متاآنالیز چیست؟

به همین دلیل است که متاآنالیز  توانسته برخی مسائل مهم را حل کند. بر اساس تحقیقاتی که تا به امروز به‌دست‌آمده است داده‌های بزرگ در نمونه‌های گسترده، تأثیرات زیادی در حل مسئله‌های داشته‌اند  به ‌عنوان ‌مثال :

• فعالیت‌های ورزشی برای کاهش فشارخون
• تأثیرات روحی برای درمان زخم‌ها بااندام‌های بدن
• تأثیرات مکمل‌های کراتین برای بهبود عملکرد دوندگان
• ارتباط بین فعالیت بدنی و چاقی افراد

درواقع متاآنالیز برای بررسی اطلاعات در مقیاس‌های بزرگ است. در متاآنالیز اطلاعات متعدد و نتایج به ‌دست ‌آمده آن‌ها  از  چندین  آزمایش، مورد بررسی و بازبینی قرار می‌گیرد. در این صورت داده‌ها باهم ترکیب می‌شوند تا یک نتیجه کلی به دست آید.

 اهمیت متاآنالیز در چیست ؟

محققان قبلاً تصور می‌کردند که بامطالعه یک اثر می‌توانستند در خصوص واقعی بودن آن تصمیم‌گیری کنند . اما در آزمایش‌ها و مطالعات خود همواره عقیده شخصی را نیز اعمال می‌کردند. به همین دلیل نتایج به‌دست‌آمده معتبر نبوده ودیگر مهم نبود که مطالعه چقدر مفید و کارآمد بوده است .

اکنون محققان تمامی آزمایش های صوت گرفته بر روی یک نمونه را نیز دوباره باهم بررسی و اطلاعات آن‌ها را باهم مقایسه می‌کنند. تمام نتایج غیر همسان و فاکتورهای موردنیاز در آزمایش‌ها را کنار هم قرار می‌دهند و یک نتیجه کلی و واقعی از این آزمایش‌ها به دست می‌آید.در این صورت اطلاعات جامع‌تری از آزمایش‌ها به دست می‌آید .

درنتیجه اهمیت متاآنالیز  در بررسی مجدد تحقیقات دیگران و بعد از بررسی کامل همه جوانب اقدام به نتیجه‌گیری نهایی می باشد. در این حالت متاآنالیز تمام نظریه‌ها ، تحقیقات ، بررسی‌ها ، آزمایش‌ها  و نقاط قوت و ضعف و نقش‌های آزمایش‌ها را در کنار هم قرار می‌دهد و با تحلیل اطلاعات به‌دست‌آمده اقدام به نتیجه‌گیری نهایی می‌کند.

نتیجه اصلی در هنگام متاآنالیز به‌صورت زیر است :

• نتایج به‌دست‌آمده در متا آنالیز به‌صورت یک تخمین معمولی مانند یک تحقیق انفرادی نیست . چراکه در آن از تمام آزمایش‌های استفاده‌شده است
• تحقیقات و بررسی‌های انجام‌شده توسط متا آنالیز دارای وزن و اهمیت بیشتری می‌باشند . چراکه شامل تمامی تحقیقات و آزمایش‌های قبلی هستند
• در متا آنالیز موضوعات درجه اهمیت بالاتری دارند. خطاهای استاندارد نیز در متا آنالیز موردبررسی قرارمی گرند. منظور از خطای استاندارد ایرادی است که در طول بررسی و تحقیق ممکن است به‌صورت مداوم و پشت سر هم تکرار شوند . درنتیجه آزمایش‌های مورد اعتماد تر خواهد بود
• با توجه به این موارد دیگر بخش‌های تحقیق‌ها و بررسی‌ها با وزن یکسان موردبررسی قرار می‌گیرند .

در هنگام انجام متاآنالیز چه اتفاقی می‌افتد ؟

در متاآنالیز داده‌ها باهم مقایسه می‌شوند و آزمایش‌های مورد بازبینی و بررسی قرار می‌گیرند. در این حال اختلافات و تفاوت‌ها در بین داده‌ها، نتایج، پروتکل‌ها و دستورالعمل‌ها، و حتی نحوه تحقیق محققان نیز مورد بررسی قرار می‌گیرد. نتیجه به‌دست‌آمده از این طریق دارای اعتبار و وزن بیشتری نسبت به یک تحقیق معمولی است و می‌توان به راحتی به آن استناد کرد.

حتی اگر نتیجه به‌دست‌آمده با نتیجه یک آزمایش یکسان باشد به دلیل کیفیت بالا و اهمیت متاآنالیز، وزن و اعتبار آن بیشتر از یک تحقیق منفرد است . به‌عنوان مثال اعتبار نتیجه به‌دست‌آمده از یک متاآنالیز بامطالعه 3 آزمایش با نمونه‌های 10 تایی و 20 تایی و 30 تایی،  خیلی بیشتر از  نتیجه یک آزمایش منفرد با نمونه 60 تایی است. شما در هنگام بررسی آزمایش‌ها می‌توانید ( یا بهتر بگوییم می‌بایست )  تفاوت‌ها را در آزمایش‌ها دخیل کنید .

معرفی مدل تأثیر ثابت تفاوت‌ها :

 بر اساس مدل تأثیر ثابت تفاوت‌ها فرض می‌کنیم که یک تفاوت در بررسی‌های انجام‌شده به یک اندازه اثرگذار است . درنتیجه تمامی مطالعات انجام‌شده با یک مقدار ثابت  تفاوت‌هایشان محاسبه می‌شود.

در مقابل مدل با اثرات تصادفی راداریم. در این مدل اجازه می‌دهیم که تفاوت‌ها در هر مطالعه نسبت به مطالعه قبلی  متفاوت عمل کرده و اثرات خود را بر جای بگذارد . مثلاً تأثیر در بررسی سالم بودن افراد مسن، تأثیر  افراد تحصیل‌کرده مسن را نیز محاسبه کرده و درنتیجه آزمایش دخیل می‌کنیم. این مطالعه نسبت به نمونه قبلی طولانی‌تر است .

در مدل تأثیر ثابت تفاوت‌ها :

• درصد به‌دست‌آمده در I2 نشانگر مقدار تفاوت واقعی از آزمایش‌ها است .
• طبق آمار I2 در صد ناهمگونی و ناهمسانی اطلاعات واقعی بر اساس اطلاعات واقعی کم است .
• در متاآنالیز مدل تأثیر ثابت تفاوت‌ها شما می‌توانید نمونه‌ها را بر اساس مقدار p در آمار محاسبه کنید .
• این تست قدرت کمی دارد برای همین بهتر از مقادیر خود را کمتر از p<0.05 به مقدار p<0.10 تغییر دهید.
• اگر مقدار p>0.10باشد باید آن‌قدر این تست را انجام دهید تا مقدار p<0.10 شود .
• زمانی که p>0.10 باشد شما می‌توانید اثرات را همگن اعلام کنید.

به‌این‌ترتیب طبق بررسی مدل تأثیر ثابت تفاوت‌ها در متاآنالیز شما می‌توانید فرض کنید که تفاوت در نتایج اعلام‌شده در آزمایش‌ها تنها به نمونه‌های آزمایش و نمونه‌گیری‌ها  مربوط می‌شود.  این تفاوت‌ها باعث می‌شود که محاسبه میانگین وزنی ارزش اثر  p یا حد اطمینان به‌آسانی امکان‌پذیر باشد. اما این رویکرد غیرواقعی ، محدود و غیرقابل اطمینان است و از مشکلات آماری مهم و  زیادی رنج می‌برد.

 بررسی دیدگاه تأثیر تصادفی تفاوت‌ها و استفاده از داده‌های تصادفی از آزمایش‌ها

در بررسی تأثیر تصادفی تفاوت‌ها در متاآنالیز  شما در ابتدا تصور می‌کنید که تمام تغییرات در تحقیق‌های انجام‌شده همه واقعی هستند و هر چیزی می‌تواند برای روی این تغییرات اثر بگذارد .

در بررسی تصادفی، انحراف معیار تحقیقات انجام‌شده نشان‌دهنده تنوع تحقیقات است و این موضوع را نشان می‌دهد که هر تحقیق نسبت به تحقیق دیگر چقدر انحراف دارد .شما می‌توانید این انحراف معیار را بررسی و  دقت آن را مورد بازبینی قرار دهید.

میانگین مثبت یا منفی در این انحراف معیار می‌تواند به شما اثبات کند که افراد به‌طورمعمول در هر تحقیق و بررسی چه چیزی را مدنظر داشته‌ و در صورت ترکیب تحقیق‌ها چه تأثیراتی را بر اساس این انحراف معیارها باید در نظر داشته

• شما می‌توانید ویژگی‌های تحقیق را به‌عنوان یک اثر رقابت در بررسی‌ها در نظر بگیرید
• خصوصیات مطالعه تا حدی به تفاوت‌های تأثیرگذار در مطالعات نیز کمک می‌کند . مثلاً تأثیر مطالعات بر روی افراد ورزشکار و افراد غیر ورزشکار .
• در این روش شما نسبت به روش قبلی نیاز به بررسی و مطالعه بیشتر دارید
• آنالیزهای انجام‌شده به‌صورت آمارهای جدا از هم منتشر نمی‌شوند .

محدودیت‌های متاآنالیز چیست ؟

این روش بر روی تفاوت‌ها و تأثیرات اصلی در مطالعات توجه می‌کند. در این روش چیزی که مهم است  تأثیر تفاوت‌ها بر روی آمار است .به همین دلیل نیاز است که واکنش‌های آماری را نیز اندازه بگیریم  . محققان این واکنش‌های آماری را به‌عنوان یک انحراف معیار در نظر می‌گیرند. خود این انحراف معیارها نیز ممکن است نیازمند یک بررسی نتایج متاآنالیز باشد.

همچنین ما باید تمام ویژگی‌های شخصی مثل قد ، جنسیت ، تیپ شخصیتی و غیره را دانسته و آن‌ها را در آزمایش‌های اعمال کنیم و آن‌ها را با پاسخ‌های داده‌شده  مطابقت دهیم . برای این کار بهتر است که محققان تمامی بخش‌های آزمایش‌ها را مورد بررسی قرار داده و تمام داده‌ها را برای نمونه‌های آزمایش مورد بررسی و بازبینی قرار دهند .

البته دراین‌بین ویژگی‌های نامحدود افراد در این روش می‌تواند یک مشکل جدی باشد . به‌عنوان‌مثال اطلاعات دریافت شده از اشخاص گلچین شده با اشخاص متقاضی می‌تواند تفاوت داشته باشد و این تفاوت ممکن است ناشی از مشکلات آموزش ناکافی به آن‌ها باشد که در گزارش‌ها لحاظ نشده است .  درنتیجه متاآنالیز تنها نتایج منتشرشده را بررسی کرده و  نتیجه نهایی را نشان می‌دهد.