荟萃分析

文献检索

荟萃分析研究发现冲突时通常进行观察。特定的研究问题在调查中可以通过人口,陷害干预(或风险),比较,或结果。为了确保彻底性,系统执行搜索相关研究。计算机数据库辅助这个步骤,尤其是在随机对照试验的荟萃分析(相关;研究测试的临床干预措施的有效性通过随机分配个人治疗或控制团体)。一个全面的搜索包括多个数据库,最近的评论文章和荟萃分析的参考列表,和接触专家发现未发表的结果。由于复杂的书目检索所需的特定的知识和技能和验证的信息,科学图书馆员通常要求导致搜索过程。科学图书馆员在收集健康信息起到了特别重要的作用的研究。

数据收集

荟萃分析的下一步是收集的数据收集研究。搜索相关数据需要显式的、科学有效的包容和排斥标准。常用的标准包括时间(e。g,时间覆盖在审查),感兴趣的变量和它们的操作定义,研究质量和出版语言。

为了减少偏见在数据抽象,研究者可能盲数据摘录者的身份杂志或结果。然而,致盲是难以实现的,耗时的,可能不会大幅改变的结果。在一个替代方法,多个萃取器可能评估数据。

评估的证据

报告的发表偏倚,倾向于发布研究结果(或不)基于偏见调查员或编辑水平(例如,未能发布研究结果证明消极结果),是一个荟萃分析的主要问题。这种偏见可以力量或相关含义的结果,作者的母语性或出版的国家。

大英百科全书yabo亚博网站首页手机的溢价订阅和获得独家内容。

现在就订阅

各种方法已经开发解决发表偏倚。漏斗图,例如,是一种散点图与样本大小的估计一个轴和效应值估计。漏斗图是用来评估基于统计原理的发表偏倚抽样误差减少随着样本容量的增加。其他的统计测试可以帮助评估偏离对称,虽然他们是有争议的因为他们倾向于第一类错误(假阳性)。一个更健壮的方法包括一个全面的搜索和评估贡献发表偏倚的组件。

当研究组合在一个荟萃分析异构,总结影响的解释可能是困难的。统计方法已经开发协助确定异质性的来源和性质。异质性是否很重要,然而,需要判断超出统计数据。

定量合成的证据

如果研究确定了适合定量合成、固定后果或随机模型可用于一个荟萃分析,根据异质性的存在与否。固定后果模型适用于情况假定每个研究结果估计一个常见(但未知)合用的效果。随机模型假定每个研究结果估计自己的(未知的)效果,有人口分布(平均值和某种程度的可变性)。因此,随机模型,within-study变异性之间的允许。尽管如此,即使使用随机模型,总结估计来自异构研究必须小心解释。

贝叶斯分析,允许数据和模型本身是随机的参数,也可以使用。贝叶斯方法进一步允许包含相关信息的外部的荟萃分析的考虑,允许不同的临床结果的效用。由于后者,在流行病学研究中,贝叶斯方法促进荟萃分析的扩展决策过程。累积荟萃分析的过程是执行一个新的(或更新)荟萃分析结果可用。