MerQuR+Başvuru Kitabı

44. Meta-Analiz

Analiz kimliği: meta_analysis · Menü adı: Meta-Analiz · Panel: gui/panels/analyses/meta_analysis.py · Motor: stats/meta_analysis.py, run_meta_analysis (satır 751–904), fit_rma (244–336), estimate_tau2 (142–195)

44.1 Ne işe yarar

Meta-analiz, aynı soruyu yanıtlayan birden çok çalışmanın sonuçlarını tek bir havuzlanmış etki kestiriminde birleştirir. Her satır bir çalışmadır; analiz birimi hasta değil, çalışmanın raporladığı etki büyüklüğü ve onun örnekleme varyansıdır. Cevapladığı sorular şunlardır: "SGLT2 inhibitörleri kalp yetersizliği nedeniyle hastaneye yatış odds'unu ortalama ne kadar düşürüyor?", "Çalışmalar arasındaki fark örnekleme hatasıyla açıklanabilir mi, yoksa gerçek bir farklılık (heterojenlik) var mı?", "Yeni bir çalışmada gerçek etkinin hangi aralıkta olması beklenir?"

MerQur iki model kurar. Sabit etki (ortak etki) modeli, tüm çalışmaların aynı gerçek etkiyi ölçtüğünü varsayar; rastgele etkiler modeli ise gerçek etkilerin çalışmadan çalışmaya bir dağılım gösterdiğini kabul eder:

y_i=\theta_i+\varepsilon_i,\qquad \varepsilon_i\sim N(0,\,v_i),\qquad \theta_i=\mu+u_i,\qquad u_i\sim N(0,\,\tau^2),\qquad i=1,\dots,k
  • y_i: i. çalışmanın gözlenen etki büyüklüğü (burada log odds oranı).
  • v_i: y_i'nin örnekleme varyansı; bilinen kabul edilir (çalışmanın kendi verisinden hesaplanır).
  • \theta_i: i. çalışmanın gerçek (sonsuz örneklemdeki) etkisi.
  • \mu: gerçek etkilerin ortalaması; havuzlanmış kestirimin hedefi.
  • \tau^2: çalışmalar arası varyans (heterojenlik). \tau^2=0 ise model sabit etki modeline indirgenir.
  • k: çalışma sayısı.

Neden iki ayrı varyans bileşeni?

Bir çalışmanın sonucu iki nedenle ortalamadan sapar. Birincisi örnekleme hatasıdır (v_i): küçük çalışma rastlantısal olarak büyük ya da küçük etki bulur. İkincisi gerçek farklılıktır (\tau^2): hasta popülasyonu, doz, izlem süresi ya da tanım farkları gerçek etkiyi değiştirir. Sabit etki modeli yalnız birincisini kabul eder; ikincisi varken bu model havuzlanmış etkinin SH'sini olduğundan küçük gösterir ve GA'yı daraltır.

Ne zaman kullanılır? Sistematik derlemede aynı sonucu raporlayan çalışmaların bulguları birleştirilecekse; her çalışma için etki büyüklüğü ve SH (ya da bunları hesaplatacak ham özetler: ortalama-SS-n, 2×2 sayımlar, korelasyon-n) varsa.

Ne zaman kullanılmaz?

  • Hasta düzeyinde ham veri varsa ve çalışma bir küme değişkeniyse: Doğrusal Karma Model ya da GLMM (bireysel hasta verisi meta-analizi). Bu modülde satırlar hasta değil, çalışmadır.
  • Aynı çalışmadan birden çok bağımlı etki büyüklüğü geliyorsa (çok kollu çalışma, aynı hastalarda birden çok sonuç): çok düzeyli meta-analiz gerekir; MerQur bu modülde çalışmaları bağımsız sayar.
  • Tanı doğruluğu (duyarlılık–özgüllük çiftleri) birleştirilecekse: iki değişkenli model gerekir; bu modülde yoktur.
  • Çalışmalar aynı yapıyı ölçmüyorsa: havuzlama anlamsızdır; meta-analiz istatistiksel bir düzeltme değildir.

Sık karıştırılan analizler. CMH testi (Cochran–Mantel–Haenszel) tabakalanmış 2×2 tabloları birleştirir ve sabit etki Mantel–Haenszel OR'sini verir; bu modüldeki "Mantel-Haenszel" seçeneği aynı kestiriciyi meta-analiz çerçevesinde (heterojenlik ve yayın yanlılığıyla birlikte) sunar. Etki Büyüklüğü modülü tek bir çalışmanın etkisini hesaplar; birleştirmez.

44.2 Varsayımlar ve veri türü

Varsayım Ne demek MerQur'da nasıl denetlenir
Bağımsız çalışmalar Her satır ayrı bir hasta örneklemidir. Denetlenmez.
Bilinen örnekleme varyansı v_i kestirilmiş değil, bilinen kabul edilir. Denetlenmez; küçük çalışmalarda bu yaklaşım kaba kalır.
Normal örnekleme dağılımı y_i yaklaşık normal dağılır (log OR, log RR, Fisher z bu yüzden kullanılır). Ölçek seçimiyle sağlanır (oranlar log ölçekte birleştirilir).
Gerçek etkilerin normalliği (RE) \theta_i\sim N(\mu,\tau^2). Denetlenmez; tahmin aralığı buna dayanır.
Yeterli çalışma sayısı \tau^2 ve yayın yanlılığı testleri için. k<3 ise uyarı (stats/meta_analysis.py:813–817); yayın yanlılığı ve birini dışarıda bırak k\ge3'te çalışır (821–834); k<10 ise huni testlerinin gücü için not yazılır.
Ortak yapı Etkiler aynı yönde ve aynı ölçekte kodlanmıştır. Denetlenmez.

Eksik ve geçersiz satırlar. Etki büyüklüğü, varyans, alt grup ya da moderatör sütunlarından biri eksik olan satır çıkarılır; ayrıca v_i\le0 olan satır da çıkarılır (stats/meta_analysis.py:781–785). Çıkarılan satır sayısı sonuç metnine yazılır ("… çalışma çıkarıldı").

Uç durumlar (koddan).

  • 2×2 girdide olay sayısı negatifse, grup toplamını aşıyorsa ya da toplam ≤ 0 ise hata verilir (stats/meta_analysis.py:727–730).
  • Korelasyon girdisinde |r|\ge1 ya da n\le3 hata verir (737–740).
  • k=1 ise havuzlanmış kestirim çalışmanın kendisidir; \tau^2, Q, I^2 ve tahmin aralığı tanımsız (NaN) bırakılır (329–335).
  • Tek çalışmalı alt grupta \tau^2 kestirilemez; o alt grup sabit etkiyle kestirilir ve bu ayar bloğuna yazılır (853–859).
  • Moderatör sayısı p\ge k ise ya da tasarım tekilse hata (883–886).
  • Alt grup değişkeni moderatör olarak da seçilirse ya da bir sütun iki role atanırsa panel hata verir (gui/panels/analyses/meta_analysis.py:327–337).

44.3 Parametreler

Varsayılanlar meta_analysis.py:128–312 (form ve read_options) ile motorun imzasından (stats/meta_analysis.py:751–758) alınmıştır.

Arayüz adı Varsayılan Ne yapar Sonucu nasıl değiştirir
Çalışma etiketi ad tahmini (study, author, label…) Çalışma adlarının sütunu. Yalnız etiketler.
Girdi biçimi sütun adlarından tahmin ES + SH / ES + varyans / ES + GA / iki grup ortalama-SS-n / 2×2 sayımlar / korelasyon + n. y_i ve v_i'nin nasıl hesaplanacağı.
Etki ölçüsü listenin ilki (2×2: OR) 2×2: log OR, log RR, RD. İki grup: Hedges g, MD. Hazır ES: toplamsal ya da oran (log dönüşümlü). Ölçek; oranlar log ölçekte birleştirilip üstel alınarak raporlanır.
Girdideki güven düzeyi %95 Yalnız "ES + GA" girdisinde, GA'dan SH'yi geri hesaplamak için. v_i.
Model Rastgele etkiler Rastgele etkiler ya da sabit etki (ters varyans). Ağırlıklar, SH, GA.
τ² kestiricisi REML REML, DL, ML, PM, SJ, HE. \hat\tau^2 ve dolayısıyla tüm RE sonuçları.
Knapp-Hartung (HKSJ) kapalı SH'yi s^2 ile ölçekler, t_{k-p} dağılımı kullanır. SH, test, GA, tahmin aralığı.
Tahmin aralığı z (varsayılan) Kritik değer: z (KH açıksa t_{k-1}) ya da t_{k-2} (Riley 2011). Yalnız tahmin aralığı.
Mantel-Haenszel kapalı Yalnız 2×2 girdi ve sabit etki modelinde. Havuzlanmış OR/RR/RD ve SH.
Güven düzeyi %95 Havuzlanmış GA, tahmin aralığı, Q-profile GA. Aralık genişlikleri.
Alt grup (moderatör) (yok) Kategorik değişken: grup başına havuzlama ve gruplar arası test. Ek bölüm.
Meta-regresyon moderatörleri boş Sayısal ya da kategorik çalışma düzeyi açıklayıcılar. Ek bölüm (QM, QE, kalıntı \tau^2, R^2).
Yayın yanlılığı: Egger / Begg / Kırp-doldur / Güvenli başarısızlık N dördü de açık Huni asimetrisi testleri ve düzeltilmiş kestirim. Ek bölüm.
Yayın yanlılığı: Konturlu huni kapalı Huni grafiğine anlamlılık konturları. Yalnız grafik.
Duyarlılık: Birini dışarıda bırak açık Her çalışma çıkarılarak yeniden kestirim. Ek bölüm ve tablo sütunları.
Duyarlılık: Etki tanıları kapalı rstudent, DFFITS, Cook D, COVRATIO, hat, DFBETAS. Ek bölüm ve tablo sütunları.

Seçeneklerin sezgisel olmayan etkileri

Knapp–Hartung açılınca SH bazen küçülür: ölçek çarpanı s^2 birden küçükse (bu veride 0,894) GA t_{14}'ün daha büyük kritik değerine rağmen yalnız biraz genişler; s^2 çok küçük olduğunda KH aralığı z aralığından bile dar çıkabilir. Mantel–Haenszel yalnız sabit etki ve 2×2 girdiyle etkinleşir; rastgele etkiler seçiliyken kutu işaretli olsa da kullanılmaz (meta_analysis.py:796, form _sync_model 259–272). Yayın yanlılığı ve birini dışarıda bırak analizleri MH seçiliyken ters varyanslı sabit etki modeliyle yapılır ve bu metne yazılır.

44.4 Tıp örneği

Dosya: english/datasets/Tip/116_meta_sglt2_hf_hospitalization.xlsx (Türkçe kopyası ve video senaryosu yoktur; değişken seçimi dosyanın yapısından yapılmıştır).

Değişken Rol Tür Özet
study Çalışma etiketi metin 15 çalışma (2007–2024)
events_t Olay sayısı (grup 1: SGLT2) sayım 29–138; toplam 1205
n_t n (grup 1) sayım 316–1416; toplam 13098
events_c Olay sayısı (grup 2: kontrol) sayım 38–199; toplam 1627
n_c n (grup 2) sayım 331–1509; toplam 13280
population Alt grup kategorik CKD 5, HFrEF 5, T2DM 5
year Moderatör sayısal 2007–2024
followup_months (kullanılmadı) sayısal 12–44 ay

k ve eksik değer: 15 çalışma, eksik değer ve sıfır hücre yoktur; süreklilik düzeltmesi gerekmez.

Sütun adları events_t/events_c/n_t/n_c olduğundan panel girdi biçimini 2×2 sayımlar olarak tahmin eder ve rolleri kendisi atar (_guess_input, meta_analysis.py:105–125); ölçü listesinin ilki odds oranıdır.

Klinik soru: SGLT2 inhibitörleri kontrol grubuna göre kalp yetersizliği nedeniyle hastaneye yatış odds'unu azaltıyor mu? Etki çalışmadan çalışmaya değişiyor mu, hasta popülasyonuna (KBH, HFrEF, T2DM) göre farklı mı?

Seçilen ayarlar: Arayüz varsayılanları (rastgele etkiler, REML, KH kapalı, tahmin aralığı z, dört yayın yanlılığı testi ve birini dışarıda bırak açık). Hesap yürüyüşü için ikinci bir çalıştırmada alt grup population ve etki tanıları, üçüncüsünde moderatör year seçilmiştir; ayrıca sabit etki, Mantel–Haenszel, Knapp–Hartung, beş farklı \tau^2 kestiricisi ve log RR ile karşılaştırma çalıştırmaları yapılmıştır.

44.5 Formüller ve hesap adımları

MerQur önce her çalışmanın y_i ve v_i değerlerini girdi biçimine göre hesaplar (compute_effects). Sonra \tau^2'yi seçilen kestiriciyle bulur, w_i=1/(v_i+\hat\tau^2) ağırlıklarıyla genelleştirilmiş en küçük kareler (GLS) kestirimi yapar, heterojenlik ölçülerini ve Q-profile GA'yı hesaplar. Ardından seçili ek analizleri (yayın yanlılığı, birini dışarıda bırak, alt grup, meta-regresyon, etki tanıları) aynı modelle yeniden kurar. Motorun başlığı, sonuçların R metafor ile doğrulandığını belirtir (stats/meta_analysis.py:4–7).

44.5.1 Etki büyüklüğü: log odds oranı

İki grubun 2×2 tablosunda a_i, b_i grup 1'de olay olan ve olmayan, c_i, d_i grup 2'de olay olan ve olmayan sayılardır (b_i=n_{1i}-a_i, d_i=n_{2i}-c_i).

y_i=\ln\frac{a_i\,d_i}{b_i\,c_i},\qquad v_i=\frac1{a_i}+\frac1{b_i}+\frac1{c_i}+\frac1{d_i}
  • y_i: log OR; e^{y_i}<1 ise olay odds'u grup 1'de (SGLT2) daha düşüktür.
  • v_i: Woolf'un büyük örneklem varyansı (delta yöntemi).

Koddaki tercih: süreklilik düzeltmesi yalnız sıfırlı tabloya

Bir hücresi sıfır olan çalışmanın dört hücresine de 0,5 eklenir; sıfırsız çalışmalara dokunulmaz (_cc, stats/meta_analysis.py:91–98). Bu, metafor escalc(add = 1/2, to = "only0") varsayılanıyla aynıdır. Log RR için v_i=1/a-1/n_1+1/c-1/n_2, RD için p_1(1-p_1)/n_1+p_2(1-p_2)/n_2 kullanılır (101–115). İki grup girdisinde Hedges g, kesin düzeltme çarpanı J(m)=\Gamma(m/2)/[\sqrt{m/2}\,\Gamma((m-1)/2)] ile hesaplanır (70–82); korelasyonda z=\operatorname{atanh}(r), v=1/(n-3) (118–121).

44.5.2 Sabit etki modeli ve Cochran Q

w_i=\frac1{v_i},\qquad \hat\mu_{\text{FE}}=\frac{\sum_i w_iy_i}{\sum_i w_i},\qquad \SH(\hat\mu_{\text{FE}})=\frac1{\sqrt{\sum_i w_i}},\qquad Q=\sum_i w_i\left(y_i-\hat\mu_{\text{FE}}\right)^2
  • w_i: ters varyans ağırlığı; kesin çalışma (küçük v_i) daha çok ağırlık alır.
  • Q: Cochran'ın heterojenlik istatistiği. H_0:\tau^2=0 altında Q\sim\chi^2_{k-1}.

Neden ters varyans ağırlığı?

Bağımsız ve yansız kestiricilerin doğrusal birleşimleri içinde varyansı en küçük olan, her birine varyansının tersiyle orantılı ağırlık veren birleşimdir (Gauss–Markov). Bu yüzden sabit etki kestirimi, v_i'ler biliniyorken en verimli yansız kestiricidir.

MerQur Q'yu genel biçimde, yani izdüşüm matrisiyle hesaplar; bu biçim meta-regresyonda da aynı kodla çalışır:

\mathbf P=\mathbf W-\mathbf W\mathbf X\left(\mathbf X^{\top}\mathbf W\mathbf X\right)^{-1}\mathbf X^{\top}\mathbf W,\qquad Q_E=\mathbf y^{\top}\mathbf P_{0}\,\mathbf y,\qquad \mathbf P_0=\mathbf P\big|_{\mathbf W=\operatorname{diag}(1/v_i)}
  • \mathbf X: k\times p tasarım matrisi; moderatörsüz modelde tek sütun 1'lerdir (p=1).
  • \mathbf W=\operatorname{diag}(w_i).
  • Q_E: "kalıntı heterojenlik"; moderatörsüz modelde Cochran Q'ya eşittir. Her zaman sabit etki ağırlıklarıyla (1/v_i) hesaplanır (fit_rma, stats/meta_analysis.py:274–277).

44.5.3 Rastgele etkiler: τ² kestiricileri

Rastgele etkiler modelinde \operatorname{Var}(y_i)=v_i+\tau^2'dir. \tau^2 altı yöntemle kestirilebilir (estimate_tau2, 142–195):

\hat\tau^2_{\text{DL}}=\max\!\left(0,\ \frac{Q-(k-p)}{\operatorname{tr}\mathbf P_0}\right),\qquad \operatorname{tr}\mathbf P_0\ \overset{p=1}{=}\ \sum w_i-\frac{\sum w_i^2}{\sum w_i}
\hat\tau^2_{\text{HE}}=\max\!\left(0,\ \frac{\mathbf y^{\top}\mathbf R\,\mathbf y-\sum_i R_{ii}v_i}{k-p}\right),\qquad \mathbf R=\mathbf I-\mathbf X(\mathbf X^{\top}\mathbf X)^{-1}\mathbf X^{\top}
\text{PM:}\ \ \mathbf y^{\top}\mathbf P(\tau^2)\,\mathbf y=k-p,\qquad \text{SJ:}\ \ \hat\tau^2=\tau_0^2\,\frac{\mathbf y^{\top}\mathbf P(\tau_0^2)\,\mathbf y}{k-p},\ \ \tau_0^2=\frac1k\sum(y_i-\bar y)^2
  • DL (DerSimonian ve Laird 1986): momentler yöntemi; Q'nun beklenen değerini gözlenen değerine eşitler. Kapalı biçimlidir.
  • HE (Hedges 1983): ağırlıksız (OLS) artıklarla momentler yöntemi.
  • PM (Paule ve Mandel 1982): ağırlıklı Q(\tau^2)'yi serbestlik derecesine eşitleyen kök (Brent, tolerans 10^{-14}).
  • SJ (Sidik ve Jonkman 2005): başlangıç \tau_0^2 ile tek adımlı ağırlıklı kestirim.
  • \mathbf P(\tau^2): w_i=1/(v_i+\tau^2) ile kurulan izdüşüm matrisi.

REML ve ML Fisher puanlamasıyla çözülür (Viechtbauer 2005). Her adımda:

\tau^2_{(t+1)}=\tau^2_{(t)}+\frac{\mathbf y^{\top}\mathbf P^2\mathbf y-\operatorname{tr}\mathbf P}{\operatorname{tr}\left(\mathbf P^2\right)}\ \ (\text{REML}),\qquad \tau^2_{(t+1)}=\tau^2_{(t)}+\frac{\mathbf y^{\top}\mathbf P^2\mathbf y-\sum w_i}{\sum w_i^2}\ \ (\text{ML})
  • \mathbf P=\mathbf P(\tau^2_{(t)}); \mathbf y^{\top}\mathbf P^2\mathbf y=\lVert\mathbf P\mathbf y\rVert^2.
  • Pay, kısıtlı (ya da tam) log-olabilirliğin \tau^2'ye göre türevinin iki katıdır; payda beklenen bilgidir.
  • Adım \tau^2'yi negatife götürürse adım yarıya bölünür; sonuç \max(0,\cdot) ile sınırlanır (183–188).

Koddaki tercih: REML başlangıcı ve durma ölçütü

REML/ML yinelemesi HE kestirimiyle başlar (173), mutlak değişim |\Delta\tau^2|<10^{-10} olunca durur, en çok 1000 yineleme yapılır. metafor da HE ile başlar ama varsayılan eşiği 10^{-5}'tir; bu nedenle iki yazılım 5.–6. ondalıkta ayrışabilir. Doğrulamada metafor eşiği 10^{-12}'ye sıkılaştırılmıştır. Yakınsama olmazsa "τ² yinelemesi yakınsamadı" uyarısı yazılır (802–803).

Neden REML varsayılan?

ML kestiricisi, \mu'nün kestirilmesinden doğan serbestlik derecesi kaybını hesaba katmaz ve \tau^2'yi aşağı yanlı kestirir. REML bu kaybı düzeltir; benzetim çalışmalarında yanlılık ve verimlilik dengesi en iyi olan kestiricilerden biridir (Viechtbauer 2005). DL kapalı biçimli olduğu için uzun süre standart oldu (RevMan varsayılanı), ancak \tau^2 büyükken aşağı yanlıdır.

44.5.4 Havuzlanmış kestirim, SH ve test

w_i^{*}=\frac1{v_i+\hat\tau^2},\qquad \hat{\boldsymbol\beta}=\left(\mathbf X^{\top}\mathbf W^{*}\mathbf X\right)^{-1}\mathbf X^{\top}\mathbf W^{*}\mathbf y,\qquad \widehat{\operatorname{Var}}(\hat{\boldsymbol\beta})=\left(\mathbf X^{\top}\mathbf W^{*}\mathbf X\right)^{-1}
p=1\ \text{için:}\quad \hat\mu=\frac{\sum w_i^{*}y_i}{\sum w_i^{*}},\qquad \SH(\hat\mu)=\frac1{\sqrt{\sum w_i^{*}}},\qquad z=\frac{\hat\mu}{\SH(\hat\mu)},\qquad \hat\mu\pm z_{1-\alpha/2}\,\SH
  • w_i^{*}: rastgele etkiler ağırlığı; \hat\tau^2 eklendiği için ağırlıklar sabit etkiye göre daha eşit dağılır.
  • Raporlanan ağırlık yüzdesi 100\,w_i^{*}/\sum w^{*}'dır (fit_rma, 305).
  • Oran ölçülerinde (OR, RR) \hat\mu, GA sınırları ve tahmin aralığı log ölçekte kurulur, sonra e^{(\cdot)} alınır (MetaResult.tr, 674–683).

Knapp–Hartung (HKSJ) düzeltmesi seçilirse varyans bir ölçek çarpanıyla çarpılır ve t dağılımı kullanılır (278–291):

s^2=\frac{\mathbf y^{\top}\mathbf P(\hat\tau^2)\,\mathbf y}{k-p}=\frac{\sum w_i^{*}(y_i-\hat\mu)^2}{k-1},\qquad \widehat{\operatorname{Var}}_{\text{KH}}=s^2\left(\sum w_i^{*}\right)^{-1},\qquad t=\frac{\hat\mu}{\SH_{\text{KH}}}\sim t_{k-p}

Neden Knapp–Hartung?

z testi \hat\tau^2'yi bilinen sayar; az çalışmada \tau^2 çok belirsiz olduğundan z tabanlı GA'nın gerçek kapsama oranı %95'in altına düşer. KH, artıkların ağırlıklı ortalama karesiyle varyansı yeniden ölçekler ve t_{k-1} kullanır; benzetimlerde kapsamayı nominal düzeye yaklaştırır (Knapp ve Hartung 2003).

44.5.5 Heterojenlik ölçüleri: I², H² ve Q-profile GA

\tilde v=\frac{k-p}{\operatorname{tr}\mathbf P_0}\ \overset{p=1}{=}\ \frac{(k-1)\sum w_i}{\left(\sum w_i\right)^2-\sum w_i^2},\qquad I^2=100\,\frac{\hat\tau^2}{\tilde v+\hat\tau^2},\qquad H^2=\frac{\tilde v+\hat\tau^2}{\tilde v}
  • \tilde v: "tipik" çalışma içi varyans (Higgins ve Thompson 2002).
  • I^2: toplam değişkenliğin çalışmalar arası farklılıktan gelen yüzdesi.
  • H^2: toplam varyansın, yalnız örnekleme varyansı olsaydı beklenecek varyansa oranı; 1 ise heterojenlik yoktur.
  • Sabit etki modelinde I^2=\max\{0,\ 100(Q-(k-p))/Q\} ve H^2=Q/(k-p) kullanılır (293–295).

I² hangi formülle? RevMan ile fark

MerQur rastgele etkiler modelinde I^2'yi \hat\tau^2'den hesaplar (metafor ile aynı). RevMan, model ne olursa olsun Q tabanlı formülü raporlar. İki formül yalnız DL kestiricisinde aynı değeri verir. Bu veride REML ile I^2=\%38{,}64, Q tabanlı formülle %35,42 çıkar. Çıktı, I^2 satırının yanında kullanılan tanımı yazar ("τ² tabanlı: τ²/(ṽ + τ²)"); raporda da belirtilmelidir.

\tau^2 için Q-profile GA, genelleştirilmiş Q'nun ki-kare dağılımına dayanır (Viechtbauer 2007; qprofile_ci, 339–370):

Q(\tau^2)=\mathbf y^{\top}\mathbf P(\tau^2)\,\mathbf y,\qquad Q(\tau^2_{\text{alt}})=\chi^2_{k-p;\,1-\alpha/2},\qquad Q(\tau^2_{\text{üst}})=\chi^2_{k-p;\,\alpha/2}
  • Q(\tau^2), \tau^2 arttıkça azalan bir fonksiyondur; denklemler Brent yöntemiyle çözülür (tolerans 10^{-14}).
  • Q(0) ilgili kritik değerden küçük ya da ona eşitse sınır 0 alınır.
  • I^2 ve H^2 GA'ları, \tau^2 sınırlarının yukarıdaki formüllere konmasıyla elde edilir.

44.5.6 Tahmin aralığı

\hat\mu\pm c\,\sqrt{\SH(\hat\mu)^2+\hat\tau^2},\qquad c=\begin{cases}z_{1-\alpha/2} & \text{varsayılan}\\ t_{k-1;\,1-\alpha/2} & \text{Knapp–Hartung açık}\\ t_{k-2;\,1-\alpha/2} & \text{Riley seçeneği}\end{cases}
  • GA havuzlanmış ortalama etkinin belirsizliğini, tahmin aralığı ise yeni bir çalışmanın gerçek etkisinin beklenen aralığını verir; ikincisi \hat\tau^2 kadar geniştir.
  • Tahmin aralığı yalnız moderatörsüz modelde hesaplanır (fit_rma, 318–328).

Koddaki tercih: z kritik değeri

Varsayılan z (KH'de t_{k-1}) metafor predict.rma ile aynıdır. Riley, Higgins ve Deeks'in (2011) önerdiği t_{k-2} ise ayrı bir seçenektir (k<3 için tanımsız). Varsayılanla Riley aralığı arasındaki fark küçük k'da büyüktür.

44.5.7 Mantel–Haenszel sabit etki (2×2)

\widehat{\text{OR}}_{\text{MH}}=\frac{\sum_iR_i}{\sum_iS_i},\qquad R_i=\frac{a_id_i}{N_i},\qquad S_i=\frac{b_ic_i}{N_i},\qquad N_i=n_{1i}+n_{2i}
\widehat{\operatorname{Var}}\left(\ln\widehat{\text{OR}}_{\text{MH}}\right)=\frac{\sum P_iR_i}{2\left(\sum R_i\right)^2}+\frac{\sum\left(P_iS_i+Q_iR_i\right)}{2\sum R_i\sum S_i}+\frac{\sum Q_iS_i}{2\left(\sum S_i\right)^2}
  • P_i=(a_i+d_i)/N_i, Q_i=(b_i+c_i)/N_i.
  • Varyans Robins, Breslow ve Greenland (1986) formülüdür; seyrek veride de tutarlıdır.
  • MH kestiricisi sıfır hücrede süreklilik düzeltmesi gerektirmez; Q hesabında ise düzeltilmiş log OR'ler kullanılır ve iki grupta da hiç olay olmayan (ya da hepsi olay olan) çalışmalar Q'ya katılmaz (fit_mh, 427–433).

44.5.8 Alt grup analizi ve meta-regresyon

Alt grup seçilince her grup için ayrı model kurulur (kendi \hat\tau^2_g'siyle). İki gruplar arası test raporlanır (836–877):

Q_B=\sum_g\frac{\left(\hat\mu_g-\bar\mu\right)^2}{\SH_g^2},\quad \bar\mu=\frac{\sum_g\hat\mu_g/\SH_g^2}{\sum_g1/\SH_g^2},\quad Q_B\sim\chi^2_{G-1};\qquad Q_M=\hat{\boldsymbol\beta}_{1}^{\top}\widehat{\operatorname{Var}}(\hat{\boldsymbol\beta}_{1})^{-1}\hat{\boldsymbol\beta}_{1}
  • Q_B ("ayrı τ²"): grup kestirimlerinin, kendi SH'leriyle sabit etki meta-analizi; Cochran Q'su.
  • Q_M ("ortak τ²"): alt grup değişkeninin kukla kodlandığı karışık etkiler meta-regresyonunda kukla katsayılarının Wald testi; tüm gruplar tek bir \tau^2 paylaşır. KH açıksa F=Q_M/m, F_{m,\,k-p}.
  • \hat{\boldsymbol\beta}_1: kesişim dışındaki katsayılar; m = sayıları.

Meta-regresyonda kategorik moderatör, MerQur düzey sırasının (kullanıcının tanımladığı sıra, yoksa sayısal/doğal sıra, o da yoksa verideki ilk görülme sırası) ilk düzeyi referans alınarak kukla kodlanır, sayısal moderatör olduğu gibi girer (design_matrix, 617–632). Ek olarak raporlanan kalıntı heterojenlik Q_E, kalıntı \hat\tau^2 ve açıklanan heterojenlik oranı:

R^2=\max\!\left\{0,\ 100\,\frac{\hat\tau^2_0-\hat\tau^2_{\text{mod}}}{\hat\tau^2_0}\right\}
  • \hat\tau^2_0: moderatörsüz modelin, \hat\tau^2_{\text{mod}} meta-regresyonun \tau^2'si (Raudenbush 2009). \hat\tau^2_0\approx0 ise R^2 tanımsız ("—").

44.5.9 Yayın yanlılığı ve küçük çalışma etkileri

Egger tipi regresyon testi. Etki büyüklüğü, SH'si üzerine karışık etkiler meta-regresyonuyla regresyon yapılır; eğimin testi asimetri testidir (egger_test, 445–454):

y_i=\beta_0+\beta_1\sqrt{v_i}+u_i+\varepsilon_i,\qquad H_0:\beta_1=0
  • \beta_1: küçük çalışma etkisi; pozitif eğim, SH arttıkça (küçük çalışmalarda) etkinin büyüdüğünü gösterir.
  • \beta_0: "sınır kestirimi", SH → 0 (sonsuz büyük çalışma) iken beklenen etki.

Koddaki tercih: Egger testi ana modelin yöntemiyle

MerQur Egger regresyonunu ana modelle aynı model türü, \tau^2 kestiricisi ve test (z ya da KH) ile kurar. Bu, metafor regtest(rma_nesnesi) varsayılanıdır (model = "rma"). Egger ve arkadaşlarının (1997) özgün testi ise standart normal sapma y_i/\sqrt{v_i}'nin kesinlik 1/\sqrt{v_i} üzerine sıradan regresyonudur. Bu, çarpımsal yayılım parametreli ağırlıklı en küçük karelere denktir (metafor model = "lm"). İki test aynı veride farklı p verebilir.

Begg–Mazumdar sıra korelasyonu. Sabit etki ortalamasına göre standartlaştırılmış etkilerle varyanslar arasında Kendall \tau (457–467):

y_i^{*}=\frac{y_i-\hat\mu_{\text{FE}}}{\sqrt{v_i-\SH(\hat\mu_{\text{FE}})^2}},\qquad \tau_K=\frac{n_c-n_d}{k(k-1)/2}
  • n_c, n_d: (y_i^{*},v_i) çiftleri arasında uyumlu ve uyumsuz çift sayısı.
  • k<50 ve bağ yoksa p kesin dağılımdan, aksi halde asimptotik normal yaklaşımdan alınır.

Kırp-doldur (Duval ve Tweedie 2000, L_0 kestiricisi). Asimetrinin tarafı Egger eğiminin işaretinden belirlenir (eğim > 0 ise eksik çalışmalar soldadır). Etkiler sıralanır, en uçtaki k_0 çalışma kırpılır, kalanlarla \hat\mu yeniden kestirilir ve

L_0=\frac{4T_n-k(k+1)}{2k-1},\qquad T_n=\sum_{y_i>\hat\mu}\operatorname{rank}\left|y_i-\hat\mu\right|,\qquad k_0=\max\left\{0,\ \operatorname{round}(L_0)\right\}

k_0 değişmeyene kadar yinelenir; sonra kırpılan çalışmaların \hat\mu'ye göre ayna görüntüleri eklenerek düzeltilmiş model kurulur (470–508).

Rosenthal güvenli başarısızlık N'i.

\bar z=\frac{\left|\sum_iz_i\right|}{\sqrt k},\quad z_i=\frac{y_i}{\sqrt{v_i}},\qquad N_{\text{fs}}=\left\lceil k\left(\frac{\bar z}{z_{1-\alpha}}\right)^2-k\right\rceil,\qquad \alpha=0{,}05\ \text{(tek yönlü)}
  • N_{\text{fs}}: birleşik Stouffer z'sini tek yönlü %5 anlamlılık sınırına indirmek için eklenmesi gereken sıfır etkili çalışma sayısı.
  • Rosenthal'in tolerans ölçütü 5k+10; N_{\text{fs}} bunu aşarsa sonuç "sağlam" yazılır.

44.5.10 Duyarlılık: birini dışarıda bırak ve etki tanıları

Birini dışarıda bırak her çalışmayı sırayla çıkarıp modeli (yeni \hat\tau^2 ile) yeniden kestirir; metin en küçük ve en büyük havuzlanmış etkiyi ve anlamlılık kararını değiştiren çalışmaları yazar (526–537).

Etki tanıları (Viechtbauer ve Cheung 2010; influence_diagnostics, 552–602) her i için i. çalışma çıkarılmış modelden (\hat{\boldsymbol\beta}_{(i)}, \hat\tau^2_{(i)}) hesaplanır:

\begin{gathered}r_i^{\text{st}}=\frac{y_i-\mathbf x_i^{\top}\hat{\boldsymbol\beta}_{(i)}}{\sqrt{v_i+\hat\tau^2_{(i)}+\mathbf x_i^{\top}\widehat{\operatorname{Var}}(\hat{\boldsymbol\beta}_{(i)})\,\mathbf x_i}},\qquad \text{DFFITS}_i=\frac{\mathbf x_i^{\top}\hat{\boldsymbol\beta}-\mathbf x_i^{\top}\hat{\boldsymbol\beta}_{(i)}}{\sqrt{h_i\left(\hat\tau^2_{(i)}+v_i\right)}}\\[4pt] D_i=\left(\hat{\boldsymbol\beta}-\hat{\boldsymbol\beta}_{(i)}\right)^{\top}\widehat{\operatorname{Var}}(\hat{\boldsymbol\beta})^{-1}\left(\hat{\boldsymbol\beta}-\hat{\boldsymbol\beta}_{(i)}\right),\qquad \text{COVRATIO}_i=\frac{\det\widehat{\operatorname{Var}}(\hat{\boldsymbol\beta}_{(i)})}{\det\widehat{\operatorname{Var}}(\hat{\boldsymbol\beta})}\end{gathered}
  • h_i=w_i^{*}\,\mathbf x_i^{\top}(\mathbf X^{\top}\mathbf W^{*}\mathbf X)^{-1}\mathbf x_i: şapka (kaldıraç) değeri; moderatörsüz modelde ağırlık oranına eşittir.
  • DFBETAS: (\hat\beta_j-\hat\beta_{(i)j}), \hat\tau^2_{(i)} ağırlıklarıyla tüm k çalışmadan kurulan (\mathbf X^{\top}\mathbf W_{(i)}\mathbf X)^{-1}'in köşegen kökü ile bölünür.
  • Etkili sayılma ölçütü: |\text{DFFITS}|>3\sqrt{p/(k-p)} ya da D_i>\chi^2_{p;\,0{,}5} ya da h_i>3p/k ya da herhangi |\text{DFBETAS}|>1 (metafor influence.rma.uni ile aynı, 594–595).
  • Moderatör seçiliyse tanılar meta-regresyon modelinden hesaplanır (896–901).

44.6 Elle hesap: Tıp verisinde sayısal yürüyüş

Ara değerler dogrulama/meta_analysis/elle_hesap.py ile, MerQur kodu çağrılmadan numpy ile hesaplanmıştır. REML ve ML \tau^2'si Fisher puanlaması yerine skor denkleminin kökü (Brent) olarak bulunmuştur; bu, MerQur'un algoritmasından bağımsız bir yoldur.

Adım 1 — Çalışma düzeyi log OR. Edirne 2007: a=33, b=316-33=283, c=38, d=331-38=293.

y_1=\ln\frac{33\times293}{283\times38}=\ln\frac{9669}{10754}=-0{,}106353,\qquad v_1=\frac1{33}+\frac1{283}+\frac1{38}+\frac1{293}=0{,}063565

OR = e^{-0{,}106353}=0{,}899; %95 GA e^{-0{,}106353\pm1{,}959964\sqrt{0{,}063565}}=[0{,}549;\ 1{,}474]. Bursa 2007 için y_2=0{,}051008, v_2=0{,}016875 (büyük çalışma, küçük varyans).

Adım 2 — Sabit etki ve Q. \sum w_i=\sum1/v_i=612{,}598870, \sum w_i^2=30228{,}983442:

\hat\mu_{\text{FE}}=-0{,}321778,\qquad \SH=1/\sqrt{612{,}598870}=0{,}040403,\qquad Q=21{,}679307\ (\text{sd}=14),\qquad p=0{,}0854

Q'nun beklenen değeri H_0 altında 14'tür; gözlenen 21,68 bunun üzerindedir ama %5 düzeyinde anlamlı değildir. Az çalışmada Q testinin gücü düşüktür; bu yüzden karar Q'nun p'sine değil, \tau^2 ve I^2'ye dayandırılır.

Adım 3 — DL kestirimi (kapalı biçim, karşılaştırma için).

\operatorname{tr}\mathbf P_0=612{,}598870-\frac{30228{,}983442}{612{,}598870}=563{,}253393,\qquad \hat\tau^2_{\text{DL}}=\frac{21{,}679307-14}{563{,}253393}=0{,}013634

Adım 4 — REML yinelemesi. Başlangıç HE kestirimi \tau^2_{(0)}=0{,}004625. Fisher puanlamasının izi:

Yineleme \tau^2 \lvert\Delta\tau^2\rvert
0 (HE) 0,004625
1 0,017401 1,3·10⁻²
2 0,015399 2,0·10⁻³
3 0,015688 2,9·10⁻⁴
4 0,015646 4,2·10⁻⁵
6 0,015651 9,1·10⁻⁷
11 0,0156511226 6,1·10⁻¹¹

Değişim her adımda yaklaşık 7 kat küçülür (doğrusal yakınsama); 11. adımda 10^{-10}'un altına iner. Skor denkleminin kökü bağımsız olarak \hat\tau^2=0{,}015651123 bulunur; \hat\tau=0{,}1251.

Adım 5 — Havuzlanmış kestirim. w_i^{*}=1/(v_i+0{,}015651); örneğin Edirne için 1/v_1=15{,}73 iken w_1^{*}=12{,}62. \sum w_i^{*}=354{,}733968, \sum w_i^{*}y_i=-112{,}845997:

\hat\mu=\frac{-112{,}845997}{354{,}733968}=-0{,}318114,\qquad \SH=\frac1{\sqrt{354{,}733968}}=0{,}053094,\qquad z=-5{,}991489
\text{OR}=e^{-0{,}318114}=0{,}7275,\qquad \%95\ \text{GA}:\ e^{-0{,}318114\pm1{,}959964\times0{,}053094}=[0{,}6556;\ 0{,}8073]

Ağırlıklar REML ile %3,41 (Antalya) – %9,35 (Isparta) arasındadır; sabit etkide bu aralık daha geniştir (büyük çalışmalar daha baskındır).

Adım 6 — Heterojenlik ölçüleri.

\begin{gathered}\tilde v=\frac{14}{563{,}253393}=0{,}024856\\[4pt] I^2=100\times\frac{0{,}015651}{0{,}024856+0{,}015651}=\%38{,}64,\qquad H^2=\frac{0{,}024856+0{,}015651}{0{,}024856}=1{,}6297\end{gathered}

Q-profile: \chi^2_{14;\,0{,}975}=26{,}1189, \chi^2_{14;\,0{,}025}=5{,}6287. Q(0)=21{,}68<26{,}12 olduğundan alt sınır 0'dır. Üst sınır Q(\tau^2)=5{,}6287 denkleminin kökü \tau^2=0{,}063559; buna karşılık gelen I^2 üst sınırı %71,89, H^2 üst sınırı 3,5571'dir. \tau^2'nin GA'sı 0'ı içerir: heterojenlik "olabilir" ama kanıt zayıftır.

Adım 7 — Tahmin aralığı.

\sqrt{0{,}053094^2+0{,}015651}=\sqrt{0{,}018470}=0{,}135905,\qquad -0{,}318114\pm1{,}959964\times0{,}135905=[-0{,}584483;\ -0{,}051746]

OR ölçeğinde [0,5574; 0,9496]. Benzer yeni bir çalışmada gerçek OR'nin %95 olasılıkla bu aralıkta olması beklenir; aralık 1'i içermez, yani yarar beklenmeyen bir ortam bu veride öngörülmez. Riley t_{13} ile aralık [0,5424; 0,9758], KH t_{14} ile [0,5449; 0,9714] olur.

Adım 8 — Knapp–Hartung. s^2=\sum w_i^{*}(y_i-\hat\mu)^2/14=0{,}894209; \SH_{\text{KH}}=0{,}053094\sqrt{0{,}894209}=0{,}050207; t_{14}=-6{,}336, p=1{,}84\times10^{-5}. s^2<1 olduğundan SH küçülür; GA t_{14;\,0{,}975}=2{,}1448 ile yine de biraz genişler: OR [0,6532; 0,8102].

Adım 9 — Mantel–Haenszel. \sum R_i=529{,}237688, \sum S_i=730{,}909581: \widehat{\text{OR}}_{\text{MH}}=0{,}7241, \ln=-0{,}322852, RBG SH = 0,040275, z=-8{,}016. Ters varyans sabit etki (-0{,}321778; OR 0,7249) ile neredeyse aynıdır; sıfır hücre ve seyrek veri olmadığından beklenen budur.

Adım 10 — Altı τ² kestiricisinin karşılaştırması.

Kestirici \hat\tau^2 \hat\mu (log OR) SH I^2 (%)
HE 0,004625 −0,320286 0,044679 15,69
PM 0,011645 −0,318767 0,050251 31,90
ML 0,013148 −0,318508 0,051342 34,60
DL 0,013634 −0,318429 0,051688 35,42
REML 0,015651 −0,318114 0,053094 38,64
SJ 0,020537 −0,317449 0,056320 45,24

\hat\mu kestiricilerden pek etkilenmez; \tau^2 ve dolayısıyla SH ve I^2 belirgin biçimde değişir. Bu, az çalışmalı meta-analizlerde \tau^2'nin ne kadar belirsiz olduğunu gösterir.

Adım 11 — Yayın yanlılığı.

  • Egger: karışık etkiler regresyonunda (\hat\tau^2=0{,}017519) eğim \hat\beta_1=0{,}6397, z=0{,}4705, p=0{,}6380; sınır kestirimi \hat\beta_0=-0{,}4194 (OR 0,6574, %95 GA [0,4250; 1,0170]).
  • Begg: 105 çiftin 67'si uyumlu, 38'i uyumsuz; \tau_K=(67-38)/105=0{,}2762, kesin p=0{,}1686.
  • Kırp-doldur: eğim pozitif, taraf "sol". İlk yinelemede T_n=58, L_0=(4\times58-15\times16)/29=-0{,}276, k_0=0. Eksik çalışma kestirilmez; düzeltilmiş kestirim ana kestirimle aynıdır.
  • Rosenthal: \sum z_i=-29{,}4575, \bar z=29{,}4575/\sqrt{15}=7{,}6059; N_{\text{fs}}=\lceil15(7{,}6059/1{,}644854)^2-15\rceil=306>5\times15+10=85: sağlam.

Şekil 44.1. Orman grafiği: çalışma başına OR ve %95 GA (kare alanı ağırlıkla orantılı), REML havuzlanmış kestirimi (eşkenar dörtgen) ve tahmin aralığı (turuncu çubuk).

Şekil 44.2. Huni grafiği: dikey eksen standart hata (ters çevrilmiş), gölgeli bölge havuzlanmış kestirim çevresinde ±1,96·SH. Noktalı doğru Egger regresyonudur; eğimi anlamsızdır.

Adım 12 — Birini dışarıda bırak ve etki tanıları. Havuzlanmış OR, Bursa 2007 çıkarılınca 0,6965'e iner, Kayseri 2017 çıkarılınca 0,7423'e çıkar; hiçbir çalışma anlamlılık kararını değiştirmez. Etki tanılarında yalnız Bursa 2007 etkili işaretlenir: rstudent 3,019; DFFITS 1,140 > 3\sqrt{1/14}=0{,}802; Cook D=0{,}674>\chi^2_{1;\,0{,}5}=0{,}455; DFBETAS 1,079 > 1. Bursa çıkarılınca \hat\tau^2_{(2)}=0 olur: heterojenliğin büyük kısmı bu tek çalışmadan gelir (OR 1,05, diğerleri 0,54–1,00).

Adım 13 — Alt grup (population).

Alt grup k OR [%95 GA] \hat\tau^2_g Q_g I^2_g (%)
CKD 5 0,744 [0,631; 0,878] 0,0138 6,515 39,6
HFrEF 5 0,804 [0,642; 1,007] 0,0292 7,111 44,9
T2DM 5 0,650 [0,569; 0,743] 0 2,522 0

Q_B=3{,}1185 (sd 2, p=0{,}2103); ortak \tau^2=0{,}010761 ile Q_M=3{,}2667 (p=0{,}1953). Alt gruplar arasında fark gösterilemez. HFrEF GA'sının 1'i içermesi tek başına "HFrEF'te etki yok" anlamına gelmez; karşılaştırma ancak Q_B/Q_M ile yapılır.

Adım 14 — Meta-regresyon (year). Eğim -0{,}000786 log OR/yıl (SH 0,01255, z=-0{,}063, p=0{,}950); Q_M=0{,}0039; kalıntı \hat\tau^2=0{,}018153 ana modelinkinden büyük olduğundan R^2=\max\{0,\,\cdot\}=\%0. Yayın yılı heterojenliği açıklamaz. Kesişim (1,26; SH 25,3) "yıl 0"daki log OR'dir ve yorumsuzdur; yorum gerekiyorsa moderatör merkezlenmelidir.

44.6.1 Doğrulama: MerQur, Python ve R

MerQur değerleri execute() sonucundaki MetaResult nesnesinden alınmıştır; motor sayıları yuvarlamadığı için tam hassasiyetlidir (yuvarlama yalnız metin biçimlemesindedir). R: 4.5.3, metafor escalc(measure = "OR"), rma(method = …), predict, confint (Q-profile), regtest, ranktest, trimfill, fsn(type = "Rosenthal"), leave1out, influence, rma.mh. metafor'un REML eşiği (threshold) ve PM kök bulma toleransı (tol) 10^{-12}'ye sıkılaştırılmıştır. Varsayılan toleransla PM \hat\tau^2 R'de 0,011657 çıkar (1{,}2\times10^{-5} fark), REML Q-profile üst sınırı ise 0,0635 olur.

Büyüklük MerQur Python (bağımsız) R 4.5.3 En büyük fark Durum
log OR, Edirne 2007 (y_1) −0,106353 −0,106353 −0,106353 9,7e−17 ✓
v_1 0,063565 0,063565 0,063565 0,0e+00 ✓
\hat\mu (REML, log OR) −0,318114 −0,318114 −0,318114 1,2e−12 ✓
SH(\hat\mu) 0,053094 0,053094 0,053094 5,4e−12 ✓
z −5,991489 −5,991489 −5,991489 6,3e−10 ✓
p 2,0793·10−9 2,0793·10−9 2,0793·10−9 8,0e−18 ✓
%95 GA alt −0,422178 −0,422178 −0,422178 9,3e−12 ✓
%95 GA üst −0,214051 −0,214051 −0,214051 1,2e−11 ✓
\hat\tau^2 (REML) 0,015651 0,015651 0,015651 7,8e−12 ✓
Q (sd 14) 21,679307 21,679307 21,679307 3,2e−14 ✓
p_Q 0,085448 0,085448 0,085448 3,5e−16 ✓
I^2 (%) 38,638335 38,638335 38,638335 1,2e−08 ✓
H^2 1,629682 1,629682 1,629682 3,1e−10 ✓
Tahmin aralığı alt −0,584483 −0,584483 −0,584483 5,9e−11 ✓
Tahmin aralığı üst −0,051746 −0,051746 −0,051746 6,2e−11 ✓
\tau^2 Q-profile üst 0,063559 0,063559 0,063559 1,4e−16 ✓
I^2 Q-profile üst (%) 71,887443 71,887443 71,887443 7,1e−14 ✓
H^2 Q-profile üst 3,557129 3,557129 3,557129 5,3e−15 ✓
Ağırlık, Isparta 2015 (%) 9,346388 9,346388 9,346388 5,4e−10 ✓
\hat\mu (sabit etki) −0,321778 −0,321778 −0,321778 3,9e−16 ✓
SH (sabit etki) 0,040403 0,040403 0,040403 1,4e−17 ✓
I^2 (sabit etki, %) 35,422289 35,422289 35,422289 3,6e−14 ✓
log OR (Mantel–Haenszel) −0,322852 −0,322852 −0,322852 1,7e−16 ✓
SH (MH, RBG) 0,040275 0,040275 0,040275 4,2e−17 ✓
Q (MH) 21,680014 21,680014 21,680014 2,8e−14 ✓
\hat\tau^2 (DL) 0,013634 0,013634 0,013634 5,2e−17 ✓
\hat\mu (DL) −0,318429 −0,318429 −0,318429 1,1e−16 ✓
\hat\tau^2 (PM) 0,011645 0,011645 0,011645 3,8e−17 ✓
\hat\mu (PM) −0,318767 −0,318767 −0,318767 3,3e−16 ✓
\hat\tau^2 (ML) 0,013148 0,013148 0,013148 9,7e−12 ✓
\hat\mu (ML) −0,318508 −0,318508 −0,318508 1,6e−12 ✓
\hat\tau^2 (SJ) 0,020537 0,020537 0,020537 6,9e−17 ✓
\hat\mu (SJ) −0,317449 −0,317449 −0,317449 4,4e−16 ✓
\hat\tau^2 (HE) 0,004625 0,004625 0,004625 1,9e−17 ✓
\hat\mu (HE) −0,320286 −0,320286 −0,320286 5,6e−17 ✓
SH (Knapp–Hartung) 0,050207 0,050207 0,050207 8,9e−14 ✓
t_{14} (Knapp–Hartung) −6,336002 −6,336002 −6,336002 1,2e−11 ✓
p (Knapp–Hartung) 1,8409·10−5 1,8409·10−5 1,8409·10−5 3,7e−16 ✓
Tahmin aralığı alt (KH, t_{14}) −0,607239 −0,607239 −0,607239 6,1e−11 ✓
Tahmin aralığı alt (t_{13}, Riley) −0,611719 −0,611719 −0,611719 6,5e−11 ✓
log RR \hat\mu (REML) −0,283058 −0,283058 −0,283058 8,6e−13 ✓

Yayın yanlılığı, duyarlılık, alt grup ve meta-regresyon:

Büyüklük MerQur Python (bağımsız) R 4.5.3 En büyük fark Durum
Egger z 0,470464 0,470464 0,470464 8,0e−12 ✓
Egger p 0,638023 0,638023 0,638023 5,7e−12 ✓
Egger eğimi (SH katsayısı) 0,639671 0,639671 0,639671 4,2e−12 ✓
Sınır kestirimi (log OR) −0,419392 −0,419392 −0,419392 7,1e−13 ✓
Begg Kendall \tau 0,276190 0,276190 0,276190 2,2e−16 ✓
Begg p (kesin) 0,168578 0,168578 0,168578 3,9e−16 ✓
Kırp-doldur k_0 0,000000 0,000000 0,000000 0,0e+00 ✓
Rosenthal güvenli başarısızlık N 306 306 306 0,0e+00 ✓
Rosenthal p (tek yönlü) 1,4148·10−14 1,4148·10−14 1,4148·10−14 2,3e−28 ✓
LOO \hat\mu (Bursa 2007 çıkarılınca) −0,361700 −0,361700 −0,361700 1,7e−16 ✓
LOO \hat\tau^2 (Bursa 2007) 0,000000 0,000000 0,000000 0,0e+00 ✓
LOO \hat\mu (Kayseri 2017 çıkarılınca) −0,298054 −0,298054 −0,298054 1,6e−12 ✓
LOO \hat\tau^2 (Kayseri 2017) 0,013099 0,013099 0,013099 6,6e−12 ✓
rstudent (Bursa 2007) 3,019424 3,019424 3,019424 1,3e−15 ✓
DFFITS (Bursa 2007) 1,139685 1,139685 1,139685 5,3e−11 ✓
Cook D (Bursa 2007) 0,673885 0,673885 0,673885 1,0e−10 ✓
COVRATIO (Bursa 2007) 0,641077 0,641077 0,641077 1,3e−10 ✓
hat (Bursa 2007) 0,086668 0,086668 0,086668 3,3e−12 ✓
DFBETAS (Bursa 2007) 1,078772 1,078772 1,078772 2,9e−11 ✓
rstudent (Eskisehir 2024) 1,782411 1,782411 1,782411 3,6e−10 ✓
DFFITS (Eskisehir 2024) 0,508316 0,508316 0,508316 1,2e−10 ✓
Cook D (Eskisehir 2024) 0,225267 0,225267 0,225267 6,4e−11 ✓
COVRATIO (Eskisehir 2024) 0,933964 0,933964 0,933964 1,9e−10 ✓
hat (Eskisehir 2024) 0,071236 0,071236 0,071236 3,1e−13 ✓
DFBETAS (Eskisehir 2024) 0,509510 0,509510 0,509510 1,3e−10 ✓
Alt grup CKD: log OR −0,295671 −0,295671 −0,295671 1,3e−12 ✓
Alt grup CKD: \hat\tau^2 0,013784 0,013784 0,013784 1,7e−12 ✓
Alt grup HFrEF: log OR −0,218293 −0,218293 −0,218293 5,8e−12 ✓
Alt grup HFrEF: \hat\tau^2 0,029176 0,029176 0,029176 1,1e−11 ✓
Alt grup T2DM: log OR −0,430374 −0,430374 −0,430374 1,7e−16 ✓
Alt grup T2DM: \hat\tau^2 0,000000 0,000000 0,000000 0,0e+00 ✓
Alt gruplar arası Q_B (sd 2) 3,118526 3,118526 3,118526 3,5e−10 ✓
Q_M (ortak \tau^2) 3,266707 3,266707 3,266707 1,9e−11 ✓
Ortak \hat\tau^2 0,010761 0,010761 0,010761 1,6e−13 ✓
Meta-reg. eğim (year) −0,000786 −0,000786 −0,000786 2,0e−13 ✓
Meta-reg. SH (year) 0,012550 0,012550 0,012550 6,4e−13 ✓
Q_M (year) 0,003923 0,003923 0,003923 2,0e−12 ✓
Q_E (sd 13) 21,574716 21,574716 21,574716 1,5e−09 ✓
Kalıntı \hat\tau^2 0,018153 0,018153 0,018153 2,6e−12 ✓
Kalıntı I^2 (%) 42,199172 42,199172 42,199172 3,5e−09 ✓

81 büyüklüğün tamamı 10^{-6} ölçütüyle eşleşir; en büyük fark 10^{-9} düzeyindedir (REML yakınsama toleransı).

44.7 Çıktıyı okuma

Sonuç metni (varsayılan ayarlar, kısaltılmış):

META-ANALİZ
────────────────────────────────────────────────────────────
Model                     : Rastgele etkiler modeli (REML)
Etki ölçüsü               : Odds oranı (log OR)
Çalışma sayısı (k)        : 15

── Çalışma düzeyi etki büyüklükleri ──
  Çalışma                             OR                 %95 GA Ağırlık %
  Edirne 2007                      0.899         [0.549, 1.474]     %3.56
  Bursa 2007                       1.052         [0.816, 1.357]     %8.67
  ...
── Havuzlanmış kestirim ──
  Kestirim (analiz ölçeği): -0.3181 (SE = 0.0531), %95 GA [-0.4222, -0.2141]
  OR                      : 0.7275, %95 GA [0.6556, 0.8073]
  Test                    : z = -5.9915, p < .0001
  Tahmin aralığı          : [0.5574, 0.9496]
  Yöntem: z kritik değeri (varsayılan).
── Heterojenlik ──
  Q(14) = 21.6793, p = 0.0854
  τ² = 0.0157  (%95 GA [0.0000, 0.0636], Q-profile);  τ = 0.1251
  I² = %38.64  (%95 GA [%0.00, %71.89])
  H² = 1.6297  (%95 GA [1.0000, 3.5571])
  Heterojenlik: düşük-orta (I² %25–50).
── Yayın yanlılığı / küçük çalışma etkileri ──
  Egger regresyon testi       : z = 0.4705, p = 0.6380
  Sınır kestirimi (SE → 0)    : 0.6574 (%95 GA [0.4250, 1.0170])
  Begg sıra korelasyonu       : Kendall τ = 0.2762, p = 0.1686
  Kırp-doldur (L0)            : k0 = 0 (sol tarafta arandı; eksik çalışma kestirilmedi)
  Güvenli başarısızlık N'i (Rosenthal): N = 306  (tolerans 5k + 10 = 85; sağlam)
── Birini dışarıda bırak (leave-one-out) duyarlılığı ──
  Havuzlanmış OR, 0.6965 (Bursa 2007 çıkarılınca) ile 0.7423 (Kayseri 2017 çıkarılınca) arasında değişir.

Tablo sekmesi: Çalışma, Etki (analiz ölçeği), SE, OR, OR %95 GA alt/üst, Ağırlık %; birini dışarıda bırak açıksa LOO kestirimi, GA, p, \tau^2, I^2; etki tanıları açıksa rstudent, DFFITS, Cook D, COVRATIO, Hat, DFBETAS, Etkili. Grafik sekmesi: orman ve huni grafikleri (meta-regresyonda kabarcık grafiği).

Öğe Nasıl yorumlanır
Kestirim (analiz ölçeği) Log OR; SH ve GA bu ölçekte simetriktir.
OR ve GA 0,73: SGLT2 grubunda yatış odds'u ortalama %27 düşük; GA 1'i içermez.
Test z (KH'de t_{k-1}); p<0{,}0001 "p < .0001" diye yazılır (_p, panel 353–357).
Tahmin aralığı Yeni bir benzer çalışmada beklenen gerçek OR; GA'dan geniştir çünkü \tau^2'yi içerir.
Q ve p Heterojenlik testi; az çalışmada güçsüzdür.
\tau^2, \tau Gerçek etkilerin log OR ölçeğinde varyansı ve SS'si; \tau=0{,}125, gerçek OR'lerin kabaca e^{\pm2\times0{,}125} çarpanı içinde dağıldığı anlamına gelir.
I^2 etiketi %25/%50/%75 eşikleriyle düşük/orta/yüksek (_het_label, 596–603). GA'sı %0–%72 aralığındadır; tek değere güvenilmemelidir.
Egger, Begg p\ge0{,}05: asimetri kanıtı yok. k<10 ise metin gücün düşük olduğunu yazar.
Kırp-doldur k_0 Kestirilen eksik çalışma sayısı; 0 ise düzeltilmiş kestirim aynıdır.
Güvenli başarısızlık N Büyük değer "sonuç, yayımlanmamış sıfır sonuçlara dayanıklı" demektir; yanlılığın varlığını test etmez.
Birini dışarıda bırak Tek bir çalışmanın kararı değiştirip değiştirmediği.

Uyarı iletileri (stats/meta_analysis.py): k<3 ise "Yalnız k = … çalışma: heterojenlik ve τ² çok belirsiz" (813); REML/ML yakınsamazsa "τ² yinelemesi yakınsamadı" (803); alt grup değişkeninde tek düzey varsa uyarı (841).

APA biçiminde rapor cümlesi (Türkçe ondalıkla):

On beş çalışmanın rastgele etkiler meta-analizinde (REML), SGLT2 inhibitörleri kalp yetersizliği nedeniyle hastaneye yatış odds'unu anlamlı biçimde azalttı, OR = 0,73, %95 GA [0,66; 0,81], z = -5{,}99, p < 0{,}001. Çalışmalar arası heterojenlik düşük-orta düzeydeydi, Q(14) = 21{,}68, p = 0{,}085, I^2 = \%39 (%95 GA [%0; %72]), \tau^2 = 0{,}016; %95 tahmin aralığı [0,56; 0,95] idi. Egger testi (p = 0{,}64) ve Begg testi (p = 0{,}17) huni asimetrisi göstermedi; kırp-doldur yöntemi eksik çalışma kestirmedi. Etkinin büyüklüğü hasta popülasyonuna göre farklılaşmadı, Q_M(2) = 3{,}27, p = 0{,}195.

44.8 Uzman soruları

S1. τ² hangi algoritmayla kestiriliyor, metafor ile neden 6. ondalıkta ayrışabilir?

REML ve ML, Viechtbauer'in (2005) Fisher puanlamasıyla çözülür; başlangıç HE kestirimidir, durma ölçütü |\Delta\tau^2|<10^{-10}. metafor aynı algoritmayı kullanır ama varsayılan eşiği 10^{-5}'tir; Fisher puanlaması burada doğrusal yakınsadığı için (her adımda ~7 kat) metafor birkaç adım erken durur. Eşik sıkılaştırılınca iki yazılım 10^{-12} düzeyinde eşleşir. PM'de metafor uniroot toleransı (\approx1{,}2\times10^{-4}) daha belirgin fark yaratır (bu veride 1{,}2\times10^{-5}).

S2. Rastgele etkiler modelinde I² neden RevMan'deki değerden farklı?

MerQur ve metafor I^2=\hat\tau^2/(\tilde v+\hat\tau^2) tanımını kullanır; bu, seçilen \tau^2 kestiricisine bağlıdır. RevMan her zaman Q tabanlı (Q-\text{sd})/Q'yu verir; bu yalnız DL kestirimine karşılık gelir. Bu veride REML ile %38,6, Q tabanlı %35,4'tür. İkisi de doğrudur; tanım raporda belirtilmelidir.

S3. Knapp–Hartung SH'yi küçültebilir mi?

Evet. Çarpan s^2=Q(\hat\tau^2)/(k-1)'dir. REML kestirimi \hat\tau^2 büyük çıkmışsa s^2<1 olur (bu veride 0,894) ve SH küçülür. GA genellikle t_{k-1}'in büyük kritik değeri nedeniyle yine genişler, ama s^2 çok küçükse KH aralığı z aralığından dar olabilir. Bazı yazarlar bu yüzden s^2'yi 1'den küçük almamayı önerir; MerQur bu kesmeyi uygulamaz (metafor varsayılanı gibi).

S4. Egger testi hangi biçimde? Özgün Egger testinden neden farklı?

MerQur, Egger regresyonunu ana modelle aynı karışık etkiler meta-regresyonu olarak kurar: y_i\sim\SH_i, REML \tau^2, z testi (metafor regtest varsayılanı). Egger vd. (1997) özgün testi (metafor model = "lm") çarpımsal yayılımlı ağırlıklı en küçük kareler kullanır ve t_{k-2} ile test eder. İki model eşit ağırlıklandırmaz; p değerleri farklı olabilir. Ayrıca OR'de log OR ile SH'si matematiksel olarak ilişkilidir; bu, sahte asimetri üretebilir (Peters ya da Harbord testleri bu modülde yoktur).

S5. k = 1 ya da k = 2'de ne olur?

k=1'de havuzlanmış kestirim çalışmanın kendisidir; \tau^2, Q, I^2 ve tahmin aralığı NaN olarak bırakılır ve uyarı yazılır (stats/meta_analysis.py:329–335). k=2'de model kurulur ama \tau^2 tek serbestlik dereceli bir artıktan kestirilir; uyarı verilir. Yayın yanlılığı ve birini dışarıda bırak k\ge3 ister. Riley tahmin aralığı k<3'te tanımsızdır.

S6. Alt gruplar arası iki test neden farklı değer veriyor?

Q_B ("ayrı τ²") her grubu kendi \hat\tau^2_g'siyle kestirir ve grup ortalamalarını sabit etkiyle karşılaştırır. Q_M ("ortak τ²") tüm çalışmalardan tek bir \tau^2 kestirip kukla katsayılarını Wald testiyle sınar. Gruplar az çalışmalıysa ortak \tau^2 daha kararlıdır; gruplar arasında heterojenlik çok farklıysa ayrı \tau^2 daha uygundur. Bu veride Q_B=3{,}12, Q_M=3{,}27; karar aynıdır.

S7. Sıfır olaylı bir çalışma ne olur?

OR ve RR için o çalışmanın dört hücresine 0,5 eklenir (to = "only0"); diğer çalışmalar değişmez. İki kolunda da olay olmayan çalışma OR'yi tanımsız bırakır ama düzeltmeyle yine modele girer; metafor varsayılanı da böyledir (drop00 = FALSE). Mantel–Haenszel seçilirse kestirim düzeltmesiz yapılır; bu çalışmalar MH kestirimine zaten katkı vermez ve Q'dan çıkarılır.

S8. Güvenli başarısızlık N'i neden eleştiriliyor?

Rosenthal yöntemi yayımlanmamış çalışmaların ortalama etkisinin tam sıfır olduğunu varsayar, etki büyüklüğünü değil yalnız birleşik p'yi hedefler ve heterojenliği yok sayar. Bu nedenle yayın yanlılığının varlığını test etmez; yalnız birleşik anlamlılığın dayanıklılığını betimler. MerQur onu varsayılan olarak verir ama Egger, Begg ve kırp-doldur ile birlikte okunmalıdır.

S9. Etki tanılarında neden Bursa 2007 etkili, rstudent 3 olmasına karşın aykırı denmiyor mu?

Etkililik ölçütleri (DFFITS, Cook D, hat, DFBETAS) kestirimin o çalışmaya ne kadar bağlı olduğunu ölçer; rstudent ise çalışmanın, onsuz kurulan modele göre ne kadar aykırı olduğunu söyler. Bursa'nın rstudent değeri 3,02'dir ve Cook D ile DFBETAS eşiklerini de aşar: hem aykırı hem etkilidir. Çıkarıldığında \hat\tau^2 sıfıra düşer. Bu, çalışmanın dışlanması için değil, popülasyonunun ve yönteminin incelenmesi için bir işarettir.

44.9 Sık hatalar ve tuzaklar

  • GA ile tahmin aralığını karıştırmak. GA ortalama etkiyi, tahmin aralığı yeni bir ortamdaki gerçek etkiyi tanımlar. "Etkinin %95 GA'sı [0,66; 0,81]" cümlesi heterojen bir etkide klinisyeni yanıltabilir; tahmin aralığı [0,56; 0,95] birlikte verilmelidir.
  • Q'nun anlamsızlığını "heterojenlik yok" diye okumak. 15 çalışmada Q testinin gücü düşüktür. \tau^2'nin Q-profile GA'sı (0–0,064) ve I^2 GA'sı (%0–%72) bu belirsizliği gösterir.
  • I^2'yi mutlak heterojenlik ölçüsü sanmak. I^2 görelidir: büyük çalışmalarda (v_i küçük) aynı \tau^2 daha büyük I^2 verir. Klinik farklılık için \tau ve tahmin aralığı yorumlanmalıdır.
  • Sabit ve rastgele etki modelini sonuca göre seçmek. Model, çalışmaların aynı gerçek etkiyi ölçüp ölçmediğine dair önsel bir karardır; Q testinin sonucuna göre seçilmemelidir.
  • Alt gruplar arası farkı GA örtüşmesiyle değerlendirmek. HFrEF GA'sının 1'i içerip T2DM'ninkinin içermemesi, iki grubun farklı olduğu anlamına gelmez; Q_B/Q_M testi esastır.
  • Meta-regresyon katsayısını hasta düzeyinde yorumlamak. Çalışma düzeyindeki ilişki (ekolojik yanılgı) hasta düzeyine taşınamaz; k=15 ile moderatör testlerinin gücü de düşüktür.
  • Yayın yanlılığı testlerini k<10'da kullanmak. MerQur bu durumda not yazar; testler yine çalışır ama sonuçları zayıf kanıttır.
  • Etki yönünü kodlamamak. Grup 1 ve grup 2'nin yerini değiştirmek log OR'nin işaretini çevirir; orman grafiğindeki "lehine" yönü buna göre okunmalıdır.

44.10 Kaynaklar

  • Begg, C. B., & Mazumdar, M. (1994). Operating characteristics of a rank correlation test for publication bias. Biometrics, 50(4), 1088–1101. https://doi.org/10.2307/2533446
  • DerSimonian, R., & Laird, N. (1986). Meta-analysis in clinical trials. Controlled Clinical Trials, 7(3), 177–188. https://doi.org/10.1016/0197-2456(86)90046-2
  • Duval, S., & Tweedie, R. (2000). Trim and fill: A simple funnel-plot-based method of testing and adjusting for publication bias in meta-analysis. Biometrics, 56(2), 455–463. https://doi.org/10.1111/j.0006-341X.2000.00455.x
  • Egger, M., Davey Smith, G., Schneider, M., & Minder, C. (1997). Bias in meta-analysis detected by a simple, graphical test. BMJ, 315(7109), 629–634. https://doi.org/10.1136/bmj.315.7109.629
  • Hedges, L. V. (1983). A random effects model for effect sizes. Psychological Bulletin, 93(2), 388–395. https://doi.org/10.1037/0033-2909.93.2.388
  • Higgins, J. P. T., & Thompson, S. G. (2002). Quantifying heterogeneity in a meta-analysis. Statistics in Medicine, 21(11), 1539–1558. https://doi.org/10.1002/sim.1186
  • Knapp, G., & Hartung, J. (2003). Improved tests for a random effects meta-regression with a single covariate. Statistics in Medicine, 22(17), 2693–2710. https://doi.org/10.1002/sim.1482
  • Mantel, N., & Haenszel, W. (1959). Statistical aspects of the analysis of data from retrospective studies of disease. Journal of the National Cancer Institute, 22(4), 719–748. https://doi.org/10.1093/jnci/22.4.719
  • Paule, R. C., & Mandel, J. (1982). Consensus values and weighting factors. Journal of Research of the National Bureau of Standards, 87(5), 377–385. https://doi.org/10.6028/jres.087.022
  • Raudenbush, S. W. (2009). Analyzing effect sizes: Random-effects models. H. Cooper, L. V. Hedges, & J. C. Valentine (Ed.), The handbook of research synthesis and meta-analysis (2. baskı) içinde (ss. 295–315). Russell Sage Foundation.
  • Riley, R. D., Higgins, J. P. T., & Deeks, J. J. (2011). Interpretation of random effects meta-analyses. BMJ, 342, d549. https://doi.org/10.1136/bmj.d549
  • Robins, J., Breslow, N., & Greenland, S. (1986). Estimators of the Mantel–Haenszel variance consistent in both sparse data and large-strata limiting models. Biometrics, 42(2), 311–323. https://doi.org/10.2307/2531052
  • Rosenthal, R. (1979). The file drawer problem and tolerance for null results. Psychological Bulletin, 86(3), 638–641. https://doi.org/10.1037/0033-2909.86.3.638
  • Sidik, K., & Jonkman, J. N. (2005). Simple heterogeneity variance estimation for meta-analysis. Journal of the Royal Statistical Society: Series C (Applied Statistics), 54(2), 367–384. https://doi.org/10.1111/j.1467-9876.2005.00489.x
  • Viechtbauer, W. (2005). Bias and efficiency of meta-analytic variance estimators in the random-effects model. Journal of Educational and Behavioral Statistics, 30(3), 261–293. https://doi.org/10.3102/10769986030003261
  • Viechtbauer, W. (2007). Confidence intervals for the amount of heterogeneity in meta-analysis. Statistics in Medicine, 26(1), 37–52. https://doi.org/10.1002/sim.2514
  • Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48. https://doi.org/10.18637/jss.v036.i03
  • Viechtbauer, W., & Cheung, M. W.-L. (2010). Outlier and influence diagnostics for meta-analysis. Research Synthesis Methods, 1(2), 112–125. https://doi.org/10.1002/jrsm.11