ثلاثة مستويات
التغاير قد يكون سريرياً بسبب السكان أو التدخلات، منهجياً بسبب التصميم والتحيز، أو إحصائياً في أحجام الآثار المرصودة. المؤشرات الإحصائية لا تستبدل فحص المستويين الأولين.
فهم heterogeneity سريرياً ومنهجياً وإحصائياً، وتفسير I² وTau² دون حدود آلية أو قراءة منفصلة عن حجم الأثر.
التغاير قد يكون سريرياً بسبب السكان أو التدخلات، منهجياً بسبب التصميم والتحيز، أو إحصائياً في أحجام الآثار المرصودة. المؤشرات الإحصائية لا تستبدل فحص المستويين الأولين.
يصف I² النسبة المقدرة من التباين المرصود التي لا تُعزى فقط إلى خطأ المعاينة تحت افتراضات التحليل، لكنه لا يحدد مقدار اختلاف الأثر بوحدته الأصلية ولا يخبرنا لماذا اختلفت الدراسات. تتأثر قيمته بعدد الدراسات ودقتها، ولهذا لا ينبغي تحويل حدود مثل 25% أو 50% أو 75% إلى أحكام آلية مستقلة عن أحجام الآثار والسياق السريري.
يقدّر Tau² تباين الآثار الحقيقية المفترضة بين الدراسات في نموذج random-effects، ويقع على مقياس الأثر المستخدم. لذلك لا تُفهم قيمته بمعزل عن ذلك المقياس، ويكون أكثر فائدة عندما يُربط بفاصل تنبؤ أو بعرض نطاق الآثار المحتملة بدلاً من تقديمه كرقم مجرد يوحي بدقة أكبر مما تسمح به البيانات.
القيم الشائعة لـI² ليست إشارات مرور ثابتة. نفس I² قد يكون غير مهم إذا كانت الآثار متقاربة قرارياً، أو مهماً جداً إذا عبرت الآثار من منفعة إلى ضرر.
إذا كان التغاير مهماً، افحص فرضيات سببية محددة مسبقاً قبل الانغماس في تحليلات subgroup كثيرة. التفسير بعد رؤية النتائج يولد فرضيات أكثر مما يثبتها.
I²>50% يعني ممنوع الدمج
I²=0 يعني الدراسات متطابقة
مطاردة subgroups بعد رؤية الرسم
هل الاختلاف سريري؟
ما مقياس Tau²؟
هل I² مستقر؟
هل الآثار تعبر قرارات مختلفة؟
هل تفسيرات التغاير محددة مسبقاً؟
ما الذي يفترضه fixed-effect وrandom-effects، ولماذا يساعد prediction interval على فهم نطاق الآثار المتوقعة عبر السياقات.
متابعة المسار ←الفرق بين اختبار تعديل الأثر واختبار متانة النتيجة، وكيف نتجنب الاستنتاجات الكاذبة الناتجة عن تحليلات كثيرة أو بيانات قليلة.
متابعة المسار ←كيف نقيّم تباين أحجام الآثار واتجاهاتها ونبحث عن تفسير معقول قبل خفض اليقين بسبب inconsistency.
متابعة المسار ←