تجارت در بازار فارکس

فرا تحلیل و کاربردهای آن

فرا تحلیل (META ANALYSIS)

مباحث فرا تحلیل و روش کار

معیارهای نتیجه کلی برای متاآنالیز :
شما در صورتی می‌توانید تأثیرات آزمایش‌ها را باهم ترکیب کنید که در تمام آن‌ها بر روی یک نمونه واحد انجام‌شده باشد . در بسیاری از تحلیل‌های متاآنالیز این تأثیرات می‌تواند یک واحد اندازه‌گیری بی‌معنی تعبیر شود . در این صورت باید تفاوت‌ها در استانداردها موردبررسی قرار گیرد .
در این حالت تفاوت‌ها و یا تغییرها در نمونه‌های استاندارد باید بیان شود و به‌عنوان یک موضوع و انحراف استاندارد لحاظ شود . این مورد به‌عنوان” اندازه اثر کوهن ” ” یا عامل تغییر کوهن ” شناخته می‌شود. این اثر با کلمه مخفف SD نمایش داده می‌شود . مثال زیر نشان می‌دهد که چرا این اثر این‌قدر مهم است :
در این حالت مقدار اندازه SD برای نمونه‌های کوچک آزمایش بسیار بالا است و قبل از اینکه مورداستفاده قرار بگیرد باید اصلاح شود .
در این حالت مسئله زیر به وجود می‌آید :
در بررسی متاآنالیز بررسی نمونه‌ها با کاهش روبرو می‌شود چراکه جامعه آماری با اندازه SD وجود خواهند داشت . به همین دلیل این كاهش نمونه آماری در آزمایش‌ها تأثیر مشابه ای مانند کاش تعداد آزمایش‌ها را در آزمایش نهایی خواهند گذاشت . تأثیر این تفاوت مانند تأثیر SD در آزمایش‌های خواهند بود .
درنهایت این تغییرات به نظر بی‌اهمیت باعث می‌شود که نتیجه‌های آزمایش به‌شدت تحت تأثیر قرار گیرند .
برای حل این مشکل باید :
• در متاآنالیز باید یک درصد خطای مشخص برای این تغییرات در نظر گرفت .
• یک یا چند جامعه آماری با SD مختلف را باهم ترکیب کرده و یک جامعه آماری بزرگ و منحصربه‌فرد با یک SD به دست بیاورید .
• نتیجه نهایی به‌دست‌آمده را به دو صورت باهم مقایسه کنید. ابتدا نتیجه نهایی بدون SD و سپس نتیجه نهایی با اعمال SD متغیر را محاسبه و اثر کل را در متاآنالیز لحاظ کنید .

فرا تحلیل آموزش مباحث متاآنالیز و روش کار – جلسه دوم (2)

در صد یا عامل تغییر در میانگین :

عوامل بسیار زیادی وجود دارد که می‌تواند بر روی جامعه آماری انسانی اعمال شود و به‌عنوان یک ضریب یا عامل تکثیر بیان شوند. این عوامل می‌توانند باعث اختلاف درنتیجه تاشوند و یا حتی ممکن است نتیجه آن نیز برای هر فرد یکسان باشد . به‌عنوان‌مثال تأثیر درمان بر روی افراد 2% یا اندازه 1.02 است . باید این درصد یا عامل تغییر را مشخص و در متاآنالیز محاسبه کرد.برای چنین موارد، درصد اختلاف تغییر می‌تواند به‌عنوان عامل عمومی در یک فرا تحلیل (META ANALYSIS) لحاظ شود .

به همین دلیل اگر تمام تحقیقات دارای تأثیر 10 درصدی یا کمتر از این ضریب یا عامل را دارا باشند بهتر است این مقدار در تمامی بررسی به‌صورت واحد اعمال شود .

در غیر این صورت باید این اثر را به‌عنوان یک عامل مهم در نتیجه‌گیری اعلام کرده و آن‌ها را قبل از انجام بررسی‌های متاآنالیز به یک عامل واحد تبدیل کنند .

برای بررسی عملکرد یک ورزشکار نیاز به مراقبت‌های ویژه از او داریم . بهترین معیار برای محاسبه استفاده از معیار درصد عمومی تغییر است .اما این درصد فرا تحلیل و کاربردهای آن داده بر اساس توانایی ورزشکار می‌تواند بر اساس ورزش‌های مختلف متغیر باشد . این درصد رابطه مستقیمی باقدرت خروجی ورزشکار و توانایی‌های او در انجام حرکات ورزشی دارد .

به‌عنوان‌مثال اگر 1% را به‌عنوان معیار عمومی تغییر برای قدرت خروج ورزشکار در نظر بگیریم این مقدار برای ورزشکاران زیر به‌صورت زیر تغییر می‌کند :

  • 1% برای ورزشکاران دو سرعت
  • 0.4% برای ورزشکاران دوچرخه‌سواری در جاده
  • 0.3 % فرا تحلیل و کاربردهای آن برای ورزشکاران قایقرانی
  • 15% برای ورزشکاران قدرتی

بنابراین باید تمام اثرات عمومی تغییر را بر اساس مقدار نیروی استفاده‌شده در هر ورزش به دست بیاوریم . همچنین برای ورزش‌های تیمی نیز باید این مقدار را فرا تحلیل و کاربردهای آن به‌صورت یک درصد تغییر استاندارد برای استفاده در متاآنالیز محاسبه کنیم .

فراتحلیل آموزش مباحث متاآنالیز و روش کار – جلسه دوم (1)

ضریب همبستگی در نمونه‌ها لحاظ شود . ضریب همبستگی چیست ؟

ضریب همبستگی یکی از معیارهای مورداستفاده در تعیین همبستگی دو متغیر است . در متاآنالیز نمونه‌هایی که دارای SD کوچکی هستند باهم ارتباط کمی دارند. به همین دلیل ضریب همبستگی کمی دارند. ضریب همبستگی در بعضی موارد می‌توانند مانند اثرات تغییر استاندارد برای متاآنالیز مشکل ایجاد فرا تحلیل و کاربردهای آن کند .

برای حل این مشکل و انحراف در متاآنالیز باید کرد ضریب همبستگی را با استفاده از ترکیب SD پیدا کرد . این روش باید بدون هرگونه استفاده از متغیر صورت بگیرد . برای این کار باید هر تخمینی از انحراف را با ضریب مطمئن برای کاهش خطای اندازه‌گیری محاسبه کرد . این ضریب را باید تا حد امکان پایین به دست آورد.

نسبت نسبی یا همان فرکانس نسبی در نمونه‌ها اعمال شود .

هنگامی‌که یک متغیر به فرا تحلیل و کاربردهای آن تکرار از چیزی وابسته است تأثیرات واردشده را به‌عنوان ضریب نسبی یا فرکانس نسبی بیان می‌شوند .

به‌عنوان‌مثال خطر سکته قلبی اگر در بین افراد ورزشکار 10% و در بین افراد غیر ورزشکار 25% باشد خطر نسبی بیماری قلبی بین این افراد برابر است با 2.5=10/25 .

فرکانس نسبی خطر در مطالعات کوهورت برای مقایسه بروز بیماری تا در بین افراد است . دراین‌بین نسبت شانس برای مطالعه در مورد شواهدی است که فراوانی قرار گرفتن نمونه آزمایش در معرض چیزی را نشان می‌دهد. اکثر مدل‌ها با متغیر عددی نیازمند نسبت شانس هستند . نسبت شانس را نمی‌توان به‌راحتی تفسیر کرد اما درواقع این نسبت می‌خواهد بداند که وجود یا عدم وجود یک مشخصه مانند A چگونه بر وجود یا عدم وجود یک مشخصه مانند B اثر می‌گذارد .

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برو به دکمه بالا