Вопрос или проблема
В настоящее время я пытаюсь провести метаанализ. Я пересмотрел ссылки, которые хотел бы использовать, и убедился, что каждая из них соответствует моим критериям для этого метаанализа. Однако большинство ссылок не включают или не указывают значение стандартного отклонения.
Для нескольких ссылок мне удалось использовать их графические данные и грубо оценить стандартное отклонение с помощью ошибок на графиках. Однако большинство других ссылок не имеют графиков. Вместо этого они используют таблицы или просто записывают свои данные в абзацах. Я также пытался писать и выходить на связь с различными авторами этих ссылок и спрашивал, могут ли они поделиться своими данными стандартного отклонения. К сожалению, только несколько ответили, некоторые не знают, где находятся их данные, а другие вообще не ответили.
Мне интересно, как рассчитать недостающее стандартное отклонение для тех ссылок, которые не предоставляют это значение. Некоторые ссылки упоминают LSD, коэффициент вариации, p-значение и т. д. Есть ли математический способ рассчитать стандартное отклонение только на основе опубликованных данных? Или есть другой способ рассчитать общее стандартное отклонение для всех ссылок, у которых отсутствуют эти данные? Поскольку большинство статей не указывают значения SD, не следует ли мне не включать SD в мой анализ?
Я буду признателен за любые ответы на мой вопрос.
Эта статья может помочь вам в вашей проблеме.
Weir, Christopher J., и др. “Усталость от отсутствия стандартного отклонения и средних значений в метаанализе непрерывных исходов: систематический обзор.” BMC medical research methodology 18.1 (2018): 1-14.
Ответ или решение
Введение
Проведение мета-анализа является важной частью систематического обзора научной литературы. Одной из ключевых задач при выполнении мета-анализа является сбор и анализ необходимых статистических данных, включая средние значения и стандартные отклонения (СО). Однако в вашем случае возникла проблема: множество статей не предоставляют значений стандартного отклонения. Данная статья предлагает рекомендации по решению этой проблемы и альтернативные методы обработки недостающих данных.
Общая информация о стандартном отклонении
Стандартное отклонение отражает степень разброса данных относительно их среднего значения. Его отсутствие в представленных источниках может затруднить анализ. Поскольку стандартное отклонение необходимо для оценки вариабельности и доверительных интервалов в мета-анализе, важно предпринять шаги для его получения.
Способы оценки стандартного отклонения
-
Использование графических данных: Вы уже начали использовать графические данные для оценки стандартного отклонения. Этот метод может быть полезен, особенно если на графиках представлены полосы ошибок. Для более точного анализа следует использовать программное обеспечение для обработки изображений или специальные инструменты, которые помогут вам точно измерить высоту ошибок. Однако этот подход работает только для тех статей, где доступны графические данные.
-
Анализ других доступных статистических данных: Иногда в статьях могут быть приведены значения, которые помогут в расчетах, такие как коэффициент вариации (CV). Коэффициент вариации определяется как отношение стандартного отклонения к среднему значению:
[
CV = \frac{SD}{\bar{X}} \times 100\%
]
Если известен коэффициент вариации и среднее значение, стандартное отклонение можно вычислить следующим образом:
[
SD = \frac{CV \times \bar{X}}{100}
] -
Шаги при использовании таблиц данных: Если в статье содержатся таблицы с данными, вы можете попробовать рассчитать стандартное отклонение, используя формулы для выборочного стандартного отклонения. Если статьи содержат необходимые данные (например, диапазон, модус и медиану), это также может помочь в вычислениях.
-
Восполнение недостающих данных: Попробуйте использовать методы иммутации или другие статистические методы для определения стандартного отклонения из известных данных. Существуют программные пакеты, которые помогают заполнить пропуски в данных, основываясь на имеющихся значениях.
-
Общие согласованные значения: Возможно, имеет смысл рассмотреть использование общего стандартного отклонения для всех статей, где оно недоступно, на основе полученных данных из других источников. Такой подход может привести к потере точности, но, при отсутствии других вариантов, он может быть целесообразным.
Заключение
При отсутствии стандартного отклонения возможность провести качественный мета-анализ значительно затрудняется. Однако существуют различные методы оценки недостающих значений, включая анализ графиков, статистических данных и использование общих значений. Важно учитывать, что все методы имеют свои ограничения, и результат будет менее надежен без точных данных. Рекомендуется включить эти аспекты в ваш конечный отчет о мета-анализе, четко обозначив виды недостающей информации и методологию, используемую для её обхода.
Для более подробной информации об обработке недостающих значений, ознакомьтесь с статьей: Weir, C. J., et al. "Dealing with missing standard deviation and mean values in meta-analysis of continuous outcomes: A systematic review." BMC medical research methodology, 2018. Ссылка на статью: https://doi.org/10.1186/s12874-018-0483-0.