DOI: https://doi.org/10.1017/rsm.2025.19
PMID: https://pubmed.ncbi.nlm.nih.gov/41626914
تاريخ النشر: 2025-04-24
المؤلف: Xiangji Ying وآخرون
الموضوع الرئيسي: تحليل البيانات الشامل والمراجعات المنهجية
نظرة عامة
في هذا القسم، يناقش المؤلفون أهمية قياس تداخل الدراسات الأولية المدرجة في المراجعات المنهجية (SRs) عند إجراء نظرات عامة على المراجعات. يقدمون مقياسًا جديدًا يسمى المساحة المغطاة المصححة الموزونة (wCCA)، والذي يعزز المساحة المغطاة المصححة التقليدية (CCA) من خلال دمج أحجام العينات للدراسات الأولية. يقوم wCCA بضبط قياس التداخل من خلال وزن الدراسات وفقًا للجذور التربيعية لأحجام عيناتهم، مما يعكس الدقة النسبية للمعلومات التي تسهم بها كل دراسة في تجميع الأدلة الكلية.
يبرز المؤلفون أنه بينما يعامل CCA جميع الدراسات الأولية بالتساوي، فإن wCCA يقدم نهجًا أكثر دقة من خلال النظر في كمية المعلومات المقدمة من كل دراسة. هذا التعديل ذو صلة خاصة حيث أن الدراسات الأكبر عادةً ما تنتج تقديرات أكثر دقة، مما يمكن أن يؤثر بشكل كبير على الاستنتاجات المستخلصة في التحليلات التلوية. يتم تقديم wCCA كأداة قيمة للباحثين الذين يقومون بإجراء نظرات عامة على SRs، مما يسمح بفهم أكثر تفصيلاً للتداخل المعلوماتي بين الدراسات. بشكل عام، يعمل wCCA على تكملة التدابير الحالية للتداخل، مما يسهل تقييمًا أكثر دقة لمشهد الأدلة في المراجعات المنهجية.
مقدمة
تسلط المقدمة الضوء على الانتشار المتزايد للمراجعات المنهجية (SRs)، التي تفوق الآن التجارب السريرية العشوائية (RCTs) في بعض المجالات. يثير هذا النمو مخاوف بشأن المراجعات المتداخلة والرديئة، حيث يمكن أن تؤدي الدراسات الأولية المتداخلة إلى احتساب مزدوج، مما قد يشوه الاستنتاجات. لمعالجة هذه المشكلة، يجب على مؤلفي النظرات العامة قياس التداخل بين SRs، وتؤكد إرشادات التقرير الحالية على الحاجة إلى منهجيات واضحة لتوضيح أو قياس مثل هذه التداخلات. ومع ذلك، فإن الممارسات الحالية لتقرير هذه الأساليب غالبًا ما تكون غير كافية.
تم تطوير طرق متنوعة لتمثيل التداخل في SRs، بما في ذلك الأساليب الجدولية والرسومية والكمية. أحد المقاييس الكمية المستخدمة بشكل شائع هو المساحة المغطاة المصححة (CCA)، التي تقيم تكرار الدراسات الأولية عبر عدة SRs. ومع ذلك، قد لا يعكس المعاملة المتساوية لجميع الدراسات في CCA التداخل المعلوماتي بدقة، حيث إنه يفشل في حساب المساهمات المتفاوتة للدراسات المتداخلة وغير المتداخلة. لتعزيز قياس التداخل المعلوماتي، يقترح المؤلفون تعديلًا لـ CCA، يسمى CCA الموزون (wCCA)، الذي يدمج أحجام عينات الدراسات الأولية في التحليل.
نقاش
في هذا القسم، يناقش المؤلفون حساب تحليل مساهمة الاقتباس (CCA) ونظيره الموزون (wCCA) لتقييم تداخل الدراسات الأولية عبر المراجعات المنهجية (SRs). يتم حساب CCA باستخدام الصيغة \( \text{CCA} = \frac{(N – r)}{(r \cdot c) – r} \)، حيث يمثل \( N \) إجمالي حدوث الدراسات الأولية، و\( r \) هو عدد الدراسات الأولية الفريدة، و\( c \) هو عدد SRs. يتم تصنيف درجة التداخل إلى عتبات تتراوح من “طفيف” إلى “مرتفع جدًا”. يقوم wCCA بتنقيح هذا التحليل من خلال دمج أحجام عينات الدراسات الأولية، المحسوبة كـ \( \text{wCCA} = \frac{wN – wr}{wr \cdot c – wr} \)، حيث \( wN \) و\( wr \) هما مجموعات الجذور التربيعية لأحجام العينات لجميع الدراسات والدراسات الفريدة، على التوالي. يسمح هذا التعديل بتمثيل أكثر دقة لمساهمة كل دراسة بناءً على حجم عينتها، مما يعالج تأثير الدراسات الأكبر دون طمس الدراسات الأصغر.
يؤكد المؤلفون على فائدة حجم العينة كبديل لمساهمة المعلومات للدراسات، مشيرين إلى أنه يتم الإبلاغ عنه بشكل شائع في SRs، مما يجعل wCCA مقياسًا عمليًا حتى عند استخدام طرق تحليلية مختلفة. يقدمون أمثلة توضيحية توضح حساب كل من CCA وwCCA في سياقات تشمل التجارب السريرية العشوائية والدراسات الرصدية، مما يبرز كيف يمكن أن تؤثر التغيرات في أحجام العينات بشكل كبير على تقييم التداخل. ينتهي القسم بالتأكيد على أن wCCA يقدم فهمًا دقيقًا للتداخل في SRs، مما يكمل التدابير الحالية ويسهل اتخاذ قرارات مستنيرة بشأن تضمين المراجعات في النظرات العامة.
القيود
يسلط قسم القيود الضوء على عدة تحديات مرتبطة بتحليل الارتباط الكنسي الموزون (wCCA) مقارنةً بتحليل الارتباط الكنسي القياسي (CCA). على وجه التحديد، يتطلب wCCA بيانات أكثر شمولاً، مما يمكن أن يعقد قياس التداخل عند تحليل عدة مراجعات منهجية (SRs)، خاصة تلك التي تشمل العديد من الدراسات. تتفاقم هذه التعقيدات في الحالات التي تكون فيها جودة SRs دون المستوى، حيث يصبح كل من wCCA وCCA غير قابلين للتطبيق إذا فشلت SRs في وصف أو الإشارة بشكل كافٍ إلى الدراسات الأولية المدرجة.
بالإضافة إلى ذلك، يقترح المؤلفون أن منهجيات بديلة قد تكون أكثر ملاءمة لمعالجة التداخل والقضايا ذات الصلة في مثل هذه السياقات، مؤكدين على أهمية جودة البيانات واكتمالها في إجراء تحليلات قوية.
DOI: https://doi.org/10.1017/rsm.2025.19
PMID: https://pubmed.ncbi.nlm.nih.gov/41626914
Publication Date: 2025-04-24
Author(s): Xiangji Ying et al.
Primary Topic: Meta-analysis and systematic reviews
Overview
In this section, the authors discuss the importance of quantifying the overlap of primary studies included in systematic reviews (SRs) when conducting overviews of reviews. They introduce a novel metric called the weighted corrected covered area (wCCA), which enhances the traditional corrected covered area (CCA) by incorporating the sample sizes of the primary studies. The wCCA adjusts the overlap measurement by weighting studies according to the square roots of their sample sizes, thereby reflecting the relative precision of the information each study contributes to the overall evidence synthesis.
The authors highlight that while the CCA treats all primary studies equally, the wCCA offers a more nuanced approach by considering the amount of information provided by each study. This adjustment is particularly relevant as larger studies typically yield more precise estimates, which can significantly influence the conclusions drawn in meta-analyses. The introduction of the wCCA is positioned as a valuable tool for researchers conducting overviews of SRs, allowing for a more detailed understanding of the informational overlap among studies. Overall, the wCCA serves to complement existing measures of overlap, facilitating a more refined assessment of the evidence landscape in systematic reviews.
Introduction
The introduction highlights the increasing prevalence of systematic reviews (SRs), which now outnumber randomized controlled trials (RCTs) in certain fields. This growth raises concerns about overlapping and redundant SRs, as overlapping primary studies can lead to double-counting, potentially skewing conclusions. To address this issue, overview authors must quantify overlap among SRs, and existing reporting guidelines emphasize the need for clear methodologies to illustrate or quantify such overlaps. However, current practices for reporting these methods are often inadequate.
Various approaches have been developed to represent overlap in SRs, including tabular, graphical, and quantitative methods. A commonly used quantitative measure is the corrected covered area (CCA), which assesses the frequency of primary studies across multiple SRs. However, the CCA’s equal treatment of all studies may not accurately reflect the informational overlap, as it fails to account for the varying contributions of overlapping and non-overlapping studies. To enhance the quantification of informational overlap, the authors propose a modification to the CCA, termed the weighted CCA (wCCA), which incorporates the sample sizes of primary studies into the analysis.
Discussion
In this section, the authors discuss the computation of the Citation Contribution Analysis (CCA) and its weighted variant (wCCA) to assess the overlap of primary studies across systematic reviews (SRs). The CCA is calculated using the formula \( \text{CCA} = \frac{(N – r)}{(r \cdot c) – r} \), where \( N \) represents the total occurrences of primary studies, \( r \) is the number of unique primary studies, and \( c \) is the number of SRs. The degree of overlap is categorized into thresholds ranging from “slight” to “very high.” The wCCA refines this analysis by incorporating sample sizes of the primary studies, calculated as \( \text{wCCA} = \frac{wN – wr}{wr \cdot c – wr} \), where \( wN \) and \( wr \) are the sums of the square roots of sample sizes for all studies and unique studies, respectively. This adjustment allows for a more accurate representation of the contribution of each study based on its sample size, thereby addressing the influence of larger studies without overshadowing smaller ones.
The authors emphasize the utility of sample size as a proxy for the informational contribution of studies, noting that it is commonly reported in SRs, making wCCA a practical metric even when different analytical methods are employed. They provide illustrative examples demonstrating the calculation of both CCA and wCCA in contexts involving randomized controlled trials and observational studies, highlighting how variations in sample sizes can significantly affect the overlap assessment. The section concludes by asserting that wCCA offers a nuanced understanding of overlap in SRs, complementing existing measures and facilitating informed decisions regarding the inclusion of reviews in overviews.
Limitations
The section on limitations highlights several challenges associated with weighted Canonical Correlation Analysis (wCCA) compared to standard Canonical Correlation Analysis (CCA). Specifically, wCCA necessitates more comprehensive data, which can complicate the quantification of overlap when analyzing multiple systematic reviews (SRs), particularly those encompassing numerous studies. This complexity is exacerbated in cases where the quality of the SRs is subpar, as both wCCA and CCA become inapplicable if the SRs fail to adequately describe or reference the primary studies included.
Additionally, the authors suggest that alternative methodologies may be more suitable for addressing overlap and related issues in such contexts, emphasizing the importance of data quality and completeness in conducting robust analyses.