شناسایی سوگیری انتشار در متاآنالیز پیامدهای متوالی (continuous)

Identifying publication bias in meta-analyses of continuous outcomesتست ایگر (Egger) معمولاً برای ارزیابی وجود بالقوه سوگیری انتشار در یک متاآنالیز از طریق عدم تقارن نمودار قیفی (funnel plot asymmetry) استفاده می‌شود (تست ایگر یک رگرسیون خطی از تخمین‌های اثر مداخله بر روی خطاهای استاندارد است که با واریانس معکوس آنها وزن می‌شود). عملکرد این تست و تست‌های مرتبط به طور گسترده برای پیامدهای باینری (binary) مورد مطالعه قرار گرفته است، اما نه برای پیامدهای متوالی (continuous). پیامدهای متوالی مقایسه‌ای معمولاً در مقیاس تفاوت مطلق (میانگین) اندازه‌گیری می‌شوند، و اینکه بزرگی اثر با پاسخ در بازوی کنترل مرتبط باشد (یعنی خطر پایه) غیر-معمول نیست. در این مورد، نمودارهای انباشت (funnel plots ) می‌توانند بسیار نامتقارن به نظر برسند، حتی زمانی که سوگیری انتشار وجود نداشته باشد، زیرا بین پیامد و اندازه اثرگذاری و خطای استاندارد آن همبستگی وجود دارد. از طریق استفاده از مجموعه‌ای انگیزشی از متاآنالیزهای آنالژزیک‌های پس از جراحی و مطالعات شبیهسازی، ما نشان خواهیم داد که تست ایگر به طور بالقوه برای پیامدهای متوالی گمراه‌کننده است و تستی که باقی‌مانده‌های یک مدل متارگرسیون، از جمله خطر پایه به‌عنوان یک متغیر کمکی در سطح مطالعه، را در برابر حجم نمونه معکوس رگرسیون می‌کند، ویژگی‌های آماری بهتری دارد.

این ویدئوها، که در اصل بخشی از مجموعه وبینارهای آموزش زنده کاکرین هستند، به نویسندگان مرور، ویراستاران و آماریست‌هایی که علاقه‌مند به برخورد با سوگیری در متاآنالیز هستند، بسیار مرتبط است. اگرچه مقداری محتوای آماری وجود دارد، در صورت امکان مفاهیم به صورت بصری توضیح داده می‌شوند و بسیاری از مطالب در دسترس هستند.

این وبینار در تیرماه ۱۳۹۹ (جولای ۲۰۲۰) برگزار شد. در زیر ویدئوهای وبینار را به همراه اسلایدهای مربوطه برای دانلود [PDF] خواهید دید.

 

بخش ۱: مقدمه‌ای بر سوگیری انتشار

قسمت ۲: مثال: درد پس از جراحی

بخش ۳: مطالعه شبیه‌سازی، محدودیتها و نتیجهگیری‌ها

بخش ۴: پرسش و پاسخ


بیوگرافی ارائه دهندگان

سوزان فریمن (Suzanne Freeman)، پژوهشگر NIHR و عضو واحد پشتیبانی مرورهای پیچیده NIHR است. علایق تحقیقاتی او شامل متاآنالیز شبکه‌ای، متاآنالیز داده‌های فردی شرکت‌کنندگان، سنتز پیامدهای زمان-تا-رویداد و پیامدهای پیوسته و متاآنالیز دقت تست تشخیصی است.

 

الکس ساتون (Alex Sutton)، علاقه زیادی به روش‌شناسی (methodology) برای سنتز شواهد داشته و روی توسعه روش‌هایی برای سوگیری انتشار، متاآنالیز دقت تست تشخیصی و متاآنالیز شبکه‌ای کار کرده است. او در حال حاضر به طور خاص به روش‌های ارتباط تصویری اطلاعات و کاربرد آن در روش‌های سنتز علاقه دارد.


بخش ۱: مقدمه‌ای بر سوگیری انتشار


بخش ۲: مثال: درد پس از جراحی


بخش ۳: مطالعه شبیه‌سازی، محدودیتها و نتیجهگیری‌ها


بخش ۴: پرسش و پاسخ


مطالعه بیشتر

اسلایدهای وبینار را دانلود کنید [PDF]


دوشنبه ۳ بهمن‌ماه ۱۴۰۱