یک پرسش کلیدی در متاآنالیز این است که، به طور قابل اعتماد ارزیابی شود که آیا اثرات درمان در زیرگروه‌های مختلف شرکت‌کننده متفاوت است (به اصطلاح اثر متقابل (interaction)). به‌علاوه، تخمین اثرات زیرگروهی (اثر یک درمان در زیرگروه‌های متغیر کمکی (covariate) خاص)، اطلاعات کلیدی برای تصمیم‌گیری بالینی برای هدف‌گیری مناسب درمان‌ها است - که تخمین اثر متقابل، به تنهایی ارائه نمی‌کند.

در این وبینار آموزش زنده کاکرین، چارچوب جدیدی برای تخمین تعاملات و اثرات زیرگروهی در متاآنالیز داده‌های تجمیعی ارائه شد. ارائه‌دهنده مراحل مربوطه را تشریح کرد و روش‌ها را در دو مثال برگرفته از متاآنالیزهای منتشر شده، که در آن داده‌های تجمیعی دقیق در دسترس بود، اعمال کرد.

گروه هدف این وبینار، کسانی بودند که کمی دانش آماری داشتند، اما نه لزوماً فقط آماردانان. این شامل نویسندگان مروری می‌شود که در نظر دارند آنالیز زیرگروهی را در مرور خود انجام دهند یا قبلاً آن را انجام داده‌اند. مفاهیم آماری پوشش داده شد، اما تنها محور گفتگو نبود.

محتوای وبینار بر اساس مقاله زیر با دسترسی آزاد است:

Godolphin, PJ, White, IR, Tierney, JF, Fisher, DJ. Estimating interactions and subgroup-specific treatment effects in meta-analysis without aggregation bias: A within-trial framework. Res Syn Meth. 2023; 14(1): 68-78. doi:10.1002/jrsm.1590

این جلسه در دی ۱۴۰۳ (January 2024) برگزار شد و در زیر ویدئوهای وبینار را به همراه اسلایدهای آن برای دانلود [PDF] خواهید دید.

بخش 1: ارائه

بخش ۲: پرسش و پاسخ

بیوگرافی ارائه‌دهنده

دکتر پیتر گودولفین (Dr Peter Godolphin) آماردانی است که هم روی پروژه‌های کاربردی متاآنالیز و هم در روش‌شناسی متاآنالیز کار می‌کند. او متاآنالیزها را عمدتاً در COVID-19 و سرطان پیشرفته پروستات، با استفاده از داده‌های تجمیعی و داده‌های فردی شرکت‌کنندگان انجام داده است و تمرکز اصلی روش‌شناختی او روش‌های آماری برای تعاملات (آنالیز زیرگروهی) است.

بخش 1: ارائه

بخش ۲: پرسش و پاسخ

مطالب بیشتر

دانلود اسلایدهای وبینار  [PDF]

تخمین تعاملات و اثرات درمانی زیرگروه خاص در متاآنالیز بدون سؤگیری تجمیع (aggregation bias)

بسته Stata  برای تخمین تعاملات کمکی و اثرات درمانی زیرگروه خاص در متاآنالیز