انتزاع داده‌ها، فرم‌ها و اعداد

هدف

اطلاعات درست را از مطالعات منفرد برای آماده‌سازی سنتز شواهد استخراج کنید. دو خطا رایج است: استخراج بیش از حد، که ماه‌ها را هدر می‌دهد، و استخراج بسیار کم، که یعنی بعداً باید به تک‌تک مقالات برگردید.

انضباطی که جلوی هر دو را می‌گیرد: برای هر فیلد روی فرم، نام جدول، شکل، یا تحلیلی را که به آن خوراک می‌دهد بنویسید. هر چیزی که مقصدی ندارد از فرم بیرون می‌رود.

طراحی فرم

چه مواردی را باید شامل کرد

شناسایی مطالعه: نویسنده، سال، کشور، محیط، منبع تأمین مالی، تعارض منافع و پیوندها به سایر گزارش‌های همان مطالعه.

روش‌ها: طراحی، واحد تصادفی‌سازی، جزئیات تخصیص و کورسازی (که در واحدهای 5 و 6 به ارزیابی خطر سوگیری می‌انجامند)، مدت‌زمان پیگیری.

شرکت‌کنندگان: معیارهای احراز صلاحیت، تعداد افراد تصادفی‌شده، ویژگی‌های پایه مرتبط با زیرگروه‌های شما و تعداد تحلیل‌شده.

مداخلات: شرح کامل هر بازو با استفاده از عناوین TIDieR، به‌علاوه اینکه «مراقبت معمول» شامل چه مواردی است اگر آن به‌عنوان معیار مقایسه باشد.

نتایج: برای هر نتیجه‌ای که مشخص کردید، چه چیزی اندازه‌گیری شد، با چه ابزاری، در چه زمان‌هایی و چگونه تعریف شد.

نتایج: اعداد، که در ادامه به تفصیل بررسی شده‌اند.

یادداشت‌ها: هر مورد مبهم، هر مکاتبه با نویسندگان، و هر تصمیمی که مجبور به اتخاذ آن بودید.

خلبانی

فرم را در سه تا پنج مطالعه پایلوت کنید، سپس آن را از مطالعات دیگر استخراج کنید. مطالعاتی را انتخاب کنید که از یکدیگر متفاوت باشند. پایلوت کردن به‌طور قابل‌اعتماد نشان می‌دهد کدام فیلدها مبهم هستند، کدام فیلدها را هیچ‌کس نمی‌تواند تکمیل کند و کدام نتایج به‌گونه‌ای گزارش شده‌اند که فرم قادر به پذیرش آن‌ها نیست.

فرم را بازنگری کنید و مطالعات مقدماتی را دوباره استخراج کنید. این یک روز طول می‌کشد و هفته‌ها صرفه‌جویی می‌کند.

فرآیند

• دو بازبین به‌طور مستقل استخراج می‌کنند. نرخ خطا در استخراج تکی بالا است و این خطاها ساده نیستند: اعداد جابه‌جا شده، بازوی اشتباه، نقطه زمانی اشتباه.
• اختلافات را حل و ثبت کنید.
• یک فرایند از پیش تعریف‌شده برای حل اختلافات، معمولاً یک بازبین سوم.
• منبع هر عدد را ثبت کنید: صفحه، جدول یا شکل. وقتی بعداً از عددی پرسش شد، باید بتوانید آن را دوباره پیدا کنید.
• حکم‌ها را به‌عنوان حکم ثبت کنید. اگر فرض کردید مقدار گزارش‌شده انحراف معیار است نه خطای استاندارد، آن فرض باید در یادداشت‌ها و سپس در تحلیل حساسیت درج شود.

اعدادی که نیاز دارید

این بخشی است که مشخص می‌کند آیا اصلاً می‌توانید تحلیل را انجام دهید یا خیر. آنچه استخراج می‌کنید به نوع نتیجه بستگی دارد.

نتایج دوگانه (ثنیتی)

برای هر بازو:

• تعداد شرکت‌کنندگان در رویداد
• تعداد شرکت‌کنندگان در بازو

همین است و کافی است. نرم‌افزار از آن چهار عدد نسبت خطر، نسبت شانس، اختلاف خطر و واریانس‌های آن‌ها را محاسبه می‌کند.

اعداد خام را استخراج کنید، نه درصدها. درصد به‌همراه مخرج قابل تبدیل است و گرد کردن خطا ایجاد می‌کند؛ درصدی بدون مخرج اصلاً قابل استفاده نیست.

مخرج کدام است؟ تعداد افراد تصادفی‌شده برای تحلیل قصد درمان است که در ادامه مورد بحث قرار می‌گیرد.

نتایج پیوسته

برای هر بازو:

• میانگین
• انحراف معیار
• تعداد شرکت‌کنندگان تحلیل‌شده

مشکل مکرر این است که مقالات بسیاری از مقادیر را گزارش می‌کنند که معادل یک انحراف معیار نیستند و تبدیل‌ها باید به‌درستی انجام شوند.

دو هشدار:

بررسی کنید که آیا پراکندگی گزارش‌شده از نوع SD است یا SE. مقالات اغلب «میانگین ± 2.1» را بدون ذکر نوع آن می‌نویسند، در حالی که این دو با ضریب $\sqrt{n}$ با هم تفاوت دارند. اگر $n = 100$ باشد، اشتباه گرفتن یکی با دیگری منجر به خطای ده‌برابری در وزن اختصاص‌یافته به آن مطالعه می‌شود. به سرنخ‌های داخلی توجه کنید: یک مقدار غیرواقع‌گرایانه کوچک، یا مقایسه با مطالعات دیگر.

تبدیل IQR به SD بر مبنای نرمال بودن است، و نتایجی که افراد برای آن‌ها IQR گزارش می‌کنند دقیقاً همان نتایجی هستند که توزیع‌شان منحرف است. در صورت لزوم از این تبدیل استفاده کنید، آن را علامت‌گذاری کنید و در یک تحلیل حساسیت آن را آزمون کنید.

تغییر نسبت به مبنا، یا مقادیر نهایی؟

مطالعات یا میانگین در پیگیری را گزارش می‌کنند یا میانگین تغییر از خط پایه را. هر دو معتبر هستند و نباید به‌طور بی‌دقت با هم مخلوط شوند.

• مقادیر نهایی و نمرات تغییر را می‌توان با هم ترکیب کرد در فراتحلیل تفاوت میانگین‌ها، چون هر دو همان تفاوت میان بازوها را برآورد می‌کنند.
• آنها را نمی‌توان برای تفاوت‌های میانگین استانداردشده با هم ترکیب کرد، زیرا انحرافات معیار در مقیاس‌های متفاوتی هستند.
• SD نمره تغییر به ندرت گزارش می‌شود و بدون وجود همبستگی بین SDهای خط پایه و پیگیری، که مقالات تقریباً هرگز ارائه نمی‌کنند، قابل استخراج نیست. استنتاج آن همبستگی از یک مطالعه دیگر در مرور، راه‌حل استاندارد است و باید گزارش شده و از نظر حساسیت آزمون شود.

نتایج زمان تا وقوع رویداد

نسبت مخاطره و فاصله اطمینان آن را استخراج کنید، که از راه روش عمومی وارون واریانس به کار می‌رود.

اگر نسبت خطر گزارش نشده باشد، گاهی می‌توان آن را از مقدار p آزمون لوگ‌رتنک و تعداد رویدادها تخمین زد یا از منحنی کاپلان-مایر منتشرشده بازسازی کرد. هر دو تخمینی هستند و باید به‌عنوان چنین تخمینی برچسب‌گذاری شوند.

رویکرد معکوس واریانس کلی

وقتی یک مطالعه به‌جای داده‌های خام، برآورد اثر تعدیل‌شده را گزارش می‌کند، استخراج کنید:

• برآورد اثر، در مقیاس مناسب (برای معیارهای نسبت، لگاریتم)
• خطای استاندارد آن، یا یک فاصله اطمینان که از آن می‌توان خطای استاندارد را استخراج کرد.

به این ترتیب تحلیل‌های تعدیل‌شده، نسبت‌های خطر و نتایج تعدیل‌شده خوشه‌ای وارد فراتحلیل می‌شوند. برآورد تعدیل‌شده را زمانی استخراج کنید که طراحی مطالعه نیاز به تعدیل دارد و ثبت کنید که برای چه متغیری تعدیل شده است.

طرح‌های خوشه‌ای و متقاطع

کارآزمایی‌های تصادفی‌شده خوشه‌ای نتایجی را گزارش می‌کنند که به نظر می‌رسد بر اساس افراد باشد و اندازه نمونه مؤثر کوچکتر است. همبستگی درون‌ خوشه‌ای و اندازهٔ متوسط خوشه را در صورت گزارش استخراج کنید و اندازهٔ نمونهٔ مؤثر را با تقسیم بر ضریب طراحی $1 + (m-1)\rho$ تعدیل کنید. اگر ICC گزارش نشده باشد، یکی را از مطالعه‌ای مشابه قرض بگیرید و فرض را آزمون کنید.

آزمایش‌های متقاطع باید در تحلیل جفتی لحاظ شوند. اگر تنها داده‌های دورهٔ اول قابل استفاده باشند، آن‌ها را استخراج کنید و کاهش کارایی را مدنظر قرار دهید. تحلیل یک آزمایش متقاطع به‌صورت موازی، جفت‌سازی را نادیده می‌گیرد و بازه‌ای بسیار وسیع ارائه می‌دهد.

هر دو در صورت برخورد ساده‌لوحانه، خطاهای واحد تحلیل هستند و از رایج‌ترین خطاها در فراتحلیلهای منتشرشده به‌شمار می‌آیند.

قصد درمان و ترک‌های مبهم

اصل مربوط به دوره آزمایش‌ها مستقیماً بر آنچه استخراج می‌کنید، اعمال می‌شود.

داده‌ها را بر اساس اصل قصد درمان استخراج کنید: هر شرکت‌کننده تصادفی‌شده در گروهی که به آن تخصیص یافته است تحلیل شود، با تعداد شرکت‌کنندگان تصادفی‌شده به‌عنوان مخرج.

مشکل این است که مطالعات به‌طور ناسازگار این را گزارش می‌کنند. سه وضعیت:

مطالعه یک تحلیل مناسب ITT را گزارش می‌کند. آن را استخراج کنید.

مطالعه تحلیل بر اساس پروتکل یا فقط برای تکمیل‌کنندگان را گزارش می‌کند. مخرج کمتر از تعداد افراد تصادفی‌شده است. هم آنچه گزارش شده و هم تعداد افراد تصادفی‌شده را استخراج کنید و به این اختلاف توجه کنید.

مطالعه ترک‌کننده‌ها را به‌طور مبهم گزارش می‌کند، بنابراین نمی‌توان فهمید که آیا شرکت‌کنندگان حذف شده‌اند یا چه بر سرشان آمده است.

برای دو مورد آخر، گزینه‌ها:

• با نویسندگان تماس بگیرید. این کار برای مطالعات کلیدی ارزشمند است و بیشتر از آنچه مردم انتظار دارند موفق می‌شود.
• از داده‌های مورد در دسترس استفاده کنید و میزان از دست رفتن شرکت‌کنندگان در پیگیری را برای هر بازو ثبت کنید که سپس در ارزیابی خطر سوگیری به کار می‌رود.
• تحلیل‌های حساسیت را اجرا کنید با مفروضه‌های متفاوت درباره شرکت‌کنندگان گمشده: همه رویداد را داشتند، هیچ‌کدام نداشتند، یا میزان رویداد در گمشده‌ها با میزان مشاهده‌شده در همان بازو یکسان بود. این نسخه سطح‌مرورِ همان تحلیل حساسیتی است که در دوره کارآزمایی‌ها توصیف شد، و یافته‌ای که باید گزارش شود این است که چه انحراف بزرگی لازم است تا نتیجه‌گیری عوض شود.

اگر از دست رفتن در پیگیری میان بازوها تفاوت چشمگیری داشته باشد، این یک پرچم قرمز است هم برای ارزیابی خطر سوگیری و هم برای اعتبار برآورد.

همگنی‌زدایی کشف‌شده در حین استخراج

استخراج جایی است که متوجه می‌شوید مطالعات تا چه حد واقعاً با هم متفاوت هستند. آن را حین کار ثبت کنید، زیرا این امر تصمیمات سنتز در واحد 9 را تعیین می‌کند.

هم‌ریختی بالینی:

• شرکت‌کنندگان در تعریف وضعیت، شدت، سن و محیط متفاوت هستند.
• مداخلات از نظر دوز، شدت، مدت و نحوه ارائه با هم تفاوت دارند.
• مقایسه‌ها متفاوت‌اند، به‌ویژه در مواردی که «مراقبت معمول» در میان باشد.
• نتایج به شیوه‌های مختلف تعریف می‌شوند، با ابزارهای متفاوت اندازه‌گیری می‌شوند و در زمان‌های مختلف سنجیده می‌شوند.

هم‌پوشانی روش‌شناختی:

• طراحی‌های مختلف
• خطر سوگیری متفاوت
• رویکردهای تحلیلی مختلف

یک یادداشت مداوم نگه دارید. وقتی به مرحله تحلیل می‌رسید و برآورد تلفیقی ناهمگون است، توضیح آن معمولاً چیزی است که هنگام استخراج متوجه آن شده‌اید اما ننوشته‌اید.

وقتی داده‌ها گزارش نمی‌شوند

یک موقعیت رایج، و یک درخت تصمیم:

1. در بخش‌های دیگر مقاله نگاه کنید: جداول، شکل‌ها، ضمیمه‌ها و چکیده گاهی شماره‌هایی دارند که متن نتایج آن‌ها را حذف کرده است.
2. به سایر گزارش‌های همین مطالعه نگاه کنید: چکیده کنفرانس‌ها، ثبت‌نام در سامانه کارآزمایی بالینی، یک پایان‌نامه یا یک ارائه به مراجع نظارتی.
3. با نویسندگان تماس بگیرید. تعداد دقیق مورد نیازتان و جایی که جست‌وجو کرده‌اید را به آن‌ها اطلاع دهید. نرخ پاسخ‌دهی نسبتاً کم است و برای مطالعاتی که در این بررسی گنجانده شده‌اند، ارزش تلاش را دارد.
4. آن را استنتاج کنید از آنچه گزارش شده است، با تبدیل‌های بالا، و خود استنتاج را ثبت کنید.
5. با استفاده از نرم‌افزار دیجیتایزینگ، از یک شکل استخراج کنید و ثبت کنید که این کار انجام شده است.
6. برای مثال، مقدار گمشده SD را از مطالعات دیگر در مرور برآورد کنید و این فرض را در یک تحلیل حساسیت بسنجید.
7. مطالعه را به‌صورت روایتی گزارش کنید و آن را از تحلیل تلفیقی حذف کرده و دلیل آن را بیان کنید.

هرگز یک مطالعه را به‌طور بی‌صدا کنار نگذارید چون اعداد آن نامناسب بودند. هر مطالعه‌ای که در تحلیل گنجانده شده اما در آن ظاهر نمی‌شود، باید در متن ذکر شود و دلیل آن بیان گردد.

بعد چه کنیم؟

1. شما باید استراتژی جستجو را نهایی کرده و جستجوها را اجرا کرده باشید.
2. شما باید فرم‌هایی برای غربالگری عناوین و چکیده ها و متون کامل توسعه داده باشید.
3. شما باید غربالگری کنید و نتایج را در نمودار جریان PRISMA مستندسازی کنید.
4. فرم انتزاع داده‌های خود را توسعه دهید و آن را به‌صورت پایلوت اجرا کنید.

درک خود را بررسی کنید

1. بخش نتایج یک فرم خلاصه برای یک مرور را طراحی کنید که شامل یک نتیجهٔ اولیهٔ دودویی و یک نتیجهٔ اولیهٔ پیوسته باشد. هر فیلد را مشخص کنید و بگویید هر کدام چه اطلاعاتی را دریافت می‌کنند.
2. یک مطالعه گزارش می‌کند «میانگین نمره درد 4.2 ± 0.6، n = 84.» SD را تحت هر تفسیر از نمود پراکندگی محاسبه کنید و توضیح دهید چگونه تصمیم می‌گیرید کدام یک منظور بوده است.
3. یک کارآزمایی تفاوت میانگین 3.4 را با فاصله اطمینان 95 درصد 1.2 تا 5.6 گزارش می‌کند، با n = 60 در هر بازو. خطای استاندارد و انحراف معیار تلفیقی را استنتاج کنید.
4. یک مطالعه 200 نفر را به‌صورت تصادفی انتخاب کرد و نتایج را برای 156 نفر گزارش نمود، بدون توضیح تفاوت. سه اقدام بعدی خود را و تحلیل حساسیتی را که برنامه‌ریزی می‌کنید، توصیف کنید.
5. توضیح دهید چرا استخراج درصدها به‌جای شمارش خام برای یک نتیجهٔ دودویی مشکل‌ساز است و یک مثال مشخص ارائه کنید.
6. یک کارآزمایی تصادفی‌شده‌شده‌شده‌شده‌شده خوشه‌ای گزارش می‌کند که شامل 40 خوشه، 800 شرکت‌کننده و هیچ ICC نیست. خطای واحد تحلیل را که در صورت استخراج ساده‌انگارانه آن رخ می‌دهد توضیح دهید و رویکرد خود را تشریح کنید.
7. یک مرور شامل 20 مطالعه است؛ 3 مطالعه در هیچ فراتحلیلی دیده نمی‌شوند. توضیح دهید مرور باید دربارهٔ آن‌ها چه گزارشی ارائه دهد.
8. توضیح دهید چرا نمرات تغییر SD را نمی‌توان از انحراف معیارهای پایه و پیگیری استخراج کرد و به جای آن چه کاری انجام می‌شود.

مطالعه بیشتر

• Cochrane Handbook, Chapter 5: Collecting data, and Chapter 6: Choosing effect measures and computing estimates of effect.
• Guyatt G et al. Users' Guides to the Medical Literature, 3rd ed., Chapter 11.4: The principle of intention to treat and ambiguous dropouts.
• Wan X, Wang W, Liu J, Tong T. Estimating the sample mean and standard deviation from the sample size, median, range and/or interquartile range. BMC Med Res Methodol. 2014;14:135.
• Tierney JF, Stewart LA, Ghersi D, Burdett S, Sydes MR. Practical methods for incorporating summary time-to-event data into meta-analysis. Trials. 2007;8:16.