سطح پیشرفته

سنتز پیشرفته شواهد

چه باید کرد وقتی فراتحلیل دوتایی ابزار مناسبی نیست: مرورهای پیش‌آگهی، ترکیب دوز-پاسخ و شیوع، داده‌های شرکت‌کنندگان فردی، تحلیل ترتیبی کارآزمایی‌ها، فراتحلیل شبکه‌ای، روش‌های بیزی و GRADE برای شبکه‌ها.

11 درس9 ساعت مطالعهپیش‌نیازها: روش‌های مرور نظام‌مند، تحلیل رگرسیون

درس‌های این دوره

01مقدمه‌ای بر سنتز شواهد پیشرفتهآنچه مرور نظام‌مند استاندارد از عهده آن برنمی‌آید، خانواده‌های روش‌هایی که آن را گسترش می‌دهند، و نحوه انتخاب از میان آن‌ها. نقشه‌ای از این دوره و این حوزه.35 دقیقه02مرورهای نظام‌مند پیش‌آگهیمرورهای پیش‌آگهی کلی، عوامل پیش‌آگهی‌دهنده و مدل‌های پیش‌بینی. چگونگی تفاوت آن‌ها با مرورهای درمانی در هر مرحله، چرایی دشوارتر بودن تجمیع، و نحوه تعدیل GRADE هنگامی که شواهد مشاهده‌ای به جای یک جایگزین، طراحی مناسب هستند.45 دقیقه03مدل‌ها و برآوردگرهای فراتحلیل در عملانتخاب‌های پنهان در پس یک برآورد تجمیعی: اثر ثابت یا اثرات تصادفی، کدام روش واریانس، کدام یک از شانزده روش برآورد واریانس بین‌مطالعه‌ای، و کدام فاصله. روی یک مجموعه واحد از پنج کارآزمایی، این انتخاب‌ها پاسخ را از 0.83 به 0.66 و فاصله را از باریک به بی‌نتیجه تغییر می‌دهند.50 دقیقه04تحلیل زیرگروه، فرارگرسیون و سوگیری انتشارتوضیح دادن ناهمگنی به جای صرفاً گزارش کردن آن. چرا تفاوتی که میان زیرگروه‌ها آشکار به نظر می‌رسد از هیچ آزمون صادقانه‌ای روی شش کارآزمایی جان سالم به در نمی‌برد، چرا آزمون تعامل تنها آزمونی است که به حساب می‌آید، و چرا نمودار قیفی نامتقارن با ادبیات علمی سوگیرانه یکی نیست.55 دقیقه05تحلیل ترتیبی آزمایشی، داده‌های شرکت‌کنندگان فردی و فراتحلیل چندمتغیرهسه افزونه با یک وجه مشترک: هر یک اطلاعاتی را بازیابی می‌کنند که یک فراتحلیل دوتایی استاندارد دور می‌ریزد. اینکه آیا شواهد واقعاً قطعی هستند، آنچه شرکت‌کنندگان به جای مطالعات می‌گویند، و آنچه چندین نتیجهٔ همبسته با هم بیان می‌کنند.55 دقیقه06مطالعهٔ ترکیبی مطالعات مشاهده‌ای: پاسخ‌بهٔ دُز و شیوعدو ترکیب که هیچ مقایسه‌کننده‌ای برای تجمیع ندارند. چگونه منحنی دوز تا پاسخ را از مطالعه‌هایی که کوانتیل‌ها را گزارش می‌کنند بازیابی کنیم، چرا تجمیع دسته‌های افراطی اشتباه است، چگونه یک نسبت را تجمیع کنیم بدون اینکه بازه‌ای خارج از 0 و 1 ایجاد شود، و چرا مطالعات مشاهده‌ای بزرگ‌تر لزوماً بهتر نیستند.55 دقیقه07متا-تحلیل شبکه‌ای: مفاهیم و فرضیاتمقایسه درمان‌هایی که هرگز با هم مقایسه نشده‌اند. مقایسه غیرمستقیم بوخر و چرایی حفظ تصادفی‌سازی توسط آن، فرض انتقالی که تعیین می‌کند آیا شبکه‌ای معنایی دارد یا خیر، فرض سازگاری که قابل آزمون است، و آنچه استخراج داده‌ها برای یک شبکه در واقع می‌طلبد.55 دقیقه08فراتحلیل شبکه‌ای: مدل‌ها و گزارش‌دهیمدل‌های پشت برآورد شبکه‌ای و نحوه ارائه نتایج آن. مقایسه با سنتز غیرمستقیم، یک پارامتر ناهمگنی یا چند پارامتر، تشخیص‌های ناسازگاری که می‌توان اجرا کرد، متا-رگرسیون شبکه‌ای و اینکه چرا جدول لیگ 210 سلولی و احتمال رتبه‌بندی دو نتیجه‌ای هستند که بیش از همه در این حوزه اشتباه تفسیر می‌شوند.55 دقیقه09تحلیل بیزی در ترکیب شواهدآنچه یک ترکیب بیزی اضافه می‌کند و آنچه اضافه نمی‌کند. احتمال پسینی که درمان مؤثر است، چهار پیش‌احتمال روی همان داده‌ها که نسبت‌های خطر از 0.74 تا 1.03 را می‌دهند، و انضباطی که مانع می‌شود پیش‌احتمال در نتیجه به‌صورت یک فرض قاچاقی وارد شود.50 دقیقه10GRADE برای شبکه‌مِتاوُرداشت و قطعیت زمینه‌مندGRADE ارزیابی قطعیت در برآورد نقطه‌ای را متوقف کرد و شروع به ارزیابی قطعیت کرد که حقیقت در یک سوی آستانه‌ای قرار دارد. آنچه تغییر می‌کند، نحوه ارزیابی قطعیت برای برآوردهای مستقیم، غیرمستقیم و شبکه‌ای به‌طور جداگانه، و رویهٔ پنج‌مرحله‌ای که یک جدول لیگ 351 سلولی را به چهار گروه تبدیل می‌کند که یک پزشک می‌تواند از آن‌ها استفاده کند.50 دقیقه11داده‌های گمشده در سنتز شواهددو نوع فقدان وجود دارد: آماری که یک مقاله منتشر نکرد و شرکت‌کنندگانی که یک کارآزمایی نتوانست آن‌ها را پیگیری کند. همان شش کارآزمایی نسبت شانس تلفیقی بین 1.14 تا 5.31 را نشان می‌دهند، بسته به فرضیه‌ای که درباره افرادی که از مطالعه خارج شدند مطرح می‌شود؛ به همین دلیل است که این فرض باید بیان و تغییر یابد، نه اینکه انتخاب شود.50 دقیقه