ترکیب یافته های تعدیل شده و تعدیل نشده در سنتز تحقیقات ترکیبی

یافتن راه‌هایی برای گنجاندن انواع مختلف شواهد در ترکیب‌های تحقیقاتی، پتانسیل ایجاد یک پایگاه شواهد بهتر برای عملکرد و سیاست بالینی را دارد. با این حال انجام چنین مطالعات ترکیبی تحقیقاتی چالش برانگیز است. محققان باید تعیین کنند که آیا و چگونه از یافته های کمی تعدیل شده و تعدیل نشده در ترکیب با یکدیگر و با یافته های کیفی استفاده کنند.

مواد و روش ها

در میان یافته های کمی، تعدیل برای مخدوش، چه از طریق طراحی مطالعه یا تجزیه و تحلیل آماری، می تواند منبع قابل توجهی از ناهمگونی باشد. با این حال، هیچ اتفاق نظری در مورد بهترین راه برای ترکیب یافته‌های حاصل از روش‌های مختلف برای پرداختن به اغتشاش وجود ندارد. هنگام ترکیب یافته‌های کمی و کیفی، ملاحظات اضافی شامل تعیین اینکه آیا یافته‌ها قابل سنتز با تجمیع یا پیکربندی هستند، که به نوبه خود به درجه تغییر تفسیری یافته‌ها بستگی دارد، می‌شود.

نتایج

یافته‌های نظرسنجی کیفی از نظر شکل شبیه به یافته‌های کمی تعدیل‌نشده یا حداقل تعدیل‌شده به نظر می‌رسند و هنگام پرداختن به همان رابطه، می‌توان آنها را خلاصه کرد. یافته‌های کیفی تفسیر شده بیشتر از نظر شکل شبیه به یافته‌های تعدیل‌شده یافت شده در مدل‌های معادلات ساختاری هستند که رابطه بین مجموعه‌ای از متغیرهای پنهان را مشخص می‌کنند. یک گزینه برای ترکیب مدل های مفهومی مشابه، ترجمه متقابل است.

نتیجه گیری

این تصمیمات در نهایت بر اساس معنی دار بودن نتایج آنها برای عمل یا سیاست قضاوت خواهد شد.

کلیدواژه: تعدیل، مداخله گر، فراتحلیل، پژوهش کیفی، پژوهش کمی، سنتز پژوهش

مقدمه

ترکیب یافته های تعدیل شده و تعدیل نشده در سنتز تحقیقات ترکیبی

تعداد زیادی از مقالات و فصل های کتاب نوشته شده است که از این موضوع حمایت می کند که بررسی های سیستماتیک شامل انواع بیشتری از شواهد است [1،2]. این برخلاف modus operandi گذشته است ، که در آن معیارهای ورود به آن چنان محدود کننده بود که یافته های بسیار بیشتری از آن حذف شد [3،4]. برای درج بیشتر شواهد موجود ، محققان طیف وسیعی از روشها را برای انجام سنتز تحقیق مختلط تهیه کرده اند ، که در آن یافته های مطالعات کیفی ، مشاهده ای و تجربی کمی خلاصه ، یکپارچه یا در غیر این صورت از طریق روشهای کیفی و/یا کمی مونتاژ می شوند تابه عنوان پایه ای برای تمرین یا سیاست خدمت کنید [5]. اگرچه پیشرفت هایی در تصور و اجرای مطالعات سنتز تحقیق مختلط انجام شده است [2،6-9] ، آنها همچنان چالش برانگیز هستند زیرا محققان را وادار می کنند تا دامنه تفاوتهای روش شناختی را که آنها را تعریف می کنند ، در خود جای دهند [10].

در میان بسیاری از تصمیماتی که محققانی که این نوع بررسی های سیستماتیک را انجام می دهند باید اتخاذ کنند - و هنوز در متن خاص سنتز تحقیقات مختلط مورد توجه قرار نگرفته است - این است که آیا و چگونه می توان از یافته های کمی تنظیم شده و غیرقابل تنظیم استفاده کرد. این تصمیم باید نه تنها در نظر گرفته شود که همه یافته های کمی مشابه هستند ، بلکه یافته های کمی با یافته های کیفی مشابه هستند. نسبتاً کمی در مورد موضوعات مربوط به سنتز یافته های کمی تنظیم شده و غیر قابل تنظیم ، چه رسد به یافته های کیفی نوشته شده است. بر این اساس ، هدف از این مقاله توصیف آن موضوعات است. ما ابتدا روشهای مختلفی را توصیف می کنیم که یافته های کمی در گزارش ها ارائه می شود ، با تنظیم حاصل از طراحی مطالعه یا روش های آماری و چالش هایی برای ترکیب آن یافته ها. سپس ما برای ترکیب یافته های کمی تنظیم شده و غیر قابل تنظیم با یافته های کیفی ، ملاحظات اضافی را بررسی می کنیم.

تنظیم برای مواد مخدر به عنوان منبع ناهمگونی در مطالعات کمی

هنگام سنتز مطالعات کمی ، به طور کلی تنوع در داخل و در بین مطالعات وجود خواهد داشت. این تنوع به ناهمگونی گفته می شود. ناهمگونی ، که ممکن است مشاهده شود یا پنهان شود (بدون نظارت) ، ممکن است ناشی از تفاوت در طراحی مطالعه ، جمعیت ، اقدامات ، زمان پیگیری یا سایر خصوصیات سطح مطالعه باشد [11]. منبع ناهمگونی مورد بحث در این مقاله ، تنظیم برای مخدوشان است. مخدوشان مشاهده شده یا متغیرهای بدون نظارت هستند که به متغیر مستقل علاقه و متغیر نتیجه مربوط می شوند و به همین ترتیب می توانند بر میزان رابطه بین متغیر مستقل و نتیجه تأثیر بگذارند.

همانطور که در زیر توضیح داده شده است ، با طراحی مطالعه یا روشهای آماری می توان اثر مخدوشان را به حداقل رساند. همه این روشها پتانسیل کاهش یا از بین بردن تعصب را در پارامتر تخمین زده شده (میانگین اثر درمانی یا میانگین اثر درمانی بر روی درمان شده) دارند ، در نتیجه اثر درمانی واقعی را تقریب می دهند.

تنظیم ذاتی در طراحی مطالعه

از طریق طرح های مطالعه می توان به مخدوشان رسیدگی کرد که در آن کنترل برای مخدوشان ذاتی است. مطالعه تصادفی را در نظر بگیرید ، که در آن همه افراد احتمال مساوی در اختصاص به یکی از گروه های درمانی (یا شرایط) دارند. در این طرح ، هرگونه تعصب سیستماتیک به دلیل متغیرهای مشاهده شده یا بدون نظارت از بین می رود. به عنوان مثال ، یک مطالعه را در نظر بگیرید که تأثیر مداخله بر پایبندی دارو را ارزیابی می کند. اگر خصوصیات بیمار مانند جنس یا وضعیت سلامتی هم به ترجیح بیمار برای درمان و هم مربوط به پایبندی مرتبط باشد و بیماران تصادفی نباشند ، برآورد میانگین اثر درمانی بر روی درمان شده مغرضانه خواهد بود. در چنین مواردی ، تصادفی کردن افراد به گروه مداخله یا کنترل باید منجر به توزیع تقریباً مساوی از وضعیت جنسی و سلامت در هر یک از گروه ها شود و مخدوش نگرانی نیست.

طرح مطالعه دیگری که ممکن است گیج کننده را کاهش دهد، مطالعه مورد-شاهدی است. در مطالعه مورد-شاهدی ابتدا گروهی از افراد با پیامد مورد علاقه (موردها) و سپس گروهی از افراد بدون نتیجه (شاهد) انتخاب می شوند. کنترل‌ها عموماً به گونه‌ای انتخاب می‌شوند که با موارد قابل مقایسه باشند، با درجه مقایسه کاملاً به بازپرس. حداقل، گروه کنترل بر اساس یک یا چند متغیر جمعیت شناختی مشابه با موارد انتخاب می شود. مطالعات مورد-شاهدی پیچیده‌تر تلاش خواهند کرد تا دو گروه را در فهرست طولانی از عوامل مخدوش‌کننده بالقوه شبیه‌سازی کنند، یا حتی کنترل‌ها را با موارد روی همه متغیرهای مستقل مشاهده‌شده از طریق امتیازات تمایل یا روش‌های دیگر مطابقت دهند. موارد و کنترل‌ها سپس بر روی یک یا چند مواجهه (یعنی متغیرهایی که برای توضیح تفاوت در نتایج بین موارد و کنترل‌ها فرض می‌شوند) مقایسه می‌شوند. برای مثال، ممکن است یک محقق بخواهد تفاوت‌های اعمال جنسی بین افراد مبتلا به ویروس نقص ایمنی انسانی (HIV) و بدون آن را بررسی کند. بر این اساس ابتدا موارد (افراد مبتلا به HIV) و سپس افراد کنترل (افراد بدون HIV) انتخاب می شوند. کنترل‌ها ممکن است به‌گونه‌ای انتخاب شوند که به‌طور متوسط با گروه موارد در عوامل مخدوش‌کننده احتمالی (مانند سن، جنس، نژاد، گرایش جنسی، سابقه مصرف مواد مخدر داخل وریدی) قابل مقایسه باشند یا هر مورد ممکن است با یک یا چند مورد مطابقت داشته باشد. کنترل‌هایی با مقادیر یکسان یا تقریباً یکسان روی مخدوش‌کننده‌های احتمالی. سپس دو گروه از نظر اعمال جنسی با هم مقایسه می شوند.

مطالعات مورد-شاهدی اغلب زمانی مورد استفاده قرار می‌گیرند که نتیجه نادر است و گروه بزرگی برای اطمینان از وجود موارد مورد نیاز است یا زمانی که نمونه‌ای از موارد به راحتی در دسترس محقق است. هنگامی که درجه تطابق پایین است، مطالعه مورد-شاهدی صرفاً یک مطالعه کوهورت گذشته نگر است که در آن موارد بیش از حد نمونه برداری می شوند. به عنوان مثال، موارد ممکن است بیمارانی در یک کلینیک HIV باشند که در پایبندی به رژیم دارویی خود مشکلی را گزارش کنند، و گروه کنترل ممکن است نمونه‌ای از بیماران در کلینیک باشند که هیچ مشکلی را در پایبندی گزارش نکرده‌اند. این به منزله یک مطالعه کوهورت از بیماران در کلینیک است و مراقب باشید که شامل افرادی شود که در پایبندی مشکل دارند. بنابراین، زمانی که تطابق چندانی روی عوامل مخدوش کننده وجود نداشته باشد یا خیلی کم باشد، نتایج یک مطالعه مورد-شاهدی را می توان به عنوان یک مطالعه کوهورت تفسیر کرد که هیچ کنترل ذاتی برای عوامل مخدوش کننده ندارد.

تطبیق مورد-شاهدی روی عوامل مخدوش کننده بالقوه عموماً تأثیر این عوامل مخدوش کننده را به حداقل می رساند، اما ممکن است ناهمگنی را در تأثیر قرار گرفتن در معرض بر نتیجه نسبت به مطالعات بی همتا یا مطالعات مطابق با عوامل مخدوش کننده مختلف ایجاد کند [12]. به عنوان مثال، اگر یک یا چند مورد از عوامل مخدوش کننده ای که تطابق روی آنها رخ می دهد بسیار نزدیک به نوردهی(های) مورد علاقه باشد، اندازه اثر و قدرت مطالعه احتمالاً کمتر از یک مطالعه بی همتا خواهد بود، زیرا تطابق باعث ایجاد قرار گرفتن در معرض می شود. در موارد و کنترل ها قابل مقایسه تر است. اگر متغیرهای تطبیق نزدیک به نتیجه مرتبط باشند، اما نه با قرار گرفتن در معرض، تطبیق در واقع می تواند قدرت تشخیص اثر درمانی را نسبت به یک سناریوی بی همتا افزایش دهد [13].

روش های آماری تعدیل

عوامل مخدوش کننده مشاهده شده را می توان به صورت آماری مورد بررسی قرار داد، و این معمولاً در طرح های مطالعه غیرتصادفی انجام می شود، مانند مطالعات کوهورت شبه تجربی یا مشاهده ای، که در آن هیچ کنترل ذاتی برای عوامل مخدوش کننده وجود ندارد. هنگام برنامه ریزی چنین مطالعاتی، محققان عوامل مخدوش کننده احتمالی را تعیین می کنند و آنها را در طول جمع آوری داده ها ارزیابی می کنند. سپس، با استفاده از (1) رگرسیون چندگانه (که در آن متغیرهای کمکی به طور همزمان با متغیر مستقل مورد علاقه وارد مدل می‌شوند) اثر مخدوش‌کننده‌ها به صورت آماری مورد بررسی قرار می‌گیرد.(2) نمرات تمایل (که در آن احتمال اینکه هر آزمودنی بر اساس عوامل مخدوش کننده بالقوه نتیجه مورد علاقه خود را داشته باشد محاسبه و در تجزیه و تحلیل کنترل می شود) یا تطبیق امتیاز گرایش (که در آن گروه درمان و کنترل بر اساس امتیازات تمایل مطابقت دارند); یا (3) تحلیل های طبقه بندی شده (که در آن جمعیت به اقشار مخدوش کننده تقسیم می شود و تجزیه و تحلیل ها به طور جداگانه در هر طبقه انجام می شود). این روش‌های آماری همچنین می‌توانند برای تجزیه و تحلیل داده‌های حاصل از مطالعات تصادفی یا مورد-شاهدی استفاده شوند، اگر فرآیند تصادفی‌سازی یا تطبیق نتواند توزیع یک مداخله‌گر اندازه‌گیری شده را بین گروه‌ها برابر کند.

ترکیب یافته های تعدیل شده و تعدیل نشده

در گزارشی از نتایج مطالعه ، نویسندگان ممکن است فقط یافته های غیر قابل تنظیم ، فقط یافته های تنظیم شده یا هر دو را ارائه دهند.(برای باقیمانده این مقاله ، ما یافته های تنظیم شده را به عنوان نتایج حاصل از تنظیم آماری در طول تجزیه و تحلیل داده ها تعریف می کنیم.) یک یافته غیرقابل تعدیل رابطه دو متغیره بین یک متغیر مستقل و وابسته است که کنترل متغیرها یا متناوب ، مانند رابطه بین رابطهنوع مداخله و پایبندی. یافته های غیر قابل تنظیم اغلب برای مطالعات تصادفی و مورد کنترل موردی ارائه می شود زیرا تصادفی (در مطالعات تصادفی) یا تطبیق (در مطالعات موردی و کنترل) فرض بر این است که برای مخدوش کننده ها حساب می شود ، به گونه ای که تفاوت در نتایج بین گروه های درمان و کنترل به دلیل این استدرمان و هیچ چیز دیگری. بنابراین ، یافته های غیر قابل تنظیم نشان دهنده تنظیم است که با طراحی مطالعه و نه با روش های آماری به حساب می آید.

در مطالعات شبه تجربی و کوهورت ، گاهی اوقات یافته های غیر قابل تنظیم ارائه می شود ، اما به طور کلی به دلیل مخرب بودن پتانسیل بالایی برای تعصب شناخته می شوند. بنابراین ، برای این نوع مطالعات ، یافته های تنظیم شده معمولاً ترجیح داده می شوند. نمونه ای از یک یافته تعدیل شده می تواند رابطه بین پیروی از نژاد و دارو پس از کنترل تأثیر وضعیت سلامت بر پایبندی دارو باشد. متغیرهای متغیر ممکن است یک مجموعه کامل انتخاب شده به صورت پیشینی - با توجه به ارتباط نظری یا بالینی - یا ممکن است زیر مجموعه ای باشد که از طریق روش های انتخاب متغیر مشخص شده است [14].

هیچ اجماع مستند در مورد اینکه آیا یا چگونه می توان یافته های تنظیم شده و غیر قابل تنظیم را در یک سنتز تحقیق سنتز کرد ، وجود ندارد. گزینه های مختلفی در متاآنالیز داده های بهداشتی در دسترس و استفاده شده است. ساده ترین گزینه برای جلوگیری از ناهمگونی به دلیل تنظیم برای مخدوشان ، شامل مطالعاتی با یافته های غیرقابل تنظیم است. این کاملاً رایج است ، به خصوص در مطالعات تصادفی. در مطالعات غیر تصادفی ، تعدیل متغیرها احتمالاً تا حد بیشتری بر نتایج تأثیر می گذارد ، بنابراین محققان ممکن است فقط یافته هایی را که ناشی از تنظیم برای مجموعه ای از متغیرهای از پیش تعیین شده است ، انتخاب کنند [15،16]. اگرچه انتخاب مطالعات از این طریق ناهمگونی را به حداقل می رساند ، اما تعداد مطالعات موجود برای سنتز را نیز کاهش می دهد. در بسیاری از زمینه های تحقیق ، این منجر به یافته های اندک برای سنتز می شود. علاوه بر این ، مطالعات منتخب ممکن است غیر نماینده باشد و تخمین تلفیقی را تعصب کند ، که می تواند به نتیجه گیری های بسیار متفاوتی منجر شود [17].

گزینه دیگر شامل نتایج تنظیم شده و غیر قابل تنظیم در حالی که ناهمگونی احتمالی به دلیل تعدیل را نادیده می گیرد. به عنوان مثال ، در یک متاآنالیز که رابطه بین مدت زمان شیردهی و خطر اضافه وزن در زندگی بعدی را بررسی می کند ، هاردتر و همکاران.[18] شامل نتایج غیر قابل تنظیم در هنگام موجود بودن و تنظیم نتایج در صورت عدم وجود آنها بود. نویسندگان نسبت های شانس غیر قابل تعدیل را از شش مطالعه با نسبت شانس تنظیم شده از 11 مطالعه سنتز کردند ، آنها را بدون در نظر گرفتن ناهمگونی به دلیل تعدیل متغیرها ، و پیدا کردن یک رابطه دوز قوی بین مدت طولانی تر شیردهی و کاهش خطر اضافه وزن ، جمع آوری کردند. کنترل مخدوشان در مطالعات مشاهده ای معمولاً اندازه اثر را کاهش می دهد ، بنابراین ناهمگونی باید در این مورد در نظر گرفته شود.

کوئیگلی [19] از هاردر و همکاران انتقاد کرد.[18] برای جمع آوری نتایج غیر قابل تنظیم و تنظیم شده از مطالعات مشاهده ای که هیچ تمایزی بین این دو وجود ندارد. وی تکنیک متداول دیگری را برای مقابله با این ناهمگونی بالقوه پیشنهاد کرد: سنتز یافته های تنظیم شده و غیرقابل تنظیم به طور جداگانه. این یک روش برای بررسی ناهمگونی به دلیل تعدیل در حالی است که از هر دو تخمین غیرقابل تنظیم و تنظیم شده استفاده می کند (برای مثال دیگر به پاویا و همکاران مراجعه کنید). در تجزیه و تحلیل مجدد خودش از هاردر و همکاران. یافته های با استفاده از یافته های تنظیم شده تنها ، کوئیگلی دریافت که برخی از روندها ضعیف تر از سخت تر و همکاران هستند. نتیجه گرفته بودکویگلی بنابراین نتیجه گرفت: "در حالی که به نظر می رسد شیردهی با کاهش خطر اضافه وزن همراه است ، مشخص نیست که آیا این به دلیل گیج کننده است" (ص 871).

در یک متاآنالیز با بررسی تأثیر مداخلات پیشگیری بر رفتارهای خطر در بین افراد مبتلا به HIV ، کرپاز و همکاران.[21] تجزیه و تحلیل های جداگانه ای در مورد یافته های غیر قابل تنظیم و تنظیم شده انجام داد ، که نتیجه گیری یکسانی را به دست آورد ، یعنی اینکه مداخلات باعث کاهش جنسیت محافظت نشده و دستیابی به بیماریهای مقاربتی می شود. آنها نتیجه گرفتند که "اندازه کلی اثر قوی است زیرا هنگام استفاده از داده ها ... بدون تنظیم برای رفتار پایه ، قابل توجه است (ص 3). مشکل در تفسیر یافته ها بوجود می آید ، با این حال ، هنگامی که یافته های تنظیم شده و غیرقابل تنظیم از همان نتیجه گیری پشتیبانی نمی کنند.

یک رویکرد پیچیده تر برای پرداختن به ناهمگونی - رویکردی که امکان گنجاندن تعداد بیشتری از مطالعات را فراهم می کند - متارگرسیون است. متارگرسیون گسترش متاآنالیز است که امکان بررسی تأثیر ویژگی های سطح مطالعه بر برآورد اندازه اثر را فراهم می کند. مدل متارگرسیون یک مدل رگرسیونی با اندازه اثر به عنوان نتیجه و ویژگی های مطالعه به عنوان متغیرهای کمکی است. تخمین ها و آزمون های حاصل از این رگرسیون درجه ای را که ناهمگونی با ویژگی های مطالعه بررسی شده توضیح می دهد، نشان می دهد. اثرات ثابت در مدل می تواند شامل اطلاعاتی در مورد تعدیل عوامل مخدوش کننده در محاسبه اندازه اثر باشد. در صورت تمایل، یک اثر تصادفی می تواند به مدل اضافه شود تا ناهمگنی از منابع مشاهده نشده را در نظر بگیرد. به عنوان مثال، آرنز و فون کریس [22] به دنبال یک متاآنالیز از تأثیر تغذیه با شیر مادر بر چاقی در دوران کودکی، یک متارگرسیون انجام دادند که شامل تعدادی از عوامل مخدوش کننده تنظیم شده بود (و همکاران [16] این سن را تئوری کردند. نژاد، یا وضعیت اجتماعی-اقتصادی می تواند بر رابطه بین سیگار کشیدن مادر و از شیر گرفتن زودهنگام تأثیر بگذارد. در یک متا رگرسیون، آنها یک متغیر کمکی طبقه بندی شده - کدگذاری شده به عنوان بدون، تعدیل جزئی یا کامل - برای متغیرهای مورد علاقه خود در نظر گرفتند. آنها به این نتیجه رسیدند که تعدیل برای مخدوش کردننسبت قابل توجهی (14. 4%) از ناهمگونی در اندازه اثر تلفیقی را به خود اختصاص داده است. هنگامی که حجم نمونه (یعنی تعداد مطالعاتی که در بررسی سیستماتیک گنجانده شده است) به اندازه کافی برای فرارگرسیون بزرگ باشد، قطعاً تأثیر تعدیل بر اندازه اثر باید باشد. مورد بررسی قرار گیرد.

هنگامی که حساب برای تنظیم متغیر متا در متا رگرسیون حساب می شود ، باید طراحی مطالعه در نظر گرفته شود. در جدول 1 ویژگی های هر نوع طراحی مطالعه و خصوصیات مربوط به اندازه اثر تنظیم شده و غیرقابل تنظیم خلاصه شده است. در مطالعات تصادفی ، تنظیم متغیرهای متغیر عدم تعادل متغیر متغیر را جبران می کند [23،24] ، در حالی که در مطالعات مشاهده ای ، عدم تعادل غیر تصادفی (سیستماتیک) را جبران می کند. در مطالعات تصادفی ، هر دو اندازه اثر غیر قابل تنظیم و تنظیم شده بی طرفانه هستند ، اگرچه اندازه اثر تنظیم شده احتمالاً دقیق تر است. در مطالعات موردی و کنترل ، تطبیق متغیر برای کاهش مخدوش ممکن است در طول انتخاب نمونه رخ دهد یا ممکن است رخ ندهد ، و تنظیم متغیر ممکن است در طول تجزیه و تحلیل داده ها رخ ندهد یا ممکن است رخ ندهد. با توجه به ماهیت مشاهده مطالعات موردی و کنترل ، تطبیق متغیر و تنظیم در مطالعات موردی و کنترل باید مانند سایر مطالعات غیر تصادفی در یک رگرسیون متا رفتار شود. در مطالعات مشاهده ای ، اندازه اثر غیر قابل تنظیم به طور کلی مغرضانه (به طور خاص ، از نظر مصنوعی زیاد) به عنوان نتیجه مخدوش است و با تنظیم برای مخدوشان کاهش می یابد.

میز 1

کنترل برای مخدوشان در سه طرح مطالعه

* در یک مدل خطی ، این افزایش قدرت به دلیل افزایش بالقوه در دقت برآورد اندازه اثر است. در یک مدل غیر خطی (به عنوان مثال رگرسیون لجستیک ، رگرسیون پواسون ، مدل های کاکس) ، تنظیم متغیرهای متغیر در یک مطالعه تصادفی نمی تواند دقت اثر درمانی را افزایش دهد (و احتمالاً کاهش می یابد) ، اما انتظار می رود که درمان را افزایش دهداندازه اثر در کارآزمایی های تصادفی ، منجر به افزایش قدرت می شود [27،34].

بحث

ترکیب کیفی تفسیر متنوع با یافته های تنظیم شده و غیر قابل تنظیم

تصمیم گیری در مورد اینکه آیا و نحوه استفاده از یافته های کمی تنظیم نشده در مطالعات سنتز تحقیق مختلط ، ملاحظات اضافی را شامل می شود. یکی از این ملاحظات تعیین نحوه سنتز یافته های کیفی و کمی است. سنتز با تجمع مستلزم جذب یافته های در نظر گرفته شده برای نشان دادن همان چیز در مورد دو عامل است (به عنوان مثال همه یافته ها نشان می دهد که عدم اعتماد به عدم پایبندی وصل شده است و تمام یافته ها نشان می دهد که هیچ ارتباطی بین این عوامل وجود ندارد) [7]. در مقابل ، سنتز توسط پیکربندی مستلزم مونتاژ یا ترتیب یافته های متفاوت اما مکمل در ارائه های نظری یا روایی منسجم از آنها است [5].

این که آیا یافته ها به عنوان ترکیبات از طریق جمع آوری یا پیکربندی قابل تحمل هستند ، به ارزیابی محققان از میزان تحول تفسیری یافته های کیفی بستگی دارد. یافته های کیفی در انتهای داده ها از زنجیره تبدیل داده ها به طور معمول در نظرسنجی های کیفی یا مطالعات توصیفی کیفی اساسی [25] از داده های مصاحبه گروهی یا تمرکز گروهی تولید می شود. چنین یافته هایی به داده هایی که توسط شرکت کنندگان داده شده نزدیکتر است و بنابراین کمترین تفسیر از یافته های کیفی و بیشتر از نظر شکل (در مقایسه با یافته های کیفی تفسیر شده تر) با یافته های موجود در نظرسنجی های کمی یا مطالعات توصیفی/همبستگی اساسی است. بر خلاف یافته های کیفی داده های داده ، یافته های مربوط به انتهای داده های FAR از زنجیره بسیار تفسیر شده است (به عنوان مثال نظریه های مبتنی بر پایه ، توضیحات پدیدارشناختی یا توضیحات روایی). چنین یافته هایی پیکربندی داده های مصاحبه ، مشاهدات ، اسناد و منابع دیگر برای ضبط "طبیعت چند متغیره" (ص 129) از وقایع یا پدیده های هدف: به دست آوردن پیچیدگی ، زمینه و علیت است [26].

یافته‌های کمی نیز ممکن است با درجه تغییر تفسیری متمایز شوند. در حالی که مدل رگرسیون تعدیل نشده تخمین جمعیت را ارائه می دهد، افزودن متغیرهای کمکی باعث می شود مدل بیشتر موضوعی باشد [27]. بنابراین، یافته‌های تعدیل‌نشده با یافته‌های کیفی کم‌تفسیر قابل مقایسه است که نشان‌دهنده طیفی از موضوعات مرتبط با تجربه بیان‌شده در یک نمونه کل است (مثلاً فهرستی از همه عواملی که شرکت‌کنندگان نشان دادند که پیروی از دارو را تسهیل یا مانع شده‌اند).

در مقابل، یافته‌های کمی تعدیل‌شده با مدل‌های رگرسیون شامل یک نتیجه واحد و متغیرهای کمکی متعدد، واسطه‌ها یا تعدیل‌کننده‌ها، و/یا مدل‌های روابط پیچیده درونی بین متغیرهای پنهان (به عنوان مثال در مدل‌سازی معادلات ساختاری) نشان داده می‌شوند. در چنین مدل‌هایی، ارزش‌های هر آزمودنی بر روی ویژگی‌های موجود در مدل می‌تواند برای پیش‌بینی ارزش آن آزمودنی در نتیجه(های) استفاده شود. بنابراین، آنها با بیشترین یافته‌های کیفی تفسیر شده قابل مقایسه هستند - بهترین نمونه در ماتریس شرطی نظریه زمینه‌ای - که علل، زمینه، احتمالات، پیامدها، کوواریانس‌ها و شرایط پیرامون یک فرآیند اجتماعی-فرهنگی هدف را مدل‌سازی می‌کند.

جمع‌آوری یافته‌های کیفی با حداقل تفسیر با یافته‌های کمی تعدیل‌نشده

یافته‌های کمی و کیفی تفسیر شده زمانی قابل جذب هستند که به یک رابطه بپردازند. به عنوان مثال، در حوزه پایبندی به دارو، هم مطالعات توصیفی کمی و کیفی ممکن است مجموعه‌ای از عوامل را به همراه داشته باشد که با موفقیت کم و بیش پیروی از یک رژیم دارویی همراه است. اگرچه یافته‌های کیفی معمولاً از مصاحبه‌های با ساختار حداقلی و باز تهیه می‌شوند که طیف وسیع‌تری از پاسخ‌ها را نسبت به پرسشنامه‌های بسیار ساختاریافته و بسته که معمولاً با تحقیقات کمی مرتبط هستند، فراهم می‌کند، یافته‌ها را می‌توان به یک رابطه X ↔ Y تبدیل کرد. به عنوان مثال، عدم اعتماد به ارائه دهندگان عاملی مرتبط با عدم پایبندی یا کمک به آن بود). از نظر مفهومی، این شبیه به رابطه تنظیم نشده بین اعتماد و عدم پایبندی است. بر این اساس، یافته‌های کمی تعدیل‌نشده بیشتر از یافته‌های تعدیل‌شده با یافته‌های کیفی در قالب بررسی‌ها یا توصیف‌های اساسی قابل مقایسه خواهند بود و بنابراین قابل ادغام هستند.

در مواردی که داده‌های عددی از مطالعات کیفی در دسترس است، برای مثال، تعداد افراد گزارش‌شده که عدم اعتماد به ارائه‌دهندگان عاملی در عدم پایبندی آنها بوده است، این تعداد را می‌توان مستقیماً با نرخ‌ها/شمارش‌های یافته‌های کمی تعدیل‌نشده ادغام کرد. در موارد معمولی که هیچ داده عددی در گزارش های مطالعات کیفی (یا از نویسندگان آنها) موجود نیست، می توان تخمینی از آن عدد بدست آورد و محدوده های احتمالی را محاسبه کرد، همانطور که در چانگ و همکارانش توضیح داده شد.[28]. همانطور که در Voils et al.[6] سپس این محدوده‌ها را می‌توان با نتایج تعدیل‌نشده حاصل از مطالعات کمی ترکیب کرد تا این احتمال را تخمین بزند که برای یک شرکت‌کننده پژوهشی معین، عدم اعتماد به ارائه‌دهنده با کاهش پایبندی همراه است. همچنین، نتایج عددی (تعدیل‌نشده و/یا تعدیل‌شده) مقالات کمی را می‌توان به مضامین تبدیل کرد و هر گزارش بر اساس وجود یا عدم وجود مضامین طبقه‌بندی شد. همانطور که در Crandell et al.[29]، یک روش افزایش داده بیزی ممکن است برای ترکیب یافته ها استفاده شود.

پیکربندی یافته های کیفی بسیار تفسیر شده با یافته های کمی تعدیل شده

سنتز سازی (با تجمع) یافته های کیفی و کمی تفسیری ممکن است ، البته چالش برانگیز است. با این حال ، حتی چالش برانگیز تر تلاش برای ترکیب یافته های کیفی و کمی تفسیر شده است. یک گزینه ترجمه این تفسیرها به اصطلاحات مرتبه بالاتر است که تمام اصطلاحات مرتبه پایین را محصور می کند ، که به عنوان ترجمه متقابل در Noblit و Hare [30] توصیف شده است ، و در Sandelowski & Barroso [31] و پوند و همکاران نشان داده شده است.[32]به عنوان مثال ، یک مطالعه کیفی ممکن است حاکی از آن باشد که فرزندان هنگامی که زنان فرزندان را به عنوان دلایلی برای زندگی و مبارزه با عفونت درک می کنند ، پیروی از زنان HIV مثبت را ارتقا می بخشد ، اما در هنگام حواس پرتی مراقبت از کودک از مراقبت از خود ، عدم پایبندی را ارتقا می بخشد. از نظر کمی ، این می تواند از نظر مفهومی با مدلی قابل مقایسه باشد که یک رابطه اعتدال را نشان می دهد (که مرتبه بالاتر از یک اثر اصلی است) که به موجب آن ارتباط بین داشتن فرزندان و پیروی از شرایط پیرامون مادر بودن تعدیل می شود. به طور مشابه ، یک تئوری مبتنی بر مشخص کردن پویایی یک فرایند تصمیم گیری ممکن است از نظر مفهومی شبیه به یک مدل معادله ساختاری این فرآیند باشد که رابطه بین متغیرهای نهفته را مشخص می کند.(در واقع ، یک مدل معادله ساختاری ممکن است از نظر آماری برای آزمایش فرضیه های مشخص شده توسط چنین نظریه پایه ای استفاده شود).

با این حال ، احتمال داشتن دو یا چند مدل (تولید شده از یافته های کیفی و/یا کمی) از نظر مفهومی به اندازه کافی مشابه است که به شرایط یکدیگر ترجمه شود. در واقع ، در مورد مدلهای تولید شده کمی ، محققان به طور معمول آنها را به صورت جزئی آزمایش می کنند ، زیرا وقتی رابطه بین نگرش به یک رفتار و اهداف رفتاری بررسی می شود و نه کل تئوری رفتار برنامه ریزی شده [33]. بر این اساس ، یک اتفاق محتمل تر خواهد بود که بخش هایی از مدلهای مختلف از نظر مفهومی با هم همپوشانی خواهند داشت. در آن رویداد ، ممکن است پیکربندی یک مدل در سطح انتزاعی که شامل همپوشانی و هم مؤلفه های منحصر به فرد این مدل های متنوع است.

نتیجه

روش هایی که امکان سنتز شواهد را در طیف وسیعی از منابع فراهم می کنند ، این توانایی را دارند که تعداد بیشتری از یافته ها را درج کنند ، در نتیجه ایجاد یک پایه غنی تر از شواهد برای هدایت سیاست و عمل. مطالعات سنتز تحقیق مختلط نیاز به تنوع روش شناختی دارد که آنها را به روش هایی تعریف می کند که ارزش اطلاعاتی این مطالعات را حفظ می کند و ضمن پایبندی به اصول روش شناختی صدا. تعیین اینکه آیا و نحوه استفاده از یافته های کمی تنظیم شده و غیرقابل تنظیم با یکدیگر و با یافته های کیفی محققان را ملزم می کند که درباره مقایسه در محتوا و شکل یافته ها قضاوت کنند. این تصمیمات در نهایت در مورد معناداری نتایج آنها به تمرین یا سیاست داوری می شود.

تصدیق

این مقاله توسط یک مؤسسه ملی تحقیقات پرستاری ، انستیتوی ملی بهداشت (5R01NR004907 ، 3 ژوئن 2005-31 مارس 2010) پشتیبانی شده است ("ادغام یافته های تحقیق کیفی و کمی") ، و با منابع و امکانات در امور جانبازانمرکز پزشکی در دورهام ، NC. نظرات بیان شده در این مقاله از نویسندگان است و لزوماً نماینده وزارت امور ایثارگران نیست.

منابع

2. Pope C ، Mays N ، Popay J. سنتز شواهد کیفی و کمی شواهد بهداشتی. برکشایر: انتشارات دانشگاه آزاد ؛2007. [Google Scholar]

3. MacLure M. وضوح هم مرز با حماقت: کیفیت در بررسی سیستماتیک کجاست؟مجله سیاست آموزش. 2005 ؛20: 393-416.[Google Scholar]

4. Sandelowski M. خواندن ، نوشتن و بررسی سیستماتیک. مجله پرستاری پیشرفته. 2008 ؛64: 104–110.[مقاله رایگان PMC] [PubMed] [Google Scholar]

5. Sandelowski M ، Voils CI ، Barroso J. تعریف و طراحی مطالعات سنتز تحقیق مختلط. تحقیق در مدارس. 2006 ؛13: 29-40.[مقاله رایگان PMC] [PubMed] [Google Scholar]

6. Voils CI ، Hassselblad V ، Crandell J ، Chang Y ، Lee E ، Sandelowski M. یک روش بیزی برای سنتز شواهد از گزارش های کیفی و کمی: مثال پایبندی داروهای ضد ویروسی. مجله تحقیقات و سیاست خدمات بهداشتی. 2009 ؛14 (4): 226-233.[مقاله رایگان PMC] [PubMed] [Google Scholar]

7. Voils CI ، Sandelowski M ، Barroso J ، Hasselblad V. احساس یافته های کیفی و کمی در مطالعات سنتز تحقیق مختلط. روش های میدانی. 2008 ؛20 (1): 3-25.[مقاله رایگان PMC] [PubMed] [Google Scholar]

8. Dixon-Woods M ، Agarwal S ، Jones D ، Young B ، Sutton A. سنتز شواهد کیفی و کمی: بررسی روشهای ممکن. مجله تحقیقات و سیاست خدمات بهداشتی. 2005 ؛10 (1): 45-53.[PubMed] [Google Scholar]

9. Boaz A ، Ashby D ، Denyer D ، Egan M ، Harden A ، Jones DR ، Pawson R ، Tranfield D. بسیاری از سنتزها: مقایسه پنج رویکرد از زمینه های مختلف سیاست. شواهد و سیاست. 2006 ؛2 (4): 479-502.[Google Scholar]

10. Sandelowski M ، Voils CI ، Barroso J. کار مقایسه و مدیریت تفاوت در مطالعات سنتز تحقیق. علوم اجتماعی و پزشکی. 2007 ؛64 (1): 236–247.[مقاله رایگان PMC] [PubMed] [Google Scholar]

11. Cooper H. تحقیقات سنتز: راهنمای بررسی ادبیات. 3. هزار اوکس ، کالیفرنیا: مریم گلی ؛1998. [Google Scholar]

12. کیم اول ، کوهن ND ، کارول RJ. ناهمگونی اثر توسط یک همبستگی تطبیق در مطالعات کنترل موردی همسان: روشی برای نمایش مبتنی بر نمودارها. مجله آمریکایی اپیدمیولوژی. 2002 ؛156 (5): 463-470.[PubMed] [Google Scholar]

13. هانسون ل ، خمیس HJ. نمونه های همسان رگرسیون لجستیک در مطالعات کنترل موردی با مقادیر گمشده: چه موقع برای شکستن مسابقات. روشهای آماری در تحقیقات پزشکی. 2008 ؛17 (6): 595-607.[PubMed] [Google Scholar]

14. Cohen J. تجزیه و تحلیل قدرت آماری برای علوم رفتاری. 2. Hillsdale ، NJ: Erlbaum ؛1988. [Google Scholar]

15. Arenz S ، Ruckerl R ، Koletzko B ، Von Kries R. تغذیه با شیر مادر و چاقی کودکان-یک بررسی منظم. مجله بین المللی چاقی و اختلالات متابولیک مرتبط. 2004 ؛28 (10): 1247–1256.[PubMed] [Google Scholar]

16. Horta BL ، Kramer MS ، Platt RW. سیگار کشیدن مادران و خطر شیر گرفتن زودرس: متاآنالیز. مجله بهداشت عمومی آمریکایی. 2001 ؛91 (2): 304-307.[مقاله رایگان PMC] [PubMed] [Google Scholar]

17. Colditz GA ، Burdick E ، Mosteller F. ناهمگونی در متاآنالیز داده ها از مطالعات اپیدمیولوژیک: یک تفسیر. مجله آمریکایی اپیدمیولوژی. 1995 ؛142 (4): 371-382.[PubMed] [Google Scholar]

18. سخت تر T ، Bergmann R ، Kallischnigg G ، Plagemann A. مدت زمان شیردهی و خطر اضافه وزن: یک متاآنالیز. مجله آمریکایی اپیدمیولوژی. 2005 ؛162 (5): 397-403.[PubMed] [Google Scholar]

19. Quigley MA. پاسخ: ‘مدت زمان شیردهی و خطر اضافه وزن: مجله اپیدمیولوژی آمریکایی متاآنالیز. 2006 ؛163 (9): 870-872. پاسخ نویسنده 2-3.[PubMed] [Google Scholar]

20. Pavia M ، Pileggi C ، Nobile CG ، Angelillo if. ارتباط بین مصرف میوه و سبزیجات و سرطان دهان: متاآنالیز مطالعات مشاهده ای. مجله آمریکایی تغذیه بالینی. 2006 ؛83 (5): 1126–1134.[PubMed] [Google Scholar]

21. Crepaz N ، Lyles CM ، Wolitski RJ ، Passin WF ، Rama SM ، Herbst JH ، Purcell DW ، Malow RM ، Stall R سنتز تحقیقات پیشگیری از HIV/AIDS (PRS). آیا مداخلات پیشگیری باعث کاهش رفتارهای خطرناک HIV در بین افراد مبتلا به HIV می شود؟یک بررسی متاآنالیز از آزمایشات کنترل شده. ایدز (لندن ، انگلیس) 2006 ؛20 (2): 143-157.[PubMed] [Google Scholar]

22. Arenz S ، von Kries R. تأثیر محافظت از شیر مادر در برابر چاقی در دوران کودکی: آیا متاآنالیز مطالعات مشاهده ای منتشر شده می تواند به اعتبارسنجی فرضیه کمک کند؟پیشرفت در پزشکی تجربی و زیست شناسی. 2009 ؛639: 145-152.[PubMed] [Google Scholar]

23- Senn S. روشهای ارزیابی تفاوت بین گروهها در تغییر در هنگام اندازه گیری اولیه در معرض تغییرات درون فردی است. آمار در پزشکی. 1994 ؛13 (21): 2280–2285.[PubMed] [Google Scholar]

24. Pocock SJ ، Assmann SE ، Enos LE ، Kasten LE. تجزیه و تحلیل زیر گروه ، تنظیم همبستگی و مقایسه پایه در گزارش کارآزمایی بالینی: تمرین و مشکلات فعلی. آمار در پزشکی. 2002 ؛21 (19): 2917–2930.[PubMed] [Google Scholar]

25. Sandelowski M ، Barroso J. کتابچه راهنمای سنتز تحقیقات کیفی. نیویورک: اسپرینگر ؛2007. [Google Scholar]

27. Hauck WW ، Anderson S ، Marcus SM. آیا باید در تجزیه و تحلیل رگرسیون غیرخطی از آزمایشات تصادفی برای متغیرهای متغیر تنظیم کنیم؟کارآزمایی های بالینی کنترل شده. 1998 ؛19 (3): 249-256.[PubMed] [Google Scholar]

28. Chang Y ، Voils C ، Sandelowski M ، Hasselblad V ، Crandell J. در گزارش های مطالعات توصیفی کیفی به اعداد ، تعداد کلامی را تبدیل می کند. مجله غربی تحقیقات پرستاری. 2009 ؛31 (7): 437-452.[مقاله رایگان PMC] [PubMed] [Google Scholar]

29. Crandell J ، Voils CI ، Chang Y ، Sandelowski M. روش های تقویت داده های بیزی برای سنتز یافته های تحقیق کیفی و کمی. کیفیت و کمیت. 2010 منتشر شده آنلاین 20 اکتبر 2010. [مقاله رایگان PMC] [PubMed] [Google Scholar]

30. Noblit G ، Hare R. Meta-ethnography: سنتز مطالعات کیفی. پارک نیوبوری: مریم گلی ؛1988. [Google Scholar]

31. Sandelowski M ، Barroso J. مادری در زمینه عفونت HIV مادر. تحقیقات در پرستاری و بهداشت. 2003 ؛26: 470-482.[PubMed] [Google Scholar]

32. پوند P ، Britten N ، Morgan M ، Yardley L ، Pope C ، Daker-White G. مقاومت در برابر داروها: سنتز مطالعات کیفی مصرف دارو. علوم اجتماعی و پزشکی. 2005 ؛61: 133-155.[PubMed] [Google Scholar]

33. Ajzen I. نظریه رفتار برنامه ریزی شده. رفتار سازمانی و فرآیندهای تصمیم گیری انسانی. 1991 ؛50: 179–211.[Google Scholar]

34. فورد اول ، نوری J. نقش متغیرها در برآورد اثرات درمانی و خطر در کارآزمایی های بالینی طولانی مدت. آمار در پزشکی. 2002 ؛21 (19): 2899–2908.[PubMed] [Google Scholar]