เครื่องคิดเลขฟรีของ Editverse

เครื่องคำนวณความไม่สม่ำเสมอ (I² และ tau²)

Enter each study’s effect and 95% confidence interval to get Cochran’s Q with its degrees of freedom and p-value, I² and the DerSimonian-Laird tau², with the pooled estimate, a forest plot and the R command behind the result. The fixed-effect option changes only the pooling weights; Q, I² and tau² are reported under either model. A full interpretation guide follows below. Validated against R 4.3.3.

ในคำง่ายๆ

เมื่อคุณรวบรวมงานวิจัยหลายชิ้นเข้าด้วยกันในการวิเคราะห์แบบเมตา (meta-analysis ) ผลลัพธ์ของงานวิจัยเหล่านั้นจะไม่ตรงกันอย่างสมบูรณ์แบบ เสมอไป ความแตกต่างระหว่างงานวิจัย (Heterogeneity)วัดว่าความกระจัดกระจายนั้นสะท้อนถึงความแตกต่างที่แท้จริงในผลกระทบพื้นฐานมากน้อยเพียงใด เมื่อเทียบกับความบังเอิญ ค่าCochran's Qทดสอบว่ามีความแตกต่างระหว่างงานวิจัยหรือไม่ ค่าI²แสดงค่าความแตกต่างนั้นเป็นเปอร์เซ็นต์ของความแปรปรวนทั้งหมด และค่า tau²ประมาณค่าความแปรปรวนระหว่างงานวิจัยที่แท้จริงในระดับผลกระทบ

ตัวเลขทั้งสามนี้ให้คำตอบที่แตกต่างกัน Q ให้สัญญาณใช่/ไม่ใช่ แต่ขึ้นอยู่กับจำนวนการศึกษาเป็นอย่างมาก I² เปรียบเทียบได้ง่ายระหว่างการวิเคราะห์ต่างๆ แต่ไม่ได้บอกอะไรเกี่ยวกับขนาดสัมบูรณ์ tau² จับการกระจายตัวที่แท้จริงของผลกระทบที่แท้จริงและนำไปใช้โดยตรงในแบบจำลองผลกระทบแบบสุ่ม การอ่านค่าเหล่านี้ร่วมกันจะช่วยให้คุณทราบว่าค่าประมาณรวมเพียงค่าเดียวนั้นมีความหมายหรือไม่

ควรใช้สถิติความแตกต่างเมื่อใด

ควรรายงานความแตกต่างระหว่างการศึกษาทุกครั้งที่รวมการศึกษาเข้าด้วยกัน ค่า I² ต่ำร่วมกับค่า Q ที่ไม่สำคัญสนับสนุนการประมาณค่าแบบรวม ในขณะที่ค่า I² สูงเตือนว่าการศึกษาเหล่านั้นอาจวัดผลกระทบที่แตกต่างกันอย่างแท้จริง และตัวเลขสรุปเพียงตัวเดียวอาจทำให้เข้าใจผิดได้ ค่า tau² มีความสำคัญอย่างยิ่งเมื่อคุณใช้แบบจำลองผลกระทบแบบสุ่ม เนื่องจากเป็นตัวกำหนดว่าการศึกษาแต่ละครั้งจะถูกปรับลดขนาดเข้าหาค่าเฉลี่ยมากน้อยเพียงใด

ใช้สถิติเหล่านี้เพื่อตัดสินใจว่าจะทำอะไรต่อไป ไม่ใช่แค่เพื่ออธิบายข้อมูล ค่า I² ที่สูงควรเป็นสัญญาณให้ทำการวิเคราะห์กลุ่มย่อยหรือการวิเคราะห์เมตาเรเกรสชันเพื่อหาสาเหตุของความแปรปรวน ควรใช้ค่า I² ควบคู่กับขนาดผลกระทบ โดยรวม และช่วงความเชื่อ มั่นเสมอ หากต้องการสร้างการวิเคราะห์โดยรวมทั้งหมด ให้ใช้ เครื่องคำนวณเมตาการวิเคราะห์ของเรา

Heterogeneity (Cochran's Q, I², τ²) ผลกระทบของพูลที่มีเมตริกความแตกต่าง · ตรวจสอบแล้วเทียบกับ R 4.3.3

การศึกษา: ป้ายกำกับ, ผลกระทบ, ช่วงความเชื่อมั่นล่าง, ช่วงความเชื่อมั่นบน (หนึ่งรายการต่อบรรทัด)

รุ่น

คู่มือผู้ใช้

ควรใช้เมื่อใด:รวบรวมขนาดผลกระทบจากงานวิจัยต่างๆ และวัดความแตกต่าง (I-squared)

ข้อสันนิษฐาน:งานวิจัยเหล่านี้มีความเทียบเคียงกันได้ทั้งในด้านคลินิกและวิธีการวิจัย เพื่อให้สามารถนำมารวมกันได้

ข้อผิดพลาดที่พบบ่อยค่า I-squared สูง (>75%) บ่งชี้ถึงความแตกต่างอย่างมาก: ควรตีความค่าประมาณรวมอย่างระมัดระวัง

ตัวอย่างการทำงาน

คลิกที่ " โหลดข้อมูลตัวอย่าง"ด้านบน จากนั้นคลิก "เรียกใช้การวิเคราะห์"เพื่อดูผลลัพธ์ที่สมบูรณ์พร้อมรูปภาพ สูตร และคำอธิบายสำหรับการทดสอบนี้

อ้างอิง

DerSimonian R, Laird N. การวิเคราะห์เชิงอภิมานในการทดลองทางคลินิก Control Clin Trials. 1986;7:177-188.

ตัวอย่างผลงาน

ตัวอย่างที่ 1 — การอ่าน I²

สมมติว่าค่า Cochran's Q = 4.1 ที่ระดับความเป็นอิสระ 3 (ไม่มีนัยสำคัญ) และ I² = 0% ผลการศึกษาเหล่านี้สอดคล้องกัน กล่าวคือ ความแปรปรวนเกือบทั้งหมดเกิดจากความคลาดเคลื่อนในการสุ่มตัวอย่าง ดังนั้นค่าประมาณแบบรวมโดยใช้แบบจำลองผลกระทบคงที่หรือแบบสุ่มจะมีความสอดคล้องกันอย่างใกล้เคียง และบทสรุปนั้นน่าเชื่อถือ

ตัวอย่างที่ 2 — ความแปรปรวนระหว่างการศึกษาที่สูง

สมมติว่า Q = 22.5 บนระดับความเป็นอิสระ 4 องศา โดยมี I² = 82% และค่า tau² ที่ค่อนข้างมาก การกระจายตัวส่วนใหญ่เกิดจากความแตกต่างที่แท้จริง ไม่ใช่ความบังเอิญ ตัวเลขรวมเพียงตัวเดียวจึงไม่มีความหมายมากนัก คุณควรสำรวจกลุ่มย่อยหรือทำการวิเคราะห์เมตาเรเกรสชันก่อนที่จะรายงานผลสรุปใดๆ

ข้อสมมติฐานที่ต้องตรวจสอบ

ใช้ ตัวชี้วัดผลกระทบเดียวกันในทุกการศึกษา Q, I² และ tau² คำนวณจากมาตรวัดผลกระทบเดียวกัน (เช่น อัตราส่วนลอการิทึมของอัตราต่อรอง หรือความแตกต่างของค่าเฉลี่ยมาตรฐาน) การผสมตัวชี้วัดโดยไม่แปลงค่าจะทำให้สถิติเหล่านั้นไม่มีความหมาย

จำนวนการศึกษาที่เหมาะสมหากมีการศึกษาเพียงไม่กี่ชิ้น ค่า tau² จะถูกประมาณอย่างไม่แม่นยำ และค่า I² จะมีความไม่แน่นอนสูง ควรพิจารณาค่าความแตกต่างจากงานวิจัยเพียงไม่กี่ชิ้นเป็นเพียงตัวบ่งชี้คร่าวๆ ไม่ใช่ข้อสรุปที่แน่ชัด

การประมาณค่าจากการศึกษาอิสระ การศึกษาแต่ละครั้งควรให้ผลลัพธ์ที่เป็นอิสระเพียงหนึ่งเดียว การประมาณค่าที่สัมพันธ์กันหลายครั้งจากกลุ่มตัวอย่างเดียวกันจะทำให้ความแม่นยำที่ปรากฏสูงเกินจริงและบิดเบือนค่า Q

ข้อผิดพลาดทั่วไป

การตีความค่า Q ที่ไม่สำคัญว่า “ไม่มีความแตกต่างกัน”

ค่า Q มีกำลังการทดสอบต่ำเมื่อมีจำนวนงานวิจัยน้อย ดังนั้นผลลัพธ์ที่ไม่สำคัญทางสถิติไม่ได้พิสูจน์ถึงความสม่ำเสมอ ควรรายงานค่า I² และ tau² ควบคู่ไปด้วย แทนที่จะพึ่งพาค่า p-value ของ Q เพียงอย่างเดียว

ถือว่าเกณฑ์ I² เป็นกฎที่ตายตัว

ช่วง 25/50/75% สำหรับระดับต่ำ/ปานกลาง/สูง เป็นเพียงแนวทางคร่าวๆ ไม่ใช่จุดตัดที่แน่นอน ค่า I² ที่ "ปานกลาง" ที่มีค่า tau² น้อย อาจไม่มีความสำคัญ ในขณะที่ค่า I² เดียวกันแต่มีค่า tau² มาก อาจมีความสำคัญ

ไม่สนใจเทา² เพราะ I² ดูเล็ก

ค่า I² อาจดูต่ำได้เนื่องจากการศึกษาขนาดใหญ่และมีความแม่นยำสูง แม้ว่าผลกระทบที่แท้จริงจะแตกต่างกันไปก็ตาม ค่า tau² แสดงถึงความแปรปรวนในระดับผลกระทบและไม่ควรละเลย

หยุดอยู่ที่ตัวเลข

สถิติความแตกต่างหลากหลายอธิบายถึงความแปรผัน แต่ไม่ได้อธิบายถึงสาเหตุของความแปรผันนั้น ค่าที่สูงเป็นสัญญาณเตือนให้ตรวจสอบความแตกต่างทางคลินิกและวิธีการวิจัย ไม่ใช่ผลลัพธ์ที่สามารถรายงานแล้วจบไปได้

คำถามที่พบบ่อย (FAQs)

I² กับ tau² ต่างกันอย่างไร?

I² คือสัดส่วนของความแปรปรวนทั้งหมดที่เกิดจากความแตกต่างกัน โดยแสดงเป็นเปอร์เซ็นต์ และ tau² คือค่าประมาณความแปรปรวนของผลกระทบที่แท้จริงในมาตราส่วนผลกระทบดั้งเดิม

ค่า I² สามารถเป็น 0% ได้หรือไม่?

ใช่แล้ว ค่า I² เท่ากับ 0% หมายความว่าความแปรปรวนที่สังเกตได้นั้นไม่เกินกว่าที่คาดการณ์ไว้จากความคลาดเคลื่อนในการสุ่มตัวอย่างเพียงอย่างเดียว ซึ่งการศึกษาเหล่านี้มีความสอดคล้องกันทางสถิติ

เหตุใดค่า I² จึงขึ้นอยู่กับขนาดของการศึกษา?

การศึกษาขนาดใหญ่จะมีข้อผิดพลาดในการสุ่มตัวอย่างน้อยกว่า ดังนั้นปริมาณความแปรปรวนที่แท้จริงที่คงที่จึงคิดเป็นสัดส่วนที่มากขึ้นของทั้งหมด ซึ่งทำให้ค่า I² เพิ่มขึ้นแม้ว่าค่า tau² จะไม่เปลี่ยนแปลงก็ตาม

ผลลัพธ์ตรงกับ R และ Stata หรือไม่?

Yes. I² and tau² are derived from Cochran’s Q with the standard DerSimonian-Laird estimator. The calculator displays Cochran’s Q with its degrees of freedom and p-value, I² and tau²; the R command (metagen in the meta package, with method.tau = “DL”) prints the same values.

เครื่องคำนวณที่เกี่ยวข้อง

การวิเคราะห์เมตาและการสร้างแผนภูมิฟอเรสต์อคติการตีพิมพ์ขนาดเอฟเฟกต์ตัวแปลงขนาดเอฟเฟกต์ช่วงความเชื่อมั่น ฉันควรใช้การทดสอบใด?

อ้างอิง

ฮิกกินส์ เจพีที, ทอมป์สัน เอสจี. การหาปริมาณความแตกต่างหลากหลายในงานวิเคราะห์เมตา สแตทเมด. 2002;21(11):1539–1558. PMID 12111919
ฮิกกินส์ เจพีที, ทอมป์สัน เอสจี, ดีคส์ เจเจ, อัลท์แมน ดีจี การวัดความไม่สอดคล้องกันในการวิเคราะห์เมตา BMJ. 2003;327(7414):557–560. PMID 12958120
DerSimonian R, Laird N. การวิเคราะห์เมตาในการทดลองทางคลินิก การทดลองทางคลินิกควบคุม. 1986;7(3):177–188.

ต้องการให้วิเคราะห์ข้อมูลนี้สำหรับต้นฉบับของคุณหรือไม่?

นักสถิติชีวภาพระดับปริญญาเอกของเราจะดำเนินการวิเคราะห์เมตาแบบเต็มรูปแบบให้คุณ ตั้งแต่การประเมินความแตกต่าง การวิเคราะห์กลุ่มย่อยและการวิเคราะห์เมตาแบบถดถอย ไปจนถึงแผนภูมิฟอเรสต์ที่พร้อมสำหรับการตีพิมพ์ พร้อมเอาต์พุต R ที่ทำซ้ำได้

รับความช่วยเหลือด้านสถิติจากผู้เชี่ยวชาญ