کتاب Bayesian Meta-Analysis

متاآنالیز ابزاری آماری است برای ترکیب نتایج گزارش‌شده توسط مجموعه‌ای از مطالعات مشابه. هدف، ایجاد شفافیت برای تصمیم‌گیرندگان (از جمله عموم مردم) است، به جای اینکه از آن‌ها انتظار داشته باشیم چندین مطالعه را پیدا کرده و با یکدیگر تطبیق دهند. پیتر مورگان، سردبیر علمی وقت انجمن پزشکی کانادا، در سال ۱۹۸۶ این موضوع را چنین بیان کرد:

ادبیات پزشکی را می‌توان با یک جنگل مقایسه کرد. به سرعت رشد می‌کند، پر از چوب‌های مرده است، مملو از گنجینه‌های پنهان و آلوده به عنکبوت و مار.

[…]

مقالات مروری با دو برابر شدن حجم جنگل ادبیات پزشکی هر ۱۰ سال، به طور فزاینده‌ای محبوب خواهند شد. تعداد مجلات و کتاب‌های مروری همچنان در حال افزایش است زیرا نویسندگان بیشتری یاد می‌گیرند که چگونه از رایانه برای جستجو در ادبیات استفاده کنند. نوشتن مقالات مروری رقابتی‌تر خواهد بود، اما پاداش بیشتری نیز خواهد داشت […]

هدف کتاب Bayesian Meta-Analysis کمک به شما برای ادامه این روند در جهت درک جنگل ادبیات و استفاده مؤثر از قدرت کامپیوتر برای این منظور است.

متأسفانه، مطالعات انجام شده در مورد یک موضوع خاص (که ما آن را پایگاه شواهد می‌نامیم) همیشه خیلی شبیه نیستند و همیشه خیلی خوب انجام و/یا گزارش نشده‌اند. مشکلات کوچکی بروز می‌کنند که مانع از مقایسه موارد مشابه با یکدیگر می‌شوند، زیرا نمی‌توان آن‌ها را در روش‌های معمول متاآنالیز جای داد.

محقق سپس انتخاب دشواری دارد که آیا یک فرض جسورانه برای ساده‌سازی مشکل انجام دهد، یا مطالعات بالقوه مفید را کنار بگذارد، فقط برای اینکه روند متاآنالیز ادامه یابد. این کتاب گزینه سومی را معرفی می‌کند: استفاده از روش‌های بیزی، که می‌تواند بسیاری از ویژگی‌های دشوار در پایگاه شواهد را در یک مدل آماری سفارشی‌تر جای دهد و راه‌های مفیدی برای ارائه نتایج ارائه دهد.

ما این کتاب را برای اکثریت افرادی که امروزه متاآنالیز انجام می‌دهند نوشته‌ایم: محققانی که مرورهای سیستماتیک و شاید آمار توصیفی و استنباطی ساده را درک می‌کنند و اکنون نیاز به ترکیب آمار از مطالعات دیگران دارند. عنوان فرعی کتاب “مقدمه‌ای کاربردی” است، وظیفه‌ای که ما آن را بسیار جدی می‌گیریم.

ما نه تنها فرمول‌ها، بلکه کد و مثال‌ها را برای شروع کار به شما ارائه می‌دهیم و نکاتی در مورد اینکه چگونه متاآنالیز می‌تواند وقتی نظریه با یک پایگاه شواهد واقعی روبرو می‌شود، پیچیده شود. ما نظر خاص خود را داریم، اما نظرات مخالف را نیز به شما می‌گوییم.

ما انتظار داریم که اکثر خوانندگان با روش‌های بیزی ناآشنا باشند، و بنابراین چندین گزینه نرم‌افزاری را، به ویژه در بخش ۱ کتاب Bayesian Meta-Analysis، ارائه می‌دهیم. هدف از این کار این است که خواننده بتواند آن‌ها را مقایسه کرده و تصمیم بگیرد که کدام یک را ترجیح می‌دهد استفاده کند.

مثال‌های ما بیشتر از تحقیقات زیست‌پزشکی برگرفته شده‌اند، زیرا این زمینه ما و موضوع بیشتر متاآنالیزهای امروزی است، اما ما به تحقیقات و سیاست‌گذاری در اقتصاد و آموزش نیز می‌پردازیم، جایی که محبوبیت متاآنالیز به سرعت در حال رشد است. ما سعی کرده‌ایم تمام مطالعات موردی را ساده نگه داریم تا تجربه در مورد موضوع اصلی لازم نباشد.

از آنجایی که این کتاب هم عملی و هم مقدماتی است، ما هیچ فضایی را به تاریخ و بسیار کم به فلسفه احتمال اختصاص نمی‌دهیم؛ این‌ها موضوعات جالبی هستند، اما جایگاهشان جای دیگری است.

ما عمدتاً متاآنالیز مطالعاتی را در نظر می‌گیریم که “شاخه‌ها” یا گروه‌ها را مقایسه می‌کنند، عمدتاً مطالعات آزمایشی تصادفی‌شده، اما توجهی نیز به مطالعاتی که نمی‌توانند بر تخصیص تصادفی تکیه کنند، می‌شود. متاآنالیز مدل‌های تشخیصی یا پیش‌آگهی‌دهنده یک موضوع مهم است، اما به فضای بیشتری نیاز دارد که ما نمی‌توانیم در اینجا آن را پوشش دهیم.

ما همچنین تلاش نمی‌کنیم تا اطلاعات خارجی را در کارآزمایی‌های بالینی یا طرح‌های آزمایشی تطبیقی ​​شامل شویم. طرح‌های تحقیقاتی دیگری غیر از کارآزمایی‌ها که خارج از دامنه ما هستند شامل تحقیقات فارماکوکینتیک و فارماکودینامیک، شبکه‌های باور بیزی، مدل‌های پنهان مارکوف و روش‌های معادلات دیفرانسیل مانند مدل‌سازی بیماری‌های عفونی هستند.

بخش ۱ کتاب Bayesian Meta-Analysis شامل یک راهنمای اولیه در مورد مبانی استنتاج آماری (فصل ۱) است. خوانندگانی که از قبل با آمار و متاآنالیز آشنا هستند باید این فصل را مرور کنند، اما از آن صرف‌نظر نکنند، زیرا این فصل اصطلاحات و نمادهای ما را معرفی می‌کند، و همچنین روشی برای مفهوم‌سازی تحلیل‌هایی که در کتاب‌های درسی مقدماتی آمار یافت نمی‌شوند.

آمار بیزی و نرم‌افزار در فصل ۲ کتاب Bayesian Meta-Analysis معرفی می‌شوند. سپس متاآنالیز، از جمله معادل‌های بیزی برای مدل‌های اثر مشترک (که اغلب “اثر ثابت” نامیده می‌شوند) در فصل ۳، و مدل‌های اثر تصادفی در فصل ۴ را معرفی می‌کنیم.

بخش ۲ کتاب Bayesian Meta-Analysis ورودی‌های ضروری برای متاآنالیز بیزی را در نظر می‌گیرد – استخراج آمار از مطالعات منتشر شده، و به دست آوردن توزیع‌های پیشین، از جمله نظرات متخصصان – و همچنین نحوه ارائه خروجی‌ها. بخش ۳ مشکلات خاص و نحوه مدل‌سازی آن‌ها را بررسی می‌کند.

هر فصل بخش ۳ کتاب Bayesian Meta-Analysis تا حد امکان کوتاه و خاص است تا خوانندگان پس از پوشش مبانی بتوانند از این بخش به عنوان یک راهنمای مرجع عملی استفاده کنند.

در طول کتاب Bayesian Meta-Analysis، هدف ما این است که هر فصل را با یک مسئله انگیزشی آغاز کنیم، مدل‌های ساده‌ای از فرآیند تولید داده را در نظر بگیریم و به خوانندگان کد کافی را نشان دهیم تا بتوانند مسائل را بررسی کرده و درک عمیق‌تری به دست آورند.

در این مرحله، اصطلاحات را پایه و زبان را شهودی و غیررسمی نگه می‌داریم. هنگامی که مشکل درک شد، مدل‌های پیچیده‌تری را برای مقابله با آن پیشنهاد می‌کنیم. تعاریف رسمی، در صورت نیاز، در پایان، زمانی که خواننده به عمیق‌ترین درک رسیده است، ارائه می‌شوند.