Дорогие коллеги,

[erdweibchen]

если вдруг кто-нибудь хорошо знаком с метааналитическими методами - есть ли какие-то методы метаанализа для ситуации, когда в наличии данные нескольких исследований (сравнивающих две группы медикаментов), из которых часть на связанных выборках (или как они по-русски называются; когда два медикамента на одних и тех же людях последовательно тестируют

Comments

что Ви есть иметь в виду? :))

[sterter95]

Каковы цели и задачи этого исследования? Из целей и задач вытекает дизайн исследования, т.е., экспериментальный план. Проанализировав план, вы поймете, какие данные Вам нужны, и сможете оценить, годятся ли Ваши данные для достижения Ваших целей и решения Ваших задач.

Я, может, не про то совсем пишу, про что Вы ожидали. Пожалуйста, опишите Ваши цели подробно, и я постараюсь ответить.

Re: что Ви есть иметь в виду? :))

[erdweibchen]

Если б у меня был план исследования, написанный кем-то другим, то я бы не задавала дурацких вопросов :). А мне его самой надо сваять

Re: что Ви есть иметь в виду? :))

[sterter95]

вопрос Ваш вовсе не дурацкий, а очень даже жизненный и вызванный потребностями практики - часто так бывает (и у меня тоже), что сначала получаешь данные, а только потом приходится думать, как из них вытащить то, что тебе нужно.

Тестов таких я, честно говоря, не знаю. Но посмотрите вот тут:

http://lib.org.by/

Есть в том числе и про мед исследования и про экспериментальные планы.

Сервер работает из рук вон плохо, но ночью в один поток качать можно, если осторожно ;))

Re: что Ви есть иметь в виду? :))

[erdweibchen]

И вот еще вопрос попроще. Допустим, у меня есть только связанные выборки.

Что делают, если запланирован paired test, сравнивающий два медикамента, а часть пациентов отвалилась после медикамента X? И заведомо известно, что часть из них отвалилась из-за побочных действий. Так что просто проигнорировать тех, кто получил только X и не стал принимать Y, и провести paired test - занизить токсичность X. Не игнорировать - paired test невозможен. В принципе, для предотвращения такого вот сдвига служит crossover design. Но у меня данные исследований, которые не планировались с целью сравнивать X и Y. А с целью сравнить, к примеру, последовательность X-Y в одной дозировке с нею же в другой. Или сравнить X1-Y с X2-Y (где X1 и X2 - разные представители группы X). И посему никакого crossover нет, а последовательность всегда строго X-Y. Есть ли способы компенсировать погрешность, вызванную тем, что drop outs не являются независимыми от целевой переменной?

[yuksiyuksi]

Если есть доступ, то очень хорошая книжка - Methods of Meta Analysis, Hunter & Schmidt. Я навскидку посмотрела и по-моему Вы просто посчитаете d для всех исследиваний и сделаете тип исследования одной из переменных, чтобы потом посмотреть, не зависит ли d от этого

[erdweibchen]

Книжка есть, я в нее уже заглядывала, но нахрапом не нашла (еще ж, как обычно, вмешивается фактор "закончено должно быть вчера" :)). Спасибо, я посмотрю более внимательно.

[yuksiyuksi]

Мне ее в свое время посоветовала наша местная "королева мета-анализа". Но в Вашем ответе выше вижу, что дело более запутанное, чем я поняла из вашего первого поста. Но я точно помню из общения с ней, что можно смешивать effect sizes из разных типов исследований.

[erdweibchen]

Спасибо еще раз.

Сегодня в процессе ковровых бомбардировок разнообразного поиска Гуглом набрела еще на такое.

Осталось до понедельника все это прочесть.