Back to search

National and Kapodistrian University of Athens

Μετα-ανάλυση ποσοτικών δεδομένων με drop-out: Σφάλμα και μέθοδοι αντιμετώπισης

Abstract

dc:description

Εισαγωγή: Κατά την μετα-ανάλυση κλινικών δοκιμών ή/και προοπτικών μελετών, ένα σημαντικό μεθοδολογικό πρόβλημα είναι, ιδιαίτερα όταν η έκβαση αφορά σε συνεχή μεταβλητή, είναι οι ελλείπουσες τιμές της έκβασης στις επιμέρους μελέτες λόγω αποχώρησης των ασθενών από τη μελέτη (drop-outs). Το θέμα αυτό αντιμετωπίζεται ατελώς τόσο σε επίπεδο ανάλυσης των επιμέρους μελετών όσο και σε μετα-αναλυτικό επίπεδο. Σκοπός της μελέτης: Σκοπός της παρούσας μεταπτυχιακής διατριβής είναι να διερευνηθεί το μέγεθος του σφάλματος που εισάγεται σε μετα-αναλύσεις ποσοτικών μεγεθών, όταν αγνοείται το πρόβλημα των ελλειπόντων δεδομένων (σε πρωτογενές ή σε μετα-αναλυτικο επίπεδο) και να εξεταστούν πιθανοί τρόποι μερικής τουλάχιστον εξάληψης του εισαγόμενου σφάλματος. Μέθοδοι: Δημιουργήθηκαν προσομοιωμένα δεδομένα, με βάση τα αποτελέσματα πραγματικής μελέτης, και εξετάστηκαν διαφορετικά σενάρια, σε σχέση με το ποσοστό (20%, 40% και 60%) και το μηχανισμό των ελλειπόντων δεδομένων (τελείως τυχαίος [MCAR: Missing Completely at Ransom], τυχαίος [MAR: Missing at Random] ή μη τυχαίος [MNAR: Missing Not at Random]). Για την ανάλυση των επιμέρους μελετών χρησιμοποιήθηκαν 2 τρόποι α) ανάλυση μόνο των ατόμων με πλήρη δεδομένα (complete case analysis-CCA), β) αναπλήρωση ελλειπουσών τιμών με την τελευταία διαθέσιμη (Last observation carried forward- LOCF). Σε μετα-αναλυτικό επίπεδο χρησιμοποιήθηκαν οι μέθοδοι: α) εκτιμητής DerSimonian και Laird (DL) μοντέλου τυχαίων επιδράσεων, και β) επανασταθμισμένη εκτίμηση αυτού με βάση το ποσοστό πληρότητας των δεδομένων των επιμέρους μελετών. Αποτελέσματα: Ο συνδυασμός CCA με τον εκτιμητή DL έδειξε ότι η κλίση και η σταθερά του δείκτη έκβασης εκτιμώνται ικανοποιητικά για τα MCAR και MAR δεδομένα, ενώ για τα MNAR δεδομένα, το % σχετικού σφάλματος της κλίσης είναι αρκετά υψηλό (24,22%). Η χρήση του επανασταθμισμένου DL (RWDL) εισάγει ένα ισχνό σφάλμα στην εκτίμηση της σταθεράς, αλλά διορθώνει τις εκτιμήσεις της κλίσης και στα τρία σενάρια ( ειδικά για MNAR δεδομένα: % σχετικό σφάλμα=9, 49%). Ο συνδυασμός της χρήσης της LOCF και του εκτιμητή DL δημιουργεί υψηλό % σχετικό σφάλμα, ιδιαίτερα για την κλίση, όπου το % σχετικού σφάλματος κυμαίνεται μεταξύ 22,57%, και 31,28%. Η χρήση της επαναστάθμισης φαίνεται να βελτιώνει τα αποτελέσματα της εκτίμησης της κλίσης για τα τρία διαφορετικά σενάρια, ενώ τα αντίστοιχα αποτελέσματα για τη σταθερά φαίνεται να έχουν χειροτερέψει. Συμπέρασμα: Στην περίπτωση παρουσίας ελλιπών δεδομένων, η επαναστάθμιση του DL μας παρέχει πιο αξιόλογες εκτιμήσεις σε σχέση με τον εκτιμητή DL. Επιπλέον, δεν προτείνεται η χρήση της Last Observation Carried Forward, στην περίπτωση που οι ελλείπουσες τιμές διαφέρουν σημαντικά από την τελευταία διαθέσιμη, καθώς το σφάλμα που εισάγεται στις εκτιμήσεις είναι σημαντικό.

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Καρίμαλη Πολυξένη

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:1312612

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
related terms
citation

Καρίμαλη Πολυξένη. Μετα-ανάλυση ποσοτικών δεδομένων με drop-out: Σφάλμα και μέθοδοι αντιμετώπισης. 2014. https://pergamos.lib.uoa.gr/uoa/dl/object/1312612