Libreng Calculator ng Editverse
Kalkulador ng Heterogeneidad (I² at tau²)
Ilagay ang epekto ng bawat pag-aaral at ang 95% confidence interval upang makuha ang Cochran's Q kasama ang mga degree of freedom at p-value nito, ang I² at ang DerSimonian-Laird tau², kasama ang pooled estimate, isang forest plot at ang R command sa likod ng resulta. Binabago lamang ng fixed-effect option ang pooling weights; ang Q, I² at tau² ay iniuulat sa ilalim ng alinmang modelo. Ang isang kumpletong gabay sa interpretasyon ay nasa ibaba. Na-validate laban sa R 4.3.3.
Sa Simpleng Salita
Kapag pinagsama-sama mo ang mga pag-aaral sa isang meta-analysis , ang kanilang mga resulta ay hindi kailanman perpektong tumutugma. Sinusukat ng heterogeneity kung gaano karami sa scatter na iyon ang sumasalamin sa mga totoong pagkakaiba sa pinagbabatayang epekto sa halip na nagkataon. Sinusubukan ng Cochran's Q kung mayroong anumang heterogeneity; ipinapahayag ito ng I² bilang isang porsyento ng kabuuang pagkakaiba-iba; tinatantya ng tau² ang aktwal na pagkakaiba-iba sa pagitan ng pag-aaral sa effect scale.
Ang tatlong numerong ito ay sumasagot sa iba't ibang tanong. Ang Q ay nagbibigay ng hudyat na oo/hindi ngunit lubos na nakadepende sa bilang ng mga pag-aaral. Ang I² ay madaling ihambing sa iba't ibang pagsusuri ngunit walang sinasabi tungkol sa ganap na laki. Kinukuha ng tau² ang tunay na pagkalat ng mga tunay na epekto at direktang ipinapasok sa isang random-effects model. Ang pagbabasa ng mga ito nang magkakasama ang siyang magsasabi sa iyo kung ang isang pinagsama-samang pagtatantya ay makabuluhan.
Kailan Gagamitin ang mga Istatistika ng Heterogeneity
Iulat ang heterogeneity tuwing pagsasamahin mo ang mga pag-aaral. Ang mababang I² na may non-significant Q ay sumusuporta sa isang pooled estimate; ang mataas na I² ay nagbabala na ang mga pag-aaral ay maaaring sumusukat ng tunay na magkakaibang epekto, at ang isang buod na numero ay maaaring makapanlinlang. Mahalaga ang tau² kapag umakma ka sa isang random-effects model, dahil tinutukoy nito kung gaano kalaki ang pagliit ng bawat pag-aaral patungo sa mean.
Gamitin ang mga estadistikang ito upang magpasya kung ano ang susunod na gagawin, hindi lamang upang ilarawan ang datos. Ang isang mataas na I² ay dapat mag-udyok ng pagsusuri ng subgroup o meta-regression upang mahanap ang pinagmumulan ng pagkakaiba-iba. Palaging ipares ang mga ito sa pooled effect size at sa confidence interval nito . Bumubuo ng buong pooled analysis? Gamitin ang aming meta-analysis calculator.
Inaasahang format: Mga Pag-aaral: Label, Effect, LowerCI, UpperCI (isa bawat linya)
Maglagay ng CSV dito o i-click para pumili. Na-parse sa iyong browser: walang na-upload.
Inaasahang format: Mga Pag-aaral: Label, Effect, LowerCI, UpperCI (isa bawat linya)
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 mula sa 95% CI, gaya ng ginagawa ng calculator m <- metagen(TE, seTE, studlab = studlab, sm = "SMD", common = {meta_common}, random = {meta_random}, method.tau = "DL") summary(m) # pooled effect, Cochran's Q, I2, tau2gabay sa paggamit
Kailan gagamitin. Mga laki ng epekto ng pool sa iba't ibang pag-aaral at sukatin ang heterogeneity (I-squared).
Mga Pagpapalagay. Ang mga pag-aaral ay sapat na maihahambing sa klinikal at metodolohiya upang pagsamahin.
Mga karaniwang pagkakamali. Ang mataas na I-squared (>75%) ay nagpapahiwatig ng malaking heterogeneity: bigyang-kahulugan nang maingat ang pinagsama-samang pagtatantya.
Nagtrabahong halimbawa
I-click ang Mag-load ng halimbawang datos sa itaas, pagkatapos ay ang Run Analysis upang makita ang ganap na resulta na may pigura, pormula, at interpretasyon para sa pagsusulit na ito.
Mga sanggunian
- DerSimonian R, Laird N. Meta-analysis sa mga klinikal na pagsubok. Mga Pagsubok sa Control Clin. 1986;7:177-188.
Mga Nagtrabahong Halimbawa
Halimbawa 1 — Pagbasa ng I²
Ipagpalagay na ang Cochran's Q = 4.1 sa 3 degrees of freedom (hindi makabuluhan) at ang I² = 0%. Ang mga pag-aaral ay pare-pareho: halos lahat ng baryasyon ay sampling error, kaya ang isang fixed- o random-effects pooled estimate ay magkakatugma nang husto at ang buod ay mapagkakatiwalaan.
Halimbawa 2 — Mataas na pagkakaiba-iba sa pagitan ng pag-aaral
Ngayon, ipagpalagay na ang Q = 22.5 sa 4 na digri ng kalayaan na may I² = 82% at isang malaking tau². Karamihan sa scatter ay totoong heterogeneity, hindi nagkataon. Ang isang pooled number ay walang gaanong kahulugan dito — susuriin mo muna ang mga subgroup o meta-regression bago iulat ang anumang summary effect.
Mga Pagpapalagay na Susuriin
Ang parehong sukatan ng epekto sa iba't ibang pag-aaral. Ang Q, I², at tau² ay kinukwenta sa iisang sukatan ng epekto (halimbawa, log odds ratios o standardized mean differences). Ang paghahalo ng mga sukatan nang walang conversion ay ginagawang walang kabuluhan ang mga istatistika.
Makatwirang bilang ng mga pag-aaral. Dahil sa kakaunti lamang na pag-aaral, ang tau² ay tinatantya nang hindi tumpak at ang I² ay may malawak na kawalan ng katiyakan. Ituring ang mga halaga ng heterogeneity mula sa ilang pag-aaral bilang mga magaspang na tagapagpahiwatig, hindi mga matibay na konklusyon.
Mga pagtatantya ng malayang pag-aaral. Ang bawat pag-aaral ay dapat mag-ambag ng isang malayang epekto. Ang maraming magkakaugnay na pagtatantya mula sa parehong sample ay nagpapalaki sa maliwanag na katumpakan at nagpapabago sa Q.
Karaniwang Pagkakamali
Pagbasa ng isang hindi makabuluhang Q bilang "walang heterogeneity"
Mababa ang power ng Q kapag kakaunti ang mga pag-aaral, kaya ang isang hindi makabuluhang resulta ay hindi nagpapatunay ng homogeneity. Iulat ang I² at tau² kasama nito sa halip na umasa lamang sa Q p-value.
Pagtrato sa mga I² threshold bilang mahigpit na mga patakaran
Ang 25/50/75% na banda para sa mababa/katamtaman/mataas ay mga gabay lamang, hindi mga cut-off. Ang isang "katamtaman" na I² na may maliit na tau² ay maaaring hindi mahalaga, habang ang parehong I² na may malaking tau² ay mahalaga.
Hindi pinapansin ang tau² dahil mukhang maliit ang I²
Maaaring magmukhang mababa ang I² dahil lamang sa malalaki at tumpak ang mga pag-aaral, kahit na iba-iba ang mga tunay na epekto. Iniuulat ng tau² na may ganitong pagkakaiba-iba sa iskala ng epekto at hindi dapat palampasin.
Huminto sa mga numero
Inilalarawan ng mga istatistika ng heterogeneity ang baryasyon ngunit hindi ito ipinapaliwanag. Ang isang mataas na halaga ay isang prompt upang siyasatin ang mga klinikal at metodolohikal na pagkakaiba, hindi isang resulta upang iulat at magpatuloy.
Mga Madalas Itanong
Ano ang pagkakaiba ng I² at tau²?
Ang I² ay ang proporsyon ng kabuuang baryasyon dahil sa heterogeneity, na ipinapahayag bilang isang porsyento; ang tau² ay ang tinantyang baryasyon ng mga tunay na epekto sa orihinal na iskala ng epekto.
Maaari bang maging 0% ang I²?
Oo. Ang I² na 0% ay nangangahulugan na ang naobserbahang pagkakaiba-iba ay hindi hihigit sa inaasahan mula sa sampling error lamang — ang mga pag-aaral ay istatistikal na pare-pareho.
Bakit nakadepende ang I² sa laki ng pag-aaral?
Ang mas malalaking pag-aaral ay may mas maliit na sampling error, kaya ang isang nakapirming dami ng tunay na baryasyon ay bumubuo ng mas malaking bahagi ng kabuuan — na nagpapataas ng I² kahit na ang tau² ay hindi nagbabago.
Tugma ba ang resulta sa R at Stata?
Oo. Ang I² at tau² ay hinango mula sa Cochran's Q gamit ang karaniwang DerSimonian-Laird estimator. Ipinapakita ng calculator ang Cochran's Q kasama ang mga degree of freedom at p-value nito, ang I² at tau²; ang utos na R (metagen sa meta package, na may method.tau = “DL”) ay nag-iimprenta ng parehong mga halaga.
Mga Kaugnay na Calculator
Mga sanggunian
- Higgins JPT, Thompson SG. Pagsusukat ng heterogeneity sa isang meta-analysis. Stat Med. 2002;21(11):1539–1558. PMID 12111919.
- Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Pagsukat ng hindi pagkakapare-pareho sa mga meta-analysis. BMJ. 2003;327(7414):557–560. PMID 12958120.
- DerSimonian R, Laird N. Meta-analysis sa mga klinikal na pagsubok. Kontrolin ang Mga Pagsubok sa Clin. 1986;7(3):177–188.
Kailangan Mo Bang Gawin ang Pagsusuring Ito para sa Iyong Manuskrito?
Ang aming mga PhD biostatistician ang namamahala sa iyong buong meta-analysis — heterogeneity assessment, subgroup at meta-regression analyses, at isang publication-ready forest plot na may reproducible R output.