2016-09-20 3 views
1

Для моего исследования я выполнил метаанализ измерений вирусной нагрузки, чтобы проверить, влияет ли конкретное взаимодействие между А и В на его уровни.Интерпретация лесного участка

Это участок леса я получил с помощью R: MetaAnalysis.jpg

Однако, я не знаю, как его интерпретировать. Я понимаю, что этот результат значителен, потому что p = 0,0073 и потому, что общая оценка эффекта 95% CI не перекрывается. Однако, что это означает, что алмаз находится справа от участка леса?

+0

Это означает, что общий эффект положительный. Поскольку эффект представляет собой взаимодействие, это означает, что эффект A становится больше (или более положительным или менее отрицательным) по мере увеличения B, а наоборот. Обратите внимание, что речь идет не о программировании, а о статистике и, следовательно, вне темы. – Axeman

ответ

1

Это зависит от того, как вычисляются индивидуальные размеры эффекта. Это кажется лесной диаграммой метаанализа корреляций между A и B для каждой вирусной нагрузки (вы указываете значение p ассоциации). Возможно, вы используете разницу в z-преобразованных корреляциях по различным вирусным нагрузкам и связанным с ними стандартным отклонениям (?). Если да, то способ вычисления этой разницы поможет вам интерпретировать общий размер эффекта. Вычисляется ли оно как значение для большой вирусной нагрузки минус значение для небольшой вирусной нагрузки? Если это так, общая оценка показывает, что существует больший эффект взаимодействия между А и В в больших вирусных нагрузках. (Если бы алмаз находился на левой стороне вертикальной пунктирной линии, т. Е. Линии «без эффекта», это отразило бы больший эффект взаимодействия при небольших вирусных нагрузках.)

Еще один комментарий: оценить общий размер эффекта с использованием случайных эффектов (кстати, размеры черных квадратов для каждого отдельного исследования отражают вес, присвоенный этому исследованию). Тест гетерогенности кажется несущественным (см. Неоднородность p-значения), что означает, что гетерогенность не влияет на результаты вашего метаанализа. Когда этот тест окажется значительным, вам нужно рассмотреть модель смешанных эффектов (т. Е. Найти модераторов в вашем наборе данных, которые помогут вам объяснить эту неоднородность). В противном случае результаты ненадежны.

+1

Спасибо Лумита за ваш ответ и все объяснения. Для выполнения лесного участка это переменные, которые я использовал: имя когорт, оценка (которая является бета-версией) и стандартная ошибка. Затем я выполнил модель с фиксированными эффектами, используя пакет R metafor (используя метод 'method =" FE "'). Должен ли я использовать REML или ML вместо этого? И если я правильно понял, хорошо, что тест гетерогенности несуществен, иначе мне пришлось бы использовать модель смешанных эффектов. Это правильно? – Svalf

+0

Мы обычно используем модель фиксированных эффектов, когда наблюдения/исследования из образца получены с помощью идентичных методов, и у нас есть веские основания предполагать, что истинный размер эффекта _ то же самое во всех исследованиях. В противном случае мы должны использовать случайные эффекты для учета неоднородности этих наблюдений/исследований. Я не уверен, что такое настройка вашего расследования, но здесь это ресурс, который может помочь вам сделать лучший выбор для вашей ситуации: [FEvsRE] (https://www.meta-analysis.com/downloads/Meta -анализ% 20fixed% 20эффект% 20vs% 20random% 20effects.pdf) – Luminita

+0

Что касается теста на гетерогенность, да, это хорошо, что это не существенно. В качестве альтернативы вы также можете посмотреть на индикатор гетерогенности I2 (представленный в результатах вашей модели), который показывает влияние неоднородности между исследованиями по метаанализу. Исследования вносят свой вклад в общую гетерогенность. Однако наша озабоченность заключается не в гетерогенности между исследованиями как таковой, а в том, как это влияет на результаты метаанализа. – Luminita