
Gegeneraliseerde inferentie met meerdere studies
- Meta-analyse
Meerdere studies
2 soorten meerdere studies:
- Researchprogramma: meerdere studies van tevoren beslissen: zelfde onderzoeker(s), gerelateerde onderzoeksvraag, met diverse UTOS en methodes
- Fase model:
- Een heel groot programma dat heel lang duurt (10-20 jaar), duur, met veel soorten studies
- Bijv. kankeronderzoek
- Fases: basisonderzoek, review van literatuur en beperkingen, methodes ontwikkelen (therapie ontwikkelen), gecontroleerde trials, effectiviteit onderzoek in veldonderzoek.
- Directed programs:
- Een serie experimenten om een effect te beschrijven, met mediators en moderators
- Minder studies, minder tijd (ongeveer 4 jaar), minder duur
- Fase model:
- Research literatuur review: achteraf meerdere studies: verschillende onderzoekers, gerelateerde onderzoeksvraag, met nog diversere UTOS en methodes.
- Narrative reviews
- Overview van bestaand onderzoek in de literatuur:
- Tabel van resultaten: soort stemmen tellen over resultaten
- Gebaseerd op significantie (p-waardes) in plaats van effect size
- Kijk naar potentiele moderatoren van een effect
- Veel vrijheid, geen strikt format, ook vrijheid voor speculaties
- Algemeen: + flexibel en inzichtvol, - niet goed in het integreren van kwantitatieve informatie
- Overview van bestaand onderzoek in de literatuur:
- Meta-analyse
- Kwantitatieve reviews:
- Naar een effect kijken over heel veel studies
- Methode voor het optellen van effect sizes over studies à 1 effect size schatting voor alle studies
- = Een common metric (= algemene meting) voor het meten van een effect in studies die heel verschillend zijn
- Kan in experimentele en niet-experimentele studies
- Kwantitatieve reviews:
- Narrative reviews
Stappen in meta-analyse
- Identificeren van het probleem & literatuur reviewen
- Dit is mijn plan en deze studies ga ik gebruiken
- Onderscheid in onderzoeksvraag:
- brede v.s. smalle problemen
- voornaamste effecten v.s. moderatoren van effecten (bijv. mannen v.s. vrouwen)
- Duidelijke onderzoeksvraag & hypothese
- Literatuur:
- Expliciete criteria voor het gebruiken van studies
- Zoek relevante studies, en beschrijf zoekprocedure
- File drawer problem: sommige papers worden niet gepubliceerd. Vaak studies die niet significant waren. Probeer dus ook niet-gepubliceerde studies te vinden.
- Check of de studies aan de criteria voldoen
- Studies coderen
- Zodat de studies vergeleken kunnen worden: de soort studies en de uitkomsten
- Veelgebruikt coderingsschema:
- Studie eigenschappen (publicatiedatum, publicatie vorm)
- UTOS kenmerken
- Methodologische kenmerken
- Ambiguïteiten
- Effect sizes voor elke studie berekenen
- Beslissen welke meting voor de effect size gebruikt wordt en berekenen voor de studies
- Diverse inputs. Verschillende uitkomst metingen voor dezelfde/verschillende constructen; verschillende informatie verkregen in verschillende studies
- Hoe krijg je een common outcome metric?
- Effect size metingen. Het liefst een simpele statistiek over de richting en sterkte van het effect dat berekend kan worden aan de hand van de informatie uit de artikelen
- Moet dimensieloos zijn
Bijv. gestandaardiseerd gemiddelde verschil (d of g)
Hedges g: voor 2 groepen en interval uitkomsten. = verschil tussen 2 groepsgemiddelden, gedeeld door de pooled within-groups standaarddeviatie.
- Als de variabelen niet beschikbaar zijn kan g ook op een andere manier berekend worden:
- Gerelateerde metingen:
-
Cohen’s d: ouder, bekender, bijna identiek aan g
- Glass delta: soms beter om SD van controlegroep te nemen:
-
Correcties voor kleine sample bias
- Odds ratio (OR):
- Voor twee groepen en als de afhankelijke variabele binair is (bijv. genezen of niet)
- 2x2 kruistabel
- Odds ratio: (=kans) OR = AD/BC
- Het analyseren van meta-analytische data
- De analyse en tests zijn grotendeels hetzelfde als in een enkele studie, behalve:
- Weging. Het wegen van effect sizes in verhouding met de sample size
- Homogeniteit tests. Om te kijken of er een algemeen effect is met sampling error die zorgen voor verschillende effecten v.s. systematische verschillen die zorgen voor verschillende effecten.
- Hiërarchische datastructuur. Individuen zijn genest binnen studies à multi level data.
- Dependent effect sizes: als 2 of meer effect sizes zijn gebaseerd op dezelfde subjects, dan kan er niet een gemiddelde van worden geworden alsof ze onafhankelijk waren.
- Publicatie bias: mogelijk effect size te overschatten, omdat studies met niet significante resultaten minder snel gepubliceerd worden
- Plots van meta-analyse:
- Forest plot (blobbogram):
- Goede overview van resultaten
- Op X-as: gehele effect size + 95% Confidence Interval van effect size
- Y-as: verschillende studies: referenties links en Effect Size + Confidince Interval rechts
- Verticale lijnen: voor geen effect en gemiddeld effect
- Forest plot (blobbogram):
- De analyse en tests zijn grotendeels hetzelfde als in een enkele studie, behalve:
![]() |
De grootte van een stip/vierkant betekent grotere steekproef
§ Funnel plot (trechter)
- X-as: effect size
- Y-as: precisie van Effect Size schatting. Vaak bepaald door standaarderror of aantal personen (SE of N). Wijdte van confidence interval staat in directe relatie met SE.
- Geen publicatie bias: minder precisie studies (lager), hetzelfde algemene gemiddelde maar meer verspreid over het gemiddelde
![]() |
Publicatie bias: linksonder relatief leeg, omdat niet-significante/lage power studies niet gepubliceerd worden
- Het interpreteren en presenteren van de resultaten.
Access:
Public
Join WorldSupporter!
Join with a free account for more service, or become a member for full access to exclusives and extra support of WorldSupporter >>
Going abroad?

Study with summaries
Follow the author: VivianDeGraaff
Work for WorldSupporter
JoHo can really use your help! Check out the various student jobs here that match your studies, improve your competencies, strengthen your CV and contribute to a more tolerant world
Statistics
Add new contribution