Itu tergantung pada mengapa mereka melakukannya, dan informasi tambahan apa yang mungkin Anda harus kerjakan - seperti apakah Anda memiliki jumlah sel tertentu yang dapat Anda hitung dari ukuran efek Anda sendiri. Namun, beberapa pemikiran awal:
- Ada dua kelompok logis di sini. Rasio odds dan risiko relatif, jika dilaporkan dalam studi Anda dikelompokkan secara logis (dalam hal rasio odds biasanya mencoba memperkirakan risiko relatif ketika risiko relatif aktual tidak dapat dihitung). Demikian pula, rasio tingkat (yang akan saya asumsikan adalah = rasio kerapatan kejadian dari regresi Poisson) dan rasio bahaya keduanya berhubungan dengan data waktu. Saya benar - benar tidak akan membandingkan silang OR dan SDM, misalnya.
- Risiko relatif dan OR: Jujur, saya mungkin menjalankan analisis paralel untuk dua langkah ini. Jika sebuah penelitian adalah kohort atau desain populasi cross-sectional, dan melaporkan jumlahnya, Anda dapat menghitung OR Anda sendiri dari itu. Jika Anda memilih untuk melakukan itu, saya pasti akan melihat heterogenitas berdasarkan desain studi.
- Rasio Nilai dan SDM: Ini yang mungkin lebih bisa Anda hindari. Jika rasio rate adalah rasio dari dua tingkat dihitung sebagai
cases/person-time, maka itu adalah benar-benar perkiraan rasio bahaya juga. Ini hanya rasio bahaya yang dibuat dengan asumsi bahaya proporsional dan konstan. Anda dapat mengonversinya secara langsung menjadi SDM, tetapi sekali lagi, saya akan melihat studi heterogenitas dengan yang mengukurnya dilaporkan, sebagai rasio tingkat dan SDM yang keluar dari sesuatu seperti model Cox dilakukan di bawah asumsi yang berbeda.
- Jika ragu, mungkin yang terbaik untuk memisahkan studi dan melihat setiap sub-kelompok. Jangan melihat ini sebagai kegagalan. Jika ukuran efek yang berbeda dan desain penelitian melaporkan hasil yang berbeda, itu adalah, dengan sendirinya, sebuah temuan. Mengutip seorang profesor saya, heterogenitas yang mencegah estimasi satu perkiraan tunggal adalah hasil yang patut dilaporkan.