انتخاب مطالعات برای انجام متا آنالیز، مدل تصادفی یا ثابت

در انجام مطالعات مرور سیستماتیک و متاآنالیز یکی از مراحل اولیه انتخاب مطالعات برای ورود به مطالعه و سپس تحلیل آن ها می باشد. 

نکته ی مهم در این رابطه این است که وقتی پس از اسکرین مقالات در نهایت به تعداد مشخصی از مقالات رسیدیم باید بررسی کنیم که آیا از نتایج این مقالات می توان برای متاآنالیز استفاده کرد و یا خیر؟ مشخصا برای انجام متاآنالیز باید به این نکته توجه کنیم که مطالاعات با همدیگر مشابه باشند در غیر این صورت نمی توان نتایج مطالعات را روی هم ریخت و به نتیجه برآیند رسید

در این مورد با ذکر یک مثال به بررسی موضوع می پردازم. اگر مقالات را به میوه های مختلف تشبیه کنیم و مثلا بخواهیم در مورد سیب اطلاعات جمع کنیم فقط باید سیب ها را جداکنیم و دیگر نمی توان میوه های دیگر را انتخاب کرد. این قسمت به مشابه بودن مقالات که لازمه ی انجام متاآنالیز است اشاره دارد. اما همین سیب ها ممکن است مثلا تفاوت هایی با هم داشته باشند مثلا رنگ های مختلف سیب مثل قرمز و زرد و سبز. رنگ های مختلف مشکلی ایجاد نمی کند چون شباهت اساسی بین این میوه ها وجود دارد یعنی همه سیب هستند حال ممکن است رنگ آن ها متفاوت باشد که اشکالی معمولا ایجاد نمی کند در مورد این تفاوت ها معمولا در متاآنلیز سراغ مدل های تصادفی به جای ثابت می رویم ویا از آنالیز های زیرگروهی استفاده می کنیم.

به همین جهت در متاآنالیز ها معمولا عنوان بسیار مشخص و دقیق است و در این مطالعات به یک سوال خاص پاسخ داده می شود. اگر نتوان مطالعات با چنین شباهتی پیدا کرد معمولا نمی توان متاآنالیز انجام داد و فقط سیستماتیک ریویو انجام می شود.

به مثال های زیر در مورد مطالعات بررسی کننده ی سطح ویتامین D توجه کنید:

1- تفاوت در نمونه گیری: یک نمونه گیری ممکن است فقط از مردان و یا زنان انجام شود ولی در مطالعه ی دیگر از هر دو گروه باشد یا مثلا در یک مطالعه نمونه گیری در افراد دارای ایدز صورت بگیرد و در مطالعه ی دیگر در افراد سالم

2- تفاوت در روش کار آزمایشگاهی یا کیت آزمایشگاهی 

3- تفاوت در محل انجام مطالعه از نظر جغرافیایی

3- تفاوت در گزارش شاخص نهایی در مقالات: مثلا یک مطالعه به صورت کیفی و دیگری به صورت کمی گزارش می کند و یا در این زمینه به تست های آماری متفاوت استفاده شده در مطالعات نیز می توان اشاره کرد

یک سوال و یا عنوان برای متاانالیز مربوط به این مطالعه به این صورت می تواند مطرح شود که: بررسی سطح ویتامین D به صورت کمی در بیماران مبتلا به سیروز کبدی در ایران

این عنوان زمانی قابل اجراست که مطالعات به تعداد کافی در این زمینه وجود داشته باشد اما در صورت عدم مطالعه ی کافی در این زمینه می توان از گروه های دیگر نیز استفاده کرد مثلا مطالعات کشور های محتلف را وارد کرد و سپس بر اساس کشور آنالیز زیرگروهی انجام داد در صورتی که این کار انجام شود امکان دارد بین نتایج مطالعات نا همگنی و یا هتروژنیتی بوجود آید و لذا در آنالیز مجبور شویم از مدل تصادفی استفاده کنیم

اولویت ما در متاآنالیز استفاده از مدل فیکس می باشد اما اگر بر اساس تست های آماری هتروژنیتی بین نتایج وجود داشت باید از مدل تصادفی استفاده کنیم.

تست های آماری بررسی سوگیری انتشار

در مورد نجوه ی تعیین سوگیری انتشار به کمک نمودار قیفی و تست آماری begg در پست های قبلی توصیحات مختصری داده شد

در این پست نیز به صورت مختصر در مورد تست آماری Egger توضیح داده می شود.

گفته می شود ارزش این تست بیش از تست begg است و بهتر است در حجم نمونه های پایین از این تست استفاده شود

به صورت مختصر در مورد تفسیر این تست می توان گفت که این تست یک مدل رگرسیونی را عنوان می کند که در آن اگر عرض از مبدا یا مقدار B0 صفر باشد سوگیری وجود ندارد

همچنین در صورتی که عرض از مبدا صفر نباشد به شرط ارزش احتمال معنادار و قرار نگرفتن صفر در دامنه ی اطمینان آن، نشان دهنده ی وجود سوگیری انتشار می باشد.

تست های آماری بررسی سوگیری انتشار

در پست های قبلی به موضوع وجود سوگیری انتشار در مطالعات متاآنالیز پرداختیم. در این رابطه توضیح داده شد که سوگیری انتشار را می توان با استفاده از نمودار قیفی یا Funnel Plot بررسی کرد. این سوگیری همچنین با استفاده از تست های آماری نیز قابل بررسی است. 

 آزمون آماری و نمودار Begg

نام کامل آزمون: Begg and Manzumdar adjusted rank correlation

کار این آزمون: گزارش ضریب همبستگی نان پارامتریک kendall tau بین شاخص استاندارد مورد نظر و خطای معیار مربوط به شاخص در هر مطالعه با این توضیح که مثبت بودن این ضریب ارتباط مستقیم میان شاخص مورد نظر و خطای معیار را نشان می دهد.

عدم وجود سوگیری انتشار= متقارن بودن نمودار قیفی= ضریب همبستگی صفر و ارزش احتمال غیر معنی دار

هر چه ضریب از صفر فاصله بگیرد سوگیری انتشار بیشتر را نشان می دهد.

از آنجایی که معمولا تعداد مطالعات متا آنالیز کم می باشد و آزمون Kendall  نیز نان پارامتریک می باشد و توان آن در نشان دادن معنی دار ی کم می باشد اگر تست معنی دار شد یعنی سوگیری وجود دارد ولی اگر معنی دار نشد نمی توان گفت سوگیری وجود نداشته است لذا سطح معنی داری را برابر با 0.1 می گیرند به جای 0.5

بررسی سوگیری انتشار در مطالعات متا آنالیز

سو گیری انتشار نیز همانند هتروژنیتی هم با نمودار و هم با آزمون های آماری قابل بررسی است.

نمودار قیفی یا Funnel Plot

ویژگی های نمودار:

 

1-    محور افقی : شاخص مورد نظر

2-   محور عمودی نشان دهنده ی حجم نمونه یا دقت مطالعه می باشد (SE) خطای معیار روی این محور از بالا به پایین افزایش می یابد (با توجه به شکل)

3-  مطالعه با دقت بالاتر در بالای قیف و مطالعه با دقت پایین تر در پایین قیف قرار می گیرند.

 

 

ادامه نوشته

نمودار Labbe

از نمودار های دیگری که برای بررسی هتروژنیتی در متا آنالیز استفاده می شود، نمودار LAbbe می باشد که در این قسمت به بررسی این نمودار می پردازیم و ویژگی ها و خصوصیات آن را بررسی می کنیم. 

1-    محور افقی: فراوانی وقوع پیامد در گروه کنترل

2-   محور عمودی: فراوانی وقوع پیامد در گروه مداخله

3-  مقادیر مربوط به هر مطالعه به شکل دایره نشان داده می شود.

4-   مساحت دوایر متناسب با وزن هر مطالعه می باشد.

 

ادامه نوشته

تعیین ناهمگونی بین نتایج مطالاعات وارد شده در یک متا آنالیز

از نمودار های دیگری که برای بررسی هتروژنیتی در متا آنالیز استفاده می شود، نمودار Galbraith می باشد که در این قسمت به بررسی این نمودار می پردازیم

1-    نام دیگر: Radial Plot

2-   ابداع در سال 1988

3-  محور افقی نمودار: نسبت عکس خطای معیار می باشد (1/SE)

4-   محور عمودی: نسبت شاخص مورد مطالعه بر خطای معیار (b/SE) که همان شاخص استاندارد شده (Z-Score) می باشد.

 

ادامه نوشته

تعیین ناهمگونی بین نتایج مطالاعات وارد شده در یک متا آنالیز

تا به اینجا در مورد دو تست مهم برای تشخیص هتروژنیتی (Chi-Squared and Tau Squared) بین نتایج مطالعات وارد شده در یک متا آنالیز صحبت کرده ایم در موزد Chi-squared اشاره کردیم که در موارد حجم نمونه ی پایین  (تعداد پایین مطالعات) فدرت آن کم می باشد و معمولا در چنین مواردی سطح معنی داری را 0.1 در نظر می گیرند.  Tau-squaed نبز به نتایج مطالعات و دامنه ی اطمینان آنها وابسته است و واریانس بین مطالعات را بررسی می کند..

اما اگر بخواهیم میزان هتروژنیتی بین مطالعات را به صورت آماری مشخص کنیم می توانیم از شاخص I-squared استفاده نماییم.این شاخص، عددی بین صفر تا صد را می پذیرد و هر چه عدد بیشتر باشد نشان از تفاوت بیشتر بین مطالعات دارد. همچیین ارزش احتمال (P value) آن نیز قابل بررسی است. 

در پست های بعدی راجع به شاخص ها ی گرافیکی کمک کننده در تعیین هترژنیتی بحث خواهد شد. در حال حاضر می توانید به مطالعات متاآنالیز موجود مراجعه کنید و کاربرد این تست ها را مورد بررسی قرار دهید. 

ُسایر آزمون های مشخص کننده های هتروژنیتی در مطالعات متاآنالیز

از مبحث مربوط به تشخیص هتروژنیتی، آزمون CHI²  در پستهای قبلی صبحبت شد.

از سایر آزمون های هایی که در تشخیص هتروژنیتی و یا ناهمگی میان نتایج مطالعات وارد شده در متاآنالیز به ما کمک می کند آزمون Tau ² می باشد. 

دو واریانس در متا آنالیز قابل بررسی است. یکی مربوط به درون مطالعات (within studies) است و دیگری مربوط به بین مطالعات (Between Studies). اولی ناشی از تفاوت بین داده های هر مطالعه و دومی مربوط به تفاوت در نتایج مطالعات می باشد.

این آزمون واریانس بین مطالعات را بررسی می کند. به صورت کلی می توان گفت هر چه نتایج مطالعات به یکدیگر نزدیکتر باشند و دامنه ی اطمینان مربوط به نتیجه ی هر مطالعه بزرگتر باشد (به صورتی که باعث همپوشانی با مطالعات دیگر شود ) مقدار این آزمون کوچکتر شده و نشان از کمتر بودن هتروژنیتی دارد. اما هرچه نتایج مطالعات مختلف متفاوت تر باشد و دامنه ی اطمینان آن ها نیز کوچک تر باشد (به صورتی که با دامنه ی اطمینان سایر مطالعات هم پوشانی نداشته باشد) در نتیجه مقدار آزمون بزرگتر و واریانس بین مطالعات بزرگتر می باشد.

تا به حال دو مورد از آزمون های بررسی کننده ی هتروژنیتی بین نتایح مطالعات وارد شده در متاآنالیز، آزمون های CHI² و Tau²، مورد بررسی قرار گرفته اند در پست های بعدی در مورد شاخص I² بحث می شود.

تعیین ناهمگونی بین نتایج مطالعات وارد شده در یک متا آنالیز

شاید جز اولین آنالیز هایی که در یک مطالعه متاآنالیز انجام می شود تعیین هتروژنیتی و یا ناهمگونی بین نتایج مطالعات باشد که بعد بر اساس آن ادامه ی آنالیز، یعنی استفاده از مدل تصادفی یا ثابت انجام می شود.

ناهمگونی در مطالعات را به دو صورت می توان بررسی کرد

1-    آزمون های آماری شامل

الف- آزمون مجذور کای (Chi²)   (X²)

ب- آزمون (Tau²) (t²)

پ- آزمون (I²)

2-   نمودار ها شامل

الف- Forest Plot

ب- Galbraith

پ- Labbe

ادامه نوشته