Kalkulator Percuma Editverse
Meta-Analisis & Kalkulator Plot Hutan
Kesan kajian kolam dengan pemberat varians songsang (kesan tetap atau kesan rawak DerSimonian-Laird), lukis plot hutan dan baca I² dan tau², dengan arahan R di belakang hasilnya. Masukkan setiap kesan dengan 95% CI pada skala tambahan: perbezaan min dan perbezaan min piawai sebagaimana adanya, dan kemungkinan, nisbah risiko atau bahaya sebagai log semula jadi (log anggaran dan kedua-dua had), kemudian eksponenkan hasil terkumpul. Panduan tafsiran penuh berikut di bawah. Disahkan terhadap R 4.3.3.
Dalam Perkataan Mudah
Meta -analisis menggabungkan hasil beberapa kajian ke dalam satu anggaran terkumpul, memberikan setiap kajian pemberat berdasarkan ketepatannya — kajian yang lebih besar dan lebih tepat dikira untuk lebih banyak lagi. Plot hutan menunjukkan setiap kajian sebagai titik dengan selang keyakinannya, dan hasil terkumpul sebagai berlian di bahagian bawah.
Oleh kerana kajian tidak pernah sama, analisis tersebut juga melaporkan heterogeniti : berapa banyak kesan sebenar berbeza antara kajian yang tidak dijangka. Statistik I² menyatakan ini sebagai peratusan daripada jumlah variasi, membantu anda menilai sama ada satu nombor terkumpul itu bermakna.
Bila Perlu Menggunakan Meta-Analisis
Gunakan meta-analisis apabila beberapa kajian menangani soalan yang sama dan cukup serupa secara klinikal dan metodologi untuk digabungkan — contohnya, percubaan intervensi yang sama melaporkan hasil yang sama. Pengumpulan meningkatkan ketepatan dan boleh menyelesaikan keputusan individu yang bercanggah, tetapi hanya apabila kajian tersebut benar-benar setanding.
Pilih model kesan rawak apabila anda menjangkakan kesan sebenar berbeza-beza merentasi kajian, dan model kesan tetap hanya apabila anda boleh menganggap satu kesan sepunya. Sentiasa laporkan I² bersama saiz kesan terkumpul dan selang keyakinannya . Tidak pasti kajian anda harus digabungkan sama sekali? Pemilih Ujian interaktif kami boleh membantu anda membuat keputusan.
Format yang dijangkakan: Kajian: Label, Kesan, LowerCI, UpperCI (satu setiap baris)
Letakkan CSV di sini atau klik untuk memilih. Dihuraikan dalam pelayar anda: tiada apa yang dimuat naik.
Format yang dijangkakan: Kajian: Label, Kesan, LowerCI, UpperCI (satu setiap baris)
library(meta) studlab <- c({meta_studlab}) TE <- c({meta_te}) lower <- c({meta_lower}) upper <- c({meta_upper}) seTE <- (upper - lower) / (2 * 1.96) # SE daripada 95% CI, seperti yang dilakukan oleh kalkulator m <- metagen(TE, seTE, studlab = studlab, sm = "SMD", common = {meta_common}, random = {meta_random}, method.tau = "DL") summary(m) # kesan terkumpul, Cochran's Q, I2, tau2Panduan pengguna
Bila perlu digunakan. Saiz kesan himpunan merentasi kajian dan ukur heterogeniti (I-kuasa dua).
Andaian. Kajian-kajian tersebut cukup setanding secara klinikal dan metodologi untuk digabungkan.
Kesilapan biasa. I-kuasa dua yang tinggi (>75%) menandakan heterogeniti yang ketara: tafsirkan anggaran terkumpul dengan berhati-hati.
Contoh yang dikerjakan
Klik Muatkan data contoh di atas, kemudian Jalankan Analisis untuk melihat hasil yang diusahakan sepenuhnya dengan rajah, formula dan tafsiran untuk ujian ini.
Rujukan
- DerSimonian R, Laird N. Meta-analisis dalam ujian klinikal. Percubaan Klinikal Kawalan. 1986;7:177-188.
Contoh Kerja
Contoh 1 — Menggabungkan empat kajian
Empat kajian melaporkan perbezaan min piawai sebanyak 0.45, 0.60, 0.32 dan 0.55, setiap satu dengan selang keyakinannya sendiri. Model kesan rawak menimbangnya mengikut ketepatan dan menggabungkannya ke dalam anggaran terkumpul berhampiran 0.48. Pada plot hutan, setiap kajian bersaiz segi empat sama mengikut beratnya, dan kesan terkumpul ialah berlian yang lebarnya ialah selang keyakinan 95%.
Contoh 2 — Kepelbagaian bacaan
Analisis yang sama mengembalikan I² = 17%, dan Q Cochran (3.62 pada 3 df, p = 0.31) adalah tidak signifikan, jadi kajian tersebut agak konsisten dan anggaran terkumpul boleh dipercayai. Sekiranya I² adalah 80%, kesan sebenar akan berbeza-beza antara kajian dan satu nombor terkumpul tidak bermakna banyak — anda akan menyiasat sumber heterogeniti melalui subkumpulan atau meta-regresi sebaliknya.
Andaian untuk Disemak
Kajian yang boleh dibandingkan (klinikal dan metodologi). Kajian mesti menangani persoalan yang sama dengan populasi, intervensi dan definisi hasil yang serupa. Menggabungkan kajian yang tidak boleh dibandingkan menghasilkan anggaran terkumpul yang tidak menjawab soalan sebenar.
Model yang tepat untuk soalan tersebut. Model kesan tetap mengandaikan satu kesan sebenar yang sepunya; model kesan rawak membolehkan kesan sebenar berubah-ubah. Memilih kesan tetap apabila heterogeniti adalah nyata mengecilkan ketidakpastian dalam anggaran terkumpul.
Anggaran kesan bebas dan tidak berat sebelah. Setiap kajian harus menyumbang satu kesan bebas dan set tersebut tidak boleh diputarbelitkan oleh penerbitan terpilih. Nilaikan bias penerbitan sebelum mempercayai hasil yang dikumpulkan.
Kesalahan biasa
Menggabungkan kajian klinikal yang berbeza
Menggabungkan kajian dengan populasi atau hasil yang berbeza hanya kerana mereka berkongsi topik menghasilkan purata yang tidak bermakna. Kebolehbandingan diutamakan; statistik tidak dapat menyelamatkan set yang tidak koheren.
Merawat I² yang tinggi sebagai hasilnya untuk melaporkan dan meneruskan hidup
I² yang besar ialah gesaan untuk menyiasat, bukan nombor untuk nota kaki. Terokai heterogeniti dengan analisis subkumpulan atau meta-regresi sebelum memetik sebarang kesan terkumpul.
Tetapkan kepada kesan tetap secara lalai untuk mendapatkan selang masa yang lebih ketat
Model kesan tetap memberikan selang keyakinan yang lebih sempit, tetapi hanya kerana ia mengabaikan variasi antara kajian. Apabila heterogeniti wujud, selang sempit itu memberi jaminan palsu.
Mengabaikan bias penerbitan
Kajian negatif yang kecil sering tidak diterbitkan, lalu meningkatkan kesan terkumpul. Periksa plot corong dan jalankan ujian formal sebelum membuat kesimpulan.
Soalan Lazim
Apakah yang sebenarnya diukur oleh I²?
Ia adalah perkadaran jumlah variasi merentasi kajian yang disebabkan oleh heterogeniti sebenar dan bukannya kebetulan — secara kasarnya, 25% adalah rendah, 50% sederhana, dan 75% tinggi.
Kesan tetap atau kesan rawak?
Gunakan kesan rawak apabila anda percaya kesan sebenar berbeza antara kajian, yang biasa berlaku dalam tetapan klinikal; simpan kesan tetap untuk kes yang jarang berlaku bagi satu kesan sepunya yang diandaikan.
Berapa banyak kajian yang saya perlukan?
Tiada had minimum yang tetap, tetapi dengan sangat sedikit kajian, varians antara kajian dianggarkan dengan buruk dan statistik heterogeniti menjadi tidak stabil; tafsirkan meta-analisis kecil dengan berhati-hati.
Adakah keputusannya sepadan dengan R, Stata dan RevMan?
Ya, pada skala yang anda masukkan. Kalkulator menggunakan pemberat varians songsang standard dengan kesan rawak DerSimonian-Laird dan memperoleh setiap ralat standard daripada 95% CI sebagai (atas − bawah) / 3.92. Arahan R yang ditunjukkan menggunakan sm = "SMD"; untuk nisbah log, tetapkan sm kepada "OR", "RR" atau "HR" dan luluskan anggaran log supaya R mengubah semula nilai terkumpul.
Kalkulator Berkaitan
Rujukan
- Higgins JPT, Thompson SG. Mengkuantifikasi heterogeniti dalam meta-analisis. Stat Med. 2002;21(11):1539–1558. PMID 12111919.
- Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mengukur ketidakkonsistenan dalam meta-analisis. BMJ. 2003;327(7414):557–560. PMID 12958120.
- DerSimonian R, Laird N. Meta-analisis dalam ujian klinikal. Kawal Ujian Klin. 1986;7(3):177–188.
Perlu Analisis Ini Dilakukan untuk Manuskrip Anda?
Ahli biostatistik PhD kami menjalankan meta-analisis anda dari awal hingga akhir — kesan terkumpul, heterogeniti, analisis subkumpulan dan kepekaan, ujian bias penerbitan dan plot hutan sedia untuk penerbitan dengan output R yang boleh dihasilkan semula.