Fixed-effect
يفترض أن الدراسات تستهدف أثراً حقيقياً مشتركاً وأن الفروق المرصودة ترجع أساساً إلى خطأ المعاينة. لا يعني ذلك أن الدراسات متطابقة عملياً.
النموذج ثابت الأثر والعشوائي وفاصل التنبؤ
ما الذي يفترضه fixed-effect وrandom-effects، ولماذا يساعد prediction interval على فهم نطاق الآثار المتوقعة عبر السياقات.
محتوى عربي أصليمصادر أولية قابلة للتتبعقابل للفهرسة مع مراجعة مستمرة
منهج القراءة
الشرح العملي
Random-effects
يفترض توزيعاً لآثار حقيقية مختلفة بين الدراسات. المتوسط الناتج هو متوسط هذا التوزيع، وقد يعطي الدراسات الأصغر وزناً نسبياً أكبر مقارنة بنموذج fixed-effect.
الاختيار ليس اختباراً آلياً
لا تختَر النموذج بناء على اختبار heterogeneity وحده. يجب أن يعكس السؤال وما إذا كان من المعقول توقع اختلاف الأثر الحقيقي بين السياقات.
Prediction interval
فاصل التنبؤ يقدّر نطاقاً قد يقع فيه أثر دراسة أو سياق جديد تحت افتراضات النموذج، ويمكن أن يكشف أن المتوسط المفيد يخفي بعض السياقات ذات أثر ضئيل أو معاكس.
قلة الدراسات
تقدير between-study variance وفاصل التنبؤ يصبحان غير مستقرين عندما تكون الدراسات قليلة. يجب ألا تُعرض حدود رقمية دقيقة دون مناقشة هذا القيد.
أنماط الإخفاق الشائعة
أخطاء شائعة يجب تجنبها
random-effects يعالج كل heterogeneity
fixed-effect يعني لا اختلاف بين الدراسات
عرض prediction interval من عدد ضئيل كحقيقة ثابتة
فحص الجودة
أسئلة فحص سريعة
ما سؤال التقدير؟
هل نتوقع اختلاف الأثر الحقيقي؟
هل عدد الدراسات كاف؟
هل tau² موثوق؟
هل prediction interval مفيد ومبرر؟
مسار تعلّم مترابط
صفحات مرتبطة تكمل الفكرة
التغاير بين الدراسات: I² وTau² وما لا تقوله الأرقام وحدها
فهم heterogeneity سريرياً ومنهجياً وإحصائياً، وتفسير I² وTau² دون حدود آلية أو قراءة منفصلة عن حجم الأثر.
متابعة المسار ←متى يجوز إجراء التحليل التلوي ومتى يكون الجمع مضللاً؟
قرار الجمع يبدأ بالتشابه السريري والمنهجي قبل النموذج الإحصائي؛ وكيف نختار synthesis بديل عندما يكون pooled estimate غير مفيد.
متابعة المسار ←تحليلات المجموعات الفرعية والحساسية والانحدار التلوي
الفرق بين اختبار تعديل الأثر واختبار متانة النتيجة، وكيف نتجنب الاستنتاجات الكاذبة الناتجة عن تحليلات كثيرة أو بيانات قليلة.
متابعة المسار ←المصادر الأولية
1 مصادر