Forest plots மற்றும் meta-analysis: நடைமுறை வழிகாட்டி

ஒவ்வொரு வரிசையும் ஒரு study: அதன் effect மதிப்பீட்டில் ஒரு marker, அதன் confidence interval-க்கு ஒரு கிடைமட்டக் கோடு. ஒரு செங்குத்து no-effect கோடு ratios-க்கு (odds ratio, risk ratio, hazard ratio) 1-இலும், differences-க்கு (mean difference, standardised mean difference, risk difference) 0-இலும் இருக்கும். கீழே, ஒரு diamond pooled மதிப்பீட்டைக் காட்டுகிறது: அதன் மையம் ஒருங்கிணைந்த விளைவு, அதன் அகலம் confidence interval.

Ratios log axis-இல் வரையப்படுகின்றன; ஏனெனில் 0.5 என்ற odds ratio-வும் 2-ம் no effect-இலிருந்து சம தூரத்தில் உள்ளன; pooling log scale-இல் செய்யப்படுகிறது.

ஒவ்வொரு study-க்கும் ஒரு வரிசை: ஒவ்வொரு கட்டுரையிலும் அறிவிக்கப்பட்டபடி effect size மற்றும் அதன் confidence interval-இன் கீழ், மேல் எல்லைகள். weight column விருப்பத்தேர்வு: அது இல்லையென்றால், interval அகலங்களிலிருந்து (inverse variance) weights கணக்கிடப்படும்; எனவே துல்லியமான studies அதிக எடை பெறும்.

forest plot எடுத்துக்காட்டில் odds ratios உடன் எட்டு studies-உம், பின்தொடரப் பதிவிறக்கக்கூடிய CSV-யும் உள்ளன.

ஒரு fixed-effect model எல்லா studies-உம் ஒரே உண்மையான விளைவை மதிப்பிடுகின்றன, தற்செயலால் மட்டுமே வேறுபடுகின்றன என்று கருதுகிறது. ஒரு random-effects model உண்மையான விளைவு studies-க்கு இடையே மாறுபடுகிறது என்று கருதி, அந்த variance-ஐ (τ²) மதிப்பிட்டு, அகலமான, எச்சரிக்கையான interval-ஐத் தருகிறது. studies மக்கள்தொகை, dose அல்லது design-இல் வேறுபடும்போது, random effects பொதுவாக நேர்மையான தேர்வு. இரண்டு diamonds-ஐயும் வரைந்தால் தேர்வு எவ்வளவு முக்கியம் என்று தெரியும்.

Heterogeneity Cochran's Q (studies தற்செயல் அனுமதிப்பதை விட அதிகமாக வேறுபடுகின்றனவா என்ற test), I² (உண்மையான வேறுபாடுகளால் ஏற்படும் மாறுபாட்டின் பங்கு, 0–100%), τ² (studies-க்கு இடையிலான variance) மூலம் சுருக்கப்படுகிறது.

• Charts & Plots-இல் Upload File-ஐக் கிளிக் செய்து உங்கள் table-ஐ (CSV அல்லது Excel) ஏற்றுங்கள், அல்லது Paste Data மூலம் paste செய்யுங்கள்.
• Chart chip-இல் Forest Plot-ஐத் தேர்ந்தெடுங்கள்.
• Columns-இல் Study/Label Column, Effect Size Column, CI Lower Bound Column, CI Upper Bound Column ஆகியவற்றைத் தேர்ந்தெடுங்கள் (விருப்பப்பட்டால் Weight Column-உம்). study drop-down தற்போது எண் columns-ஐ மட்டுமே பட்டியலிடுகிறது; எனவே உங்கள் studies-க்கு எண் கொடுங்கள்.
• Statistical Analysis-இல் Effect Size Type (OR, RR, HR, 1-இல் கோட்டுடன் log axis-க்கு மாறும்), Meta-Analysis Model (Fixed Effects, Random Effects அல்லது Both), Confidence Level ஆகியவற்றை அமையுங்கள்.
• Layout & Typography-இல் “Favours” labels மற்றும் Sort Studies By-ஐ அமையுங்கள்; Publication Features-இல் ஒரு Journal Style-ஐ (APA, Nature, JAMA அல்லது Cochrane) தேர்ந்தெடுத்து, புள்ளியியல் table எங்கே வர வேண்டும் என்று தீர்மானியுங்கள்.
• PNG, SVG அல்லது PDF ஆக Export (Ctrl+E) செய்யுங்கள்.

இந்த plot random effects-ஐ DerSimonian–Laird மூலம் pool செய்கிறது. REML, prediction interval, Egger's test-க்கு, command line-இலிருந்து labtools stats meta-ஐ இயக்குங்கள், அல்லது MCP மூலம் LabTools-உடன் இணைந்த AI உதவியாளரிடம் கேளுங்கள்.

சிறிய studies பெரியவற்றை விடப் பெரிய விளைவுகளைக் காட்டினால், pooled மதிப்பீடு மிகைப்படுத்தப்பட்டிருக்கலாம்; பெரும்பாலும் சிறிய null முடிவுகள் வெளியிடப்படாததால். funnel plot இதைக் காட்சியாகக் காட்டுகிறது; study அளவுக்கும் விளைவுக்கும் இடையிலான rank correlation, அல்லது Egger's regression test, அதற்கு ஒரு எண்ணைத் தருகிறது. எடுத்துக்காட்டில், study அளவுக்கும் log(OR)-க்கும் இடையிலான Kendall's τ 0.143 (p = 0.62): small-study effects-க்கான அறிகுறி இல்லை; ஆனால் எட்டு studies இந்த tests-க்குக் குறைந்த power-ஐயே தருகின்றன.

• effect அளவீடு மற்றும் scale (எ.கா. odds ratio, log scale-இல் pool செய்யப்பட்டது).
• model (fixed அல்லது random effects) மற்றும் τ² estimator.
• confidence interval உடன் pooled மதிப்பீடு, மற்றும் Q, I², τ².
• small-study அல்லது publication-bias மதிப்பீடு ஏதேனும் இருந்தால், அது எத்தனை studies அடிப்படையில் என்பது.