一本关于个人参与者数据元分析及其优势和局限性的入门书
1Department of Psychiatry, Kasturba Medical College, Manipal Academy of Higher Education, Manipal, India; Department of Clinical Psychopharmacology and Neurotoxicology, National Institute of Mental Health and Neurosciences, Bangalore, India.
个人参与者数据元分析 (IPD-MA) 提供了比使用原始数据的传统元分析更深入的见解. 然而,研究人员必须仔细处理数据协调和分析期间引入的潜在偏差.
科学领域:
- 生物统计学 生物统计学
- 流行病学 流行病学
- 临床研究方法论 临床研究方法论
背景情况:
- 传统的元分析聚合了研究结果,限制了深入分析,并保留了源研究偏见.
- 局限性包括无法探索新的研究问题,研究变量相互作用或进行细粒度分析.
研究的目的:
- 为了区分个人参与者数据元分析 (IPD-MA) 与传统的元分析.
- 突出IPD-MA在统一数据和实现统一分析协议方面的优势.
- 确定和讨论与IPD-MA相关的固有局限性和潜在偏见.
主要方法:
- IPD-MA涉及从多项研究中获取和重新处理个体参与者数据.
- 一个协调的研究协议在所有个人参与者数据集中均应用.
- IPD-MA可以使用一阶段或两阶段的程序进行,后者更简单.
主要成果:
- IPD-MA克服了传统元分析的局限性,允许进行更细致,更灵活的分析.
- 在研究中协调符合条件,暴露,结果和分析方法是可能的.
- 潜在的新偏差可能来自数据的可用性,协调过程中被排除在外,随机化结构的丧失,以及不充分的协变量调整.
结论:
- IPD-MA提供了一个强大的方法来合成证据,但需要仔细的方法执行.
- 对潜在偏见的认识和透明报告对于有效解释IPD-MA发现至关重要.
- 研究人员必须批判性地评估引入偏见对结果概括性和可靠性的影响.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
08:27Applying an eMASS Customization Program as a Research Tool to Evaluate Consumer Benefits
Published on: September 27, 2019
相关概念视频
Group Design
Mechanistic Models: Compartment Models in Individual and Population Analysis
Archival Research
Analysis of Population Pharmacokinetic Data
Case Studies
Ethics in Research
