Trial Sequential Analysis
Adjust cumulative meta-analysis for repeated significance testing — is the evidence conclusive, or is more information needed (Wetterslev et al. 2008)?
- ตระกูล
- Meta-analysis
- เครื่องประมวลผล
- Lacuna native (Python)
ควรใช้เมื่อใด
ใช้เมื่อคุณมีตารางผลและต้องการค่าประมาณรวมที่ป้องกันได้
นำเมตาอะนาไลซิสออกจากผลของเครื่องคิดเลขและผูกไว้กับร่องรอยการตัดสินใจ: ขนาดผล ความแตกต่าง การเลือกแบบจำลอง และแหล่งที่มา
ข้อจำกัดและขอบเขต
- ยังไม่มีการสร้างภาพเฉพาะสำหรับวิธีนี้ ผลลัพธ์จะรายงานในรูปตารางและข้อค้นพบที่ผ่านการตีความ
- ผลลัพธ์ขึ้นอยู่กับการศึกษา คลังข้อมูล และพารามิเตอร์ที่ท่านป้อน ตลอดจนแบบจำลองที่เลือกใช้ การวิเคราะห์นี้สรุปหลักฐานตามที่มีการรายงาน และไม่ได้สถาปนาความเป็นเหตุเป็นผล
- ภาพทุกภาพแสดงที่มาของตน และการประมวลผลทุกครั้งสามารถทำซ้ำได้ทุกบิตจากข้อมูลนำเข้า พารามิเตอร์ และรุ่นของเครื่องประมวลผลเดียวกัน
ในตระกูลนี้
- Univariate Meta-AnalysisPool one effect size per study into a single summary estimate with heterogeneity diagnostics.
- Multilevel Meta-AnalysisTwo- or three-level models for dependent effect sizes nested within studies or labs.
- GLMM Meta-AnalysisGeneralised linear mixed models for binary/count outcomes without normal approximation.
- Network Meta-AnalysisMixed treatment comparison across ≥3 interventions with a connected evidence network.
- Diagnostic Test AccuracyBivariate sensitivity/specificity model with a summary ROC curve.
- Dose–Response Meta-AnalysisModel the shape of an exposure–outcome relationship across dose levels.
- P-Uniform*Bias-corrected effect estimate robust to selective publication.
- P-Curve AnalysisTest the significant p-values for evidential value vs p-hacking via the p-curve's right-skew (Simonsohn et al. 2014).
- MA Power AnalysisProspective / retrospective power for a meta-analytic design specification.
เรียกใช้การวิเคราะห์นี้
นิยามด้านบนเปิดให้เข้าถึงได้ ส่วนเครื่องประมวลผลจริง พารามิเตอร์ และรายงานที่ผนึกที่มาจะทำงานภายในพื้นที่ทำงานของท่าน