमाण के रूप में प्रस्तुत नहीं किया जाना चाहिए।

क्या छोटे मेटा-विश्लेषण में आई-स्क्वायर विश्वसनीय है?

नहीं। वॉन हिप्पेल ने गणना की कि 7 अध्ययनों और वास्तविक विषमता की अनुपस्थिति में, I-स्क्वायर विषमता का औसत 12 प्रतिशत अंक अधिक अनुमान लगाता है, जबकि 7 अध्ययनों और 80% वास्तविक विषमता के साथ यह औसत 28 प्रतिशत अंक कम अनुमान लगाता है। इसके बजाय एक पूर्वानुमान अंतराल प्रस्तुत करें।

पांच से कम अध्ययनों के लिए आपको कौन सी रैंडम-इफेक्ट्स विधि का उपयोग करना चाहिए?

हार्टुंग-नैप-सिडिक-जोंकमैन पद्धति। इंटहाउट, इओनिडिस और बोर्म ने पाया कि मानक डेर्सिमोनियन-लियर्ड पद्धति अक्सर अनुचित टाइप I त्रुटि दरें उत्पन्न करती है, जबकि हार्टुंग-नैप-सिडिक-जोंकमैन पद्धति काफी बेहतर प्रदर्शन करती है। रोवर, नैप और फ्राइड ने विशेष रूप से कुछ अध्ययनों के मामले में इसी पद्धति की जांच की।

यदि आपके अध्ययन को एक साथ नहीं जोड़ा जा सकता है तो आपको क्या करना चाहिए?

मेटा-विश्लेषण के बिना संरचित संश्लेषण का उपयोग करें और इसे SWiM दिशानिर्देश के अनुसार रिपोर्ट करें। विकल्पों में हस्तक्षेप प्रकार के अनुसार समूहीकरण, प्रत्येक अध्ययन के लिए प्रभाव दिशा की रिपोर्टिंग, अनुशासित वोट गणना और अल्बाट्रॉस प्लॉट शामिल हैं। एक समीक्षा जो किसी निर्दिष्ट कारण से पूलिंग से इनकार करती है, वह अपने आप में प्रकाशन योग्य है।

आपके मेटा-विश्लेषण के लिए पेशेवर सहायता

यदि आपने चारों चरण पूरे कर लिए हैं और विश्लेषण को जर्नल मानक के अनुसार निष्पादित और प्रकाशित करवाना चाहते हैं, तो ये सेवाएं प्रत्येक परिणाम के लिए उपयुक्त हैं। प्रत्येक पैकेज सांख्यिकीविदों द्वारा R में काम करते हुए, पुनरुत्पादित स्क्रिप्ट के साथ प्रदान किया जाता है।

यदि आप प्रक्रिया के शुरुआती चरण में हैं और पूलिंग का निर्णय अभी भी लंबित है, तो हमारी PRISMA-अनुरूप व्यवस्थित समीक्षा लेखन सेवा प्रोटोकॉल पंजीकरण से लेकर सबमिशन तक की प्रक्रिया को कवर करती है, और प्रोटोकॉल चरण में ही आपको बता सकती है कि आपका प्रश्न चार चरणों में से किस चरण में असफल होने की संभावना है।

मेटा-विश्लेषण के लिए आवश्यक अध्ययनों की न्यूनतम संख्या पर संक्षिप्त उत्तर

दो अध्ययन न्यूनतम मानक हैं। कोचरन डेटाबेस में तीन अध्ययन औसत हैं। पाँच अध्ययनों के बाद अंतर का महत्व समझ में आने लगता है। दस अध्ययनों के बाद आप अनुपलब्ध साक्ष्यों की जाँच कर सकते हैं। इनमें से कोई भी सफलता या असफलता की निश्चित सीमा नहीं है, और ऐसा मानना ​​ही अच्छे रिव्यू को अस्वीकार करने और कमज़ोर रिव्यू को स्वीकार करवाने का कारण है।

सवाल यह नहीं है कि आपके पास कितने अध्ययन हैं। सवाल यह है कि आपके साक्ष्य चार में से किस मानदंड को पूरा करते हैं, और क्या आपके पद्धति अनुभाग में उन मानदंडों को स्वीकार किया गया है जिन्हें स्वीकार नहीं किया गया है। तीन अध्ययनों का मेटा-विश्लेषण, जो हार्टुंग-नैप-सिडिक-जोंकमैन पद्धति का उपयोग करता है, पूर्वानुमान अंतराल की रिपोर्ट करता है, आई-स्क्वायर की व्याख्या करने से इनकार करता है, यह बताता है कि छोटे अध्ययनों के प्रभावों का आकलन नहीं किया जा सका, और सटीकता की कमी के कारण रेटिंग कम करता है, प्रकाशन योग्य कार्य है। वहीं, बारह अध्ययनों का मेटा-विश्लेषण, जो असंगत परिणाम परिभाषाओं को एक साथ मिलाता है, प्रकाशन योग्य नहीं है।

संदर्भ

1. डेवी जे, टर्नर आरएम, क्लार्क एमजे, हिगिंस जेपीटी। कोचरन डेटाबेस ऑफ सिस्टमैटिक रिव्यूज में मेटा-विश्लेषण और उनके घटक अध्ययनों की विशेषताएं: एक क्रॉस-सेक्शनल, वर्णनात्मक विश्लेषण। बीएमसी मेड रेस मेथोडोल। 2011;11:160। doi:10.1186/1471-2288-11-160
2. वॉन हिप्पेल पीटी. विषमता सांख्यिकी आई-स्क्वायर छोटे मेटा-विश्लेषणों में पक्षपाती हो सकता है। बीएमसी मेड रेस मेथोडोल. 2015;15:35. डोई: 10.1186 / s12874-015-0024-z
3. इंटहाउट जे, इओनिडिस जेपीए, बोर्म जीएफ। रैंडम इफेक्ट्स मेटा-एनालिसिस के लिए हार्टुंग-नैप-सिडिक-जोंकमैन विधि सरल है और मानक डेर्सिमोनियन-लियर्ड विधि से काफी बेहतर प्रदर्शन करती है। बीएमसी मेड रेस मेथोडोल। 2014;14:25। doi:10.1186/1471-2288-14-25
4. रोवर सी, नैप जी, फ्राइड टी. हार्टुंग-नैप-सिडिक-जोंकमैन दृष्टिकोण और कुछ अध्ययनों के साथ यादृच्छिक-प्रभाव मेटा-विश्लेषण के लिए इसका संशोधन। बीएमसी मेड रेस मेथोडोल। 2015;15:99. doi:10.1186/s12874-015-0091-1
5. स्टर्न जेएसी, सटन एजे, इओनिडिस जेपीए, एट अल। यादृच्छिक नियंत्रित परीक्षणों के मेटा-विश्लेषण में फ़नल प्लॉट विषमता की जांच और व्याख्या के लिए सिफारिशें। बीएमजे. 2011;343:d4002. doi:10.1136/bmj.d4002
6. इंटहाउट जे, इओनिडिस जेपीए, रोवर्स एमएम, गोएमान जेजे। मेटा-विश्लेषण में नियमित रूप से भविष्यवाणी अंतराल प्रस्तुत करने की अपील। बीएमजे ओपन। 2016;6:e010247। doi:10.1136/bmjopen-2015-010247
7. कैम्पबेल एम, मैकेंज़ी जेई, सोडेन ए, एट अल। व्यवस्थित समीक्षाओं में मेटा-विश्लेषण के बिना संश्लेषण (एसडब्ल्यूआईएम): रिपोर्टिंग दिशानिर्देश। बीएमजे. 2020;368:l6890. doi:10.1136/bmj.l6890
8. वान एक्स, वांग डब्ल्यू, लियू जे, टोंग टी. नमूना आकार, माध्यिका, श्रेणी और/या अंतरचतुर्थक श्रेणी से नमूना माध्य और मानक विचलन का अनुमान लगाना। बीएमसी मेड रेस मेथोडोल। 2014;14:135. doi:10.1186/1471-2288-14-135
9. हिगिंस जेपीटी, थॉमस जे, चैंडलर जे, एट अल., संपादक। कॉक्रेन हैंडबुक फॉर सिस्टमैटिक रिव्यूज ऑफ इंटरवेंशन्स। अध्याय 13: मेटा-विश्लेषण में साक्ष्य की कमी के कारण पूर्वाग्रह के जोखिम का आकलन