New in

Мета-аналіз поширеності

Ви запитували, ми слухали! Мета-пакет тепер підтримує мета-аналіз (МА) однієї пропорції або поширеності. Підтримуються різні типи розмірів ефекту, довірчих інтервалів та зворотних перетворень. Підтримуються всі стандартні функції мета-аналізу, такі як лісові графіки та аналіз підгруп.

Основні моменти

    • Розмір ефекту

      • Перетворена пропорція Фрімана-Тьюкі

      • Логіт-перетворена пропорція

      • Сира (неперетворена) пропорція

    • П’ять типів довірчих інтервалів дослідження

    • Кілька методів зворотного перетворення результатів у пропорції

    • Масштабовані пропорції

    • Повна підтримка Особливості метааналізу

Традиційний ОВ має справу з бінарними або безперервними даними з двох вибірок, де результат, що нас цікавить, вимірюється у двох групах, які зазвичай називають досліджуваною та контрольною групами. Наприклад, в ОУ можна порівняти ризик захворіти на хворобу (бінарний результат) у двох групах: вакцинованих і невакцинованих. Або, можливо, ми хочемо порівняти втрату ваги (безперервний результат) між двома групами суб’єктів, які дотримувалися різних дієт, скажімо, кето- та інтервального голодування.

Однак така ситуація з двома групами не завжди присутня в ОУ. Наприклад, Організація Об’єднаних Націй може проводити ОУ для оцінки поширеності певної хвороби в різних країнах, щоб розподілити належні ресурси для боротьби з нею. Або Департамент освіти проводить ОО, щоб оцінити відсоток учнів, які кидають школу, і використовує його результати для формування бюджету на освіту в середніх школах. В обох прикладах ми маємо одновибіркові бінарні дані, в яких суб’єкти належать до однієї групи, і нас цікавить частка осіб, які пережили певну подію (захворіли на хворобу в першому прикладі і кинули школу в другому). У цьому випадку в ОУ зазвичай використовуються такі розміри ефекту, як пропорції, перетворені за Фріманом-Тьюкі, або пропорції, перетворені за логітовим критерієм.

Приклад набору даних: Частка вегетаріанців у семи регіонах США.

Перша зустріч з майбутніми родичами може бути дуже нервовою. Ви вирішили справити враження на майбутню тещу, яка планує відкрити онлайн-ресторан, що доставлятиме їжу по всій території США. Будучи статистиком в сім’ї, ви запропонували провести аналіз, щоб оцінити загальну частку вегетаріанців (і веганів) у семи регіонах США. Керуючись результатами аналізу, ви сподіваєтеся допомогти ресторану адаптувати рецепти страв для вегетаріанців до конкретних регіонів США. Для простоти, припустимо, що ви визначили по одному дослідженню в кожному регіоні для включення в аналіз.

Мета-аналіз одновибіркових бінарних даних

Змінні nveget та ntotal представляють кількість вегетаріанців та загальну кількість суб’єктів у кожному дослідженні. За замовчуванням meta esize обчислює пропорцію Фрімана-Тьюкі, перетворену на подвійний арксинус, для кожного дослідження. Це перетворення стабілізує дисперсію і є особливо бажаним, коли пропорції близькі до 0 або 1.

Оголосіть ваші дані як метадані за допомогою meta esize

Ви можете вказати частку, перетворену на логіт, як розмір ефекту за допомогою опції esize(logitprop). Оскільки дисперсія логіт-перетвореної частки залежить від самої частки, МА цього розміру ефекту має тенденцію присвоювати штучно низькі ваги для досліджень з частками, близькими до 0 або 1.

Можливо, ви захочете обчислити неперетворені пропорції; однак це рекомендується робити лише в тому випадку, якщо всі пропорції, про які повідомляють дослідження, близькі до 0,5, що на практиці не є поширеним явищем.

. meta update, esize(proportion)
(Output omitted)
Лісові ділянки та інші методи метааналізу

Продовжуючи першу специфікацію meta esize, після обчислення розміру ефекту, що нас цікавить, і оголошення ваших даних як метаданих, ви можете використовувати будь-яку техніку МА, як зазвичай. Наприклад, щоб побудувати ділянку лісу, ми вводимо

. meta forest, proportion

Параметр proportion вказує на те, що результати слід подавати у вигляді пропорцій замість стандартних пропорцій, перетворених за Фріманом-Тьюкі. Це еквівалентно застосуванню оберненого перетворення Фрімана-Тьюкі за допомогою опції transform(invftukey). Загальна (середня) частка вегетаріанців становить 0,06 з довірчим інтервалом [.04, .08].

Ви також можете подати свої результати як, скажімо, кількість вегетаріанців на 1000 осіб за допомогою підопції scale() функції option transform(). Ми також покажемо відповідну область (область змінних) кожного дослідження на лісовій ділянці.

. meta forest _id _data region _plot _esci _weight,
  transform(invftukey, scale(1000)) esrefline insidemarker

Вищезгадані лісові ділянки виявили суттєві відмінності між частками вегетаріанців, з більшою поширеністю вегетаріанців на Тихоокеанському узбережжі, в Новій Англії та Середній Атлантиці порівняно з іншими регіонами США.

Зустріч з родичами не за горами. На щастя для вас, підкріплені вищезгаданою лісовою ділянкою, ви можете порадити своїй майбутній тещі включити більше вегетаріанських рецептів у своє меню для вищезгаданих регіонів і розфарбувати її під враження!