메타 분석의 장단점

나는 진화의 특정 연구 분야에 대한 메타 분석을 고려하고 있었지만, 더 나아 가기 전에 더 알고 싶습니다. 프로세스의 긍정과 부정은 무엇입니까? 예를 들어, 실용적인 실험이 필요하지는 않지만 (시간과 돈), 단점은 출판 편향 (더 흥미로운 결과가 출판 됨)이있을 것입니다.

통계 저널의 어떤 논문이 메타 분석의 장단점에 대해 논의하고 있습니까?

Borenstein, Hedges, Higgins 및 Rothstein의 메타 분석 소개 메타 분석 의 장단점에 대해 자세히 설명합니다. 예를 들어 "장 저자가 메타 분석에 대한 다양한 비판에 응답하는 " 메타 분석의 비판 . 해당 장의 섹션 제목을 확인한 다음 해당 지점과 관련된 메모리에서 몇 가지 관찰을합니다.

• "한 숫자는 연구 분야를 요약 할 수 없습니다": 좋은 메타 분석은 실제 효과 크기의 변동성을 모델링하고 추정치의 불확실성을 모델링합니다.
• "파일 드로어 문제가 메타 분석을 무효화합니다."퍼널 도표 및 관련 도구를 사용하면 게시 바이어스를 확인하기 위해 샘플 크기가 효과 크기와 관련되어 있는지 확인할 수 있습니다. 좋은 메타 분석은 미공개 연구를 얻기 위해 노력합니다. 이 문제는 이야기 연구와 공유됩니다.
• "혼합 사과와 오렌지": 좋은 메타 분석은 포함 된 연구를 분류하고 메타 분석에서 연구의 포함과 제외를 정당화하기위한 엄격한 코딩 시스템을 제공합니다. 스터디가 분류 된 후 스터디 유형에 따라 효과 크기가 다른지 확인하기 위해 중재자 분석을 수행 할 수 있습니다.
• "중요한 연구는 무시 됨": 평가 된 연구의 품질을 코딩 할 수 있습니다. 큰 샘플은 더 큰 가중치를 부여 할 수 있습니다.
• "메타 분석은 무작위 시험에 동의하지 않을 수 있습니다":
• "메타 분석이 제대로 수행되지 않음": 이것은 메타 분석 방법의 표준을 개선하기위한 주장 일뿐입니다.
• "내러티브 리뷰가 더 좋습니까?": 메타 분석에 대한 많은 비판 (예 : 출판 편향)은 내러티브 리뷰와 공유됩니다. 내러티브 리뷰에서 추론 방법이 덜 명확하고 덜 엄격하다는 것입니다.

내가 경험 한 바에 따르면, 이전에 해본 적이 없다면 지역에 대한 자신의 왜곡을 제공하지 않는 것처럼 올바른 저널은 그들에게 편견이 없습니다. 메타 분석은 과학에서는 얻지 못하지만 현장에서 좋은 저널은 일반적으로 새로운 메타 분석으로 훌륭합니다.

실험을하지 않고 절약되는 시간과 비용은 종종 다른 일을하는 데 소모됩니다. 가장 큰 장점 중 하나는 많은 기사가 분석하기에 충분한 정보를보고하지 않는다는 것입니다. 당신은 종종 이것을 복구하기 위해 저자에게 연락해야하며 불행히도 모두 요청을 준수하지 못하거나 따르지 않을 것입니다. 프로세스의 가장 큰 시간 싱크입니다.

높은 인용 률과 같은 일부 전문가도 빠뜨 렸습니다. 당신이 최초이자 유일한 메타 분석이라면, 새로운 연구원들은 종종 논문을 인용 할 것입니다. 또 다른 전문가는 비교적 쉬운 후속 연구입니다. 1 년 또는 2 년 동안 역동적 인 연구 분야에서 후속 2 년간의 연구를 추가하여 메타 분석을 추적해야합니다. 첫 발동 자라면 연구 분야에서 메타 분석을 선택하는 것이 상대적으로 쉽습니다. 그런 다음 상대적으로 높은 인용 비율로 이어집니다.

문헌에서 검색 한 결과에 출판 편향이있는 것이 우려되는 경우 깔때기 그림 (y 축의 연구 크기 (종종 -se) 및 x에 대한 영향) 과 같은 통계 기법 이 사용됩니다. 그런 것을 감지하십시오. 주제에 대한 편견없는 문헌은 깔때기 플롯에서 대칭적인 결과를 갖는 경향이 있지만 출판 편향으로 인한 효과는 분포의 절반에 불과한 것처럼 보입니다. 또한 실험을 수행하는 것과 달리 메타 분석에 들어가는 데이터가 편향되어 있음을 발견 한 것은 게시 가능합니다.

마이클 보 렌스 타인과 동료들에게 사과하면서 "메타 분석 비판"에 대한 비판을 할 것이라고 생각했습니다.

• "한 숫자는 연구 분야를 요약 할 수 없습니다": 좋은 메타 분석은 실제 효과 크기의 변동성을 모델링하고 추정치의 불확실성을 모델링합니다.

! 편차는 불확실성과 마찬가지로 오해의 소지가있는 또 다른 요약 일 뿐이며, 명백히 다루어지지 않은 편견이 분명하지 않으면 둘 다 매우 오도 될 수 있습니다.

• "파일 드로어 문제가 메타 분석을 무효화합니다."퍼널 도표 및 관련 도구를 사용하면 게시 바이어스를 확인하기 위해 샘플 크기가 효과 크기와 관련되어 있는지 확인할 수 있습니다. 좋은 메타 분석은 미공개 연구를 얻기 위해 노력합니다. 이 문제는 이야기 연구와 공유됩니다.

! Box가 한 번 말했듯이-행 보트를 보내어 바다가 잔잔한 지 확인하여 Queen Mary가 여행 할 수 있는지 확인하십시오. 매우 낮은 전력 및 거의 확실하게 잘못 지정된 검열 프로세스.

• "혼합 사과와 오렌지": 좋은 메타 분석은 포함 된 연구를 분류하고 메타 분석에서 연구의 포함과 제외를 정당화하기위한 엄격한 코딩 시스템을 제공합니다. 스터디가 분류 된 후 스터디 유형에 따라 효과 크기가 다른지 확인하기 위해 중재자 분석을 수행 할 수 있습니다.

! 다시는 희망이없는 힘과 일반적으로 집단적 편견도 있습니다.

• "중요한 연구는 무시 됨": 평가 된 연구의 품질을 코딩 할 수 있습니다. 큰 샘플은 더 큰 가중치를 부여 할 수 있습니다.

! 이제 절망적 힘, 모델의 잘못된 사양 및 바이어스가 항상 올바르게 설명되지는 않습니다 . 메타 분석에서 품질 점수로 생성 된 바이어스 를 참조하십시오.

• "메타 분석은 무작위 시험에 동의하지 않을 수 있습니다":

! 그것들의 실제 불확실성에 대한 유일한 동의 그리고 또한 유일한 출처.

• "메타 분석이 제대로 수행되지 않음": 이것은 메타 분석 방법의 표준을 개선하기위한 주장 일뿐입니다.

! 완전히 동의.

• "내러티브 리뷰가 더 좋습니까?": 메타 분석에 대한 많은 비판 (예 : 출판 편향)은 내러티브 리뷰와 공유됩니다. 내러티브 리뷰에서 추론 방법이 덜 명확하고 덜 엄격하다는 것입니다.

! 완전히 동의.

확실하지 왜 메타 분석 문헌 maintians 같은 로즈 컬러 안경의 많은 - 메타 분석은 이 수행되어야 메타 분석 의료 연구 : 개별 연구 노력에 높은 품질에 대한 강한 격려 하지만, 해야 비판적으로 모두의 전체 인식을 함께 할 수 맥아 즙.

거의 항상 잊어 버렸기 때문에 메타 분석에서 다른 사람들이 의미하는 바가 시간과 장소에 따라 다양하고 오늘날 가장 일반적인 의미로 바뀌었기 때문에 메타 분석에서 정확히 무엇을 의미하는지 명확히해야합니다. 체계적인 검토에서-내가 의미하는 것은 아닙니다. 실제로 정량적 방법을 전혀 사용하지 않기로 결정한 경우에도 전체 체계적인 검토 프로세스를 의미합니다. 또는 위키 에서 인용 한 단 한 문장으로

통계에서 메타 분석은 여러 연구 결과를 대조하고 결합하는 데 중점을 두는 방법, 연구 결과 간의 패턴 식별, 해당 결과 사이의 불일치 원인 또는 기타 흥미로운 관계를 의미합니다. 여러 연구.