Kísérleti és megfigyelési eredmények metaelemzése

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Események formális leírása, műveletek
4. Két összetartozó minta összehasonlítása
I. előadás.
Programcsomag fejlesztése "multiplex microbead assay" eredmények kiértékelésére •Soft Flow Hungary Kft. •7628 Pécs, Kedves u. 24 Lustyik György
Statisztika I. VI. Dr. Szalka Éva, Ph.D..
Összetett kísérleti tervek és kiértékelésük
3. Két független minta összehasonlítása
Rangszám statisztikák
A többszörös összehasonlítás gondolatmenete. Több mint két statisztikai döntés egy vizsgálatban? Mi történik az elsõ fajú hibával, ha két teljesen független.
Földrajzi összefüggések elemzése
Általános statisztika II.
Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék STATISZTIKA I. 11. Előadás.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
Szűrés és konvolúció Vámossy Zoltán 2004
III. Sz. Belgyógyászati Klinika
Többdimenziós skálázás (7. fejezet). Alapgondolat Feltáró elemzés A skálázással az adatok közötti különbségeket vizsgáljuk, illetve vetítjük le őket kevesebb.
HOGYAN OLVASSUNK KRITIKUSAN ORVOSI FOLYÓIRATOKBAN MEGJELENT CIKKEKET?
Hipotézisvizsgálat (1. rész) Kontingencia táblák
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
dr. Koós Tamás szeptember 18. Budapest
Statisztika.
Kvantitatív Módszerek
OECD GUIDELINE FOR THE TESTING OF CHEMICALS Soil Microorganisms: Carbon Transformation Test OECD ÚTMUTATÓ VEGYI ANYAGOK TESZTELÉSÉRE Talaj Mikroorganizmusok:
Hipotézis vizsgálat (2)
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Többváltozós adatelemzés
Többváltozós adatelemzés
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Lineáris regresszió.
Adatleírás.
Paleobiológiai módszerek és modellek 4. hét
Minőségbiztosítás II_5. előadás
I. előadás.
Statisztikai alapfogalmak
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
A szóráselemzés gondolatmenete
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Fehérjehálózat “skálafüggetlen” Jeong et al, Nature (2001)
Összetett kísérleti tervek és kiértékelésük Többszempontos varianciaanalízis-modellek (keresztosztályozások, blokkelrendezések)
Renális szövődményben szenvedő cukorbetegek vércukor-önellenőrzésének jelentősége Prof. Dr. Jermendy György tudományos igazgató Bajcsy-Zsilinszky Kórház,
Kontinuum modellek 1.  Bevezetés a kontinuum modellekbe  Numerikus számolás alapjai.
„R” helyett „Q”? – Új lehetőségek a faktoranalízis alkalmazásában
A számítógépes elemzés alapjai
Dr. gribovszki zoltán egyetemi tanár
C_16.00 táblák Magyar Nemzeti Bank Kulics Nikolett április 27.
Szóródási mérőszámok, alakmutatók, helyzetmutatók
Becsléselmélet - Konzultáció
Adatelemzési gyakorlatok
I. Előadás bgk. uni-obuda
Tartalomelemzés & más beavatkozás-mentes módszerek
Statisztikai folyamatszabályozás (a diasort készítette Kotsis Ágnes)
Tartalomelemzés & más beavatkozás-mentes módszerek
dr. Jeney László egyetemi adjunktus Regionális elemzések módszerei
Adatsorok típusai, jellegadó értékei
5. előadás.
Gazdaságinformatikus MSc
A leíró statisztikák alapelemei
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Rangsoroláson és pontozáson alapuló komplex mutatók
Megfigyelés és kísérlet
Folyóiratok minősége– JCR Journal Citation Reports
Mérési skálák, adatsorok típusai
Előadás másolata:

Kísérleti és megfigyelési eredmények metaelemzése

Mi a metalemezés? Korábbi elemzések együttes elemzése Amikor megoldás lehet: az egyedi elemzések nem elegendő mintanagyságúak nem elég átfogóak Ami a nehézséget jelenti: különböző változók különböző elemzési módszerek különböző összetételű minták

A nehézségek áthidalása Hatásnagyság (effect size) mérése a különböző változók helyett (pl. standardizálással) Összesített hatás (mint új változó) kiszámítása: általában a hatásnagyságok mintánként súlyozott összegzése, ahol a súlyt az egyes vizsgálatok (minták) megbízhatósága alapján kell meghatározni (a metaelemzésnél meghatározott megbízhatósági szint alatt a súly nulla). Lehetséges súlyozási módszerek (pl.): a mintaátlagok különbségének konfidenciaintervallum-terjedelmének inverze. Pl.: Tfh. két mintánk van, az egyikben a standarizált átlagok különbsége 0,40, a 95%-os konfidencia intervallum terjedelme pedig 0,60, a másikban a különbség 0,80, a terjedelem 1,20, akkor az összesített hatás: (0,4/0,6 + 0,8/1,2)/(1/0,6 + 1/1,2) = 0,53. a mintanagyságok más, releváns szempontok vagy ezek kombinációi

Fasor-ábra (forest plot) Az ábra forrása a Wikipedia (Forest plot címszó)

Bonyolultabb fasor-ábra, kilógó esetekkel Ellentétes hatást mutató kísérletek Az ábra forrása Wykes et al 2008 (http://keithsneuroblog.blogspot.hu)

A Jadad skála Szekunder források megítéléséhez kidolgozott, a (klinikai) kísérletekről született publikációk megítélését szolgáló ellenőrző lista.. J.A.M.A.; 282: 1054-60. 5 fokozatú skála: 0 = rossz, 5 = jó Az ellenőrző-lista: 1. Szerepel-e a leírásban, hogy randomizált volt a kísérlet? (+1 pont) 2. Leírják-e, milyen módszerrel randomizáltak, és az megfelelő-e? (+1 pont) 3. Kétszeresen vaknak írják-e le a kísérletet? (+1 pont) 4. Leírják-e, milyen módszerrel biztosították a kétszeresen vak kísérletet, és az megfelelő-e? (+1 pont) 5. Leírják-e, hogy volt-e visszalépés vagy kizárás (és milyen)? (+1 pont) 6. Ha a randomizálási módszer le van írva, és nem megfelelő (-1 pont) 7. Ha kétszeresen vaknak írják le a kísérletet, de a leírt módszer nem megfelelő (-1 pont) Források: Jadad AR, Moore RA, Carroll D, et al. (1996): Assessing the quality of reports of randomized clinical trials: is blinding necessary? Controlled Clin. Trials; 17: 1-12. Jüni P, Witschi A, Bloch R, Egger M. (1999): The hazards of scoring the quality of clinical trials for meta-analysis