मेटा-स्टैटा फॉरेक्स में घटना दर के विश्लेषण

9.4.8 160 गणनाओं और दरों का मेटा-विश्लेषण जब प्रत्येक भागीदार को एक घटना का अनुभव हो, तो परिणामों को गिनती डेटा के रूप में व्यक्त किया जा सकता है, और इसे एक से अधिक बार अनुभव हो सकता है (धारा 9.2.5 देखें)। उदाहरण के लिए, स्ट्रोक की संख्या, या अस्पताल के दौरे की संख्या मायने रखती है ये घटनाएं बिल्कुल भी नहीं हो सकती हैं, लेकिन यदि वे ऐसा करते हैं, तो किसी व्यक्ति के लिए कोई सैद्धांतिक अधिकतम संख्या नहीं होती है। जैसा कि अध्याय 7 (धारा 7.7.5) में वर्णित है, गणना के आंकड़ों का विश्लेषण किया जा सकता है दिक्तोत्रा ​​(विधियों 9.4.4), निरंतर (अनुभाग 9.4.5 देखें) और समय-टू-इवेंट डेटा (देखें अनुभाग 9.4.9 ) के साथ ही दर डेटा के रूप में विश्लेषण किया जा रहा है। दर आंकड़े तब होते हैं जब प्रत्येक प्रतिभागी के लिए समय के साथ गणना की जाती है, जिस पर उन्हें मनाया जाता है। यह विशेष रूप से उपयुक्त है जब गिने जाने वाली घटनाएं दुर्लभ हैं। उदाहरण के लिए, एक महिला को दो साल की अनुवर्ती अवधि के दौरान दो स्ट्रोक का अनुभव हो सकता है। स्ट्रोक की उसकी दर अनुवर्ती दर (या अनुवर्ती दर के 0.083 प्रति माह) प्रति वर्ष है। दरें समूह के स्तर पर पारंपरिक रूप से संक्षेपित हैं उदाहरण के लिए, क्लिनिकल परीक्षण के नियंत्रण समूह में भाग लेने वाले कुल 2836 व्यक्ति-अनुवर्ती वर्षों के दौरान 85 स्ट्रोक का अनुभव हो सकता है। दर के उपयोग से जुड़े अंतर्निहित धारणा यह है कि एक घटना का जोखिम प्रतिभागियों और समय के साथ स्थिर रहता है। इस धारणा को प्रत्येक स्थिति के लिए सावधानी से विचार किया जाना चाहिए। उदाहरण के लिए, गर्भनिरोधकों के अध्ययन में, दर 100 महिलाओं-अनुवर्ती वर्षों के दौरान गर्भधारण की संख्या का वर्णन करने के लिए दर (पर्ल इंडीडिया के रूप में ज्ञात) का इस्तेमाल किया गया है। अब अनुचित माना जाता है क्योंकि जोड़ों के गर्भधारण के विभिन्न जोखिम होते हैं, और समय के साथ प्रत्येक महिला के लिए जोखिम बदल जाता है गर्भावस्था अब जीवन सारणी या समय-टू-इवेंट विधियों का उपयोग करके अधिक बार विश्लेषण की जाती है जो पहली गर्भावस्था से पहले समाप्त होने वाली समय की जांच करते हैं। गिनती के आंकड़ों की दर के रूप में विश्लेषण करना हमेशा सबसे उपयुक्त दृष्टिकोण नहीं है और व्यवहार में असामान्य है। इसका कारण यह है: एक निरंतर अंतर्निहित जोखिम की धारणा उपयुक्त नहीं हो सकती है और सांख्यिकीय तरीकों को भी विकसित नहीं किया गया है क्योंकि वे अन्य प्रकार के डेटा के लिए हैं। एक अध्ययन के परिणाम दर अनुपात के रूप में व्यक्त किए जा सकते हैं। यह नियंत्रण समूह में दर के प्रयोगिक हस्तक्षेप समूह में दर का अनुपात है। मान लीजिए ई ई घटनाएं प्रायोगिक हस्तक्षेप समूह में टी ई भागीदार-अनुवर्ती वर्षों के दौरान हुईं, और टी सी प्रतिभागी समूह के दौरान ई सी इवेंट नियंत्रण हस्तक्षेप समूह में हुईं। दर अनुपात दर अनुपात के (प्राकृतिक) लॉगरिदम, सामान्य व्युत्क्रम विचरण विधि का उपयोग करते हुए पूरे अध्ययनों में एकत्रित किया जा सकता है (अनुभाग 9.4.3.2 देखें)। लॉग दर अनुपात की अनुमानित मानक त्रुटि, शून्य घटनाओं के मामले में प्रत्येक गिनती में 0.5 की सुधार हो सकती है। ध्यान दें कि समय इकाई (जैसे रोगी-महीनों, महिला-वर्ष, आदि) की पसंद अप्रासंगिक है क्योंकि यह दर अनुपात से रद्द हो जाती है और मानक त्रुटि में नहीं आती है। हालांकि अध्ययन परिणामों को प्रस्तुत करते समय इकाइयां अभी भी प्रदर्शित की जानी चाहिए। दर अनुपात का आकलन करने का एक वैकल्पिक माध्यम व्हाइटहेड और व्हाइटहेड (व्हाइटहेड 1 99 1) के दृष्टिकोण से है। एक यादृच्छिक परीक्षण में, प्रतिभागियों की दर-निर्धारण के बाद प्राप्त दर अनुपात अक्सर रिश्तेदार जोखिम के बराबर होते हैं, क्योंकि फॉलो-अप की औसत अवधि सभी हस्तक्षेप समूहों में समान होनी चाहिए। दर अनुपात और रिश्तेदार जोखिम अलग-अलग होंगे, हालांकि, यदि कोई हस्तक्षेप कई कार्यक्रमों का सामना करने वाले कुछ प्रतिभागियों की संभावना को प्रभावित करता है। दर के अंतर पर ध्यान केंद्रित करना भी संभव है, दर अंतर के लिए एक अनुमानित मानक त्रुटि है विश्लेषण फिर से रेवमन में जेनेरिक व्युत्क्रम-विचरण विधि के उपयोग की आवश्यकता है दर के मेटा-विश्लेषण का एकमात्र विचार-विमर्श, जो कि अभी भी कम है, हैसलेलब्ड और मैक्र्ररी (हासेलबैब्ड 1995) द्वारा किया गया है। वहां अलग-अलग दृष्टिकोण उपलब्ध हैं, लेकिन बुनियादी आधारभूत आधार अलग-अलग अध्ययनों से डेटा को संकलित कर रहा है। सबसे पहले और सबसे महत्वपूर्ण बात यह है कि क्या आप बिना समायोजित या समायोजित प्रभाव अनुमान को पूल करना चाहते हैं। यदि आप समायोजित लोगों को चाहते हैं, तो आपको संभवतः लॉग-ट्रांसज्ज्ड एडजस्टेड जोखिम अनुपात (प्रत्येक अपने विचलन के लिए प्रत्येक भारित) को पूल करने की आवश्यकता है। यह ज्यादातर संकुल में बहुत आसानी से किया जा सकता है (यहां तक ​​कि रेवमन के साथ)। यदि आप बिना समायोजित जोखिम अनुमानों के साथ खुश हैं, तो कई तरीकों और मॉडल कई सांख्यिकीय सॉफ्टवेयर में उपलब्ध हैं, लेकिन मैं आर में मेटा और मेटाफ़र पैकेजों की सिफारिश करेगा नोट्स कि घटनाओं की वास्तविक घटनाएं महत्वपूर्ण होंगी (दुर्लभ घटनाओं के साथ पॉसॉन मॉडल बेहतर होने जा रहा है), और क्या आपके पास 0 कोशिकाएं हैं, जिनमें किसी प्रकार के परिवर्तन की आवश्यकता होती है। इसके अलावा, याद रखें कि आपको खतरे में जोखिम वाले मामलों के रोगियों के अनुपात को पूल करना होगा (उदाहरण के लिए 2 रोगियों में से 8 रोगियों में से प्रत्येक की घटनाएं 4 रोगियों में से 4 घटनाएं उत्पन्न करेगी)। 9 9 मार्च को 22:24 उत्तर दिया