मेटा-विश्लेषण एक संकलन र विभिन्न अध्ययन को संश्लेषण पहिले नै एक दिइएको विषय मा अवस्थित छ। यो ठोस र विभिन्न अध्ययनहरु बाट निकालेको निष्कर्ष स्पष्ट गर्न मद्दत गर्दछ।

मेटा-विश्लेषण चिकित्सा अनुसन्धान मा अध्ययन को परिणाम synthesizing को एक तरीका हो। यो एक दिइएको विषय मा बिभिन्न अध्ययनहरु बाट आउँदै गरेको डेटा मा संकलन र संश्लेषण को एक विशाल काम को आवश्यकता छ। यो एक सटीक विधि को लागी प्रतिक्रिया, दुबै खोज, चयन, प्रस्तुतीकरण र एक दिइएको प्रश्न को लागी उपलब्ध अध्ययन को विश्लेषण को लागी। यो एक जटिल र महत्वपूर्ण कार्य हो किनभने चिकित्सा जानकारी आज धेरै सजीलो पहुँचयोग्य र धेरै धेरै छ। मेटा-विश्लेषण एक सटीक, विश्वसनीय र प्रतिलिपि प्रस्तुत प्रोटोकॉल मा आधारित छ, त्यसैले परिणाम विश्लेषण को लेखक को बावजूद उस्तै रहन्छ।

मेटा-विश्लेषण को उद्देश्य एक साथ दिइएको विषय मा जानकारी को एक ठूलो रकम सँगै ल्याउन को लागी हो। यो एक सांख्यिकीय रूप मा महत्वपूर्ण परिणाम, अर्थात् एक विश्वसनीय परिणाम, जो सही ढंगले एक साबित साबित गर्न को संभावना बढ्छ। यो सांख्यिकीय शक्ति मा वृद्धि को रूप मा उल्लेख छ।

जतिसक्दो चाँडो त्यहाँ धेरै अध्ययनहरु छन् कि प्राथमिक वा माध्यमिक उद्देश्य को रूप मा एउटै प्रश्न को उत्तर को लागी शुरू गरीएको छ, मेटा-विश्लेषण सम्भव हुन्छ। यो यी अध्ययनहरु synthesizing को लागी एक आवश्यक तरीका हो। यो सम्भव बनाउँछ वर्तमान ज्ञान को सबै अनुसार एक सटीक र व्यापक प्रतिक्रिया प्रदान गर्न को लागी। आवेदन को क्षेत्र मात्र पहिले नै अवस्थित अध्ययन को लागी सीमित छ। आवेदन को पहिलो क्षेत्र प्रभावकारिता र औषधि उपचार को साइड इफेक्ट को मूल्यांकन हो। मेटा-विश्लेषण अन्य महामारीहरु, चिकित्सा उपचार, सामान्य मा हेरचाह, स्क्रीनिंग वा निदान को रूप मा अन्य क्षेत्रहरु मा धेरै उपयोगी हुन सक्छ।

मेटा विश्लेषण एक विधि व्यापक र धेरै, विविध, कहिले काँही विरोधाभासी अध्ययन को व्यापक व्याख्या को लागी बायोमेडिकल अनुसन्धान को सबै क्षेत्रहरुमा प्रयोग गरीन्छ। यो पनी एक चिकित्सा अनुशासन मा सिकेका समाजहरु द्वारा प्रयोग गरीन्छ हेरचाह र प्रमाण को एक उच्च स्तर मा आधारित बिरामीहरुको उपचार को लागी सिफारिशहरु स्थापित गर्न को लागी। पहिलो मेटा विश्लेषण s० को दशक को लागी मिति र उनीहरुको संख्या तब देखि बढ्दै गएको छ किनकि उनीहरुको चासो निर्विवाद छ।

एक औषधि मा अध्ययन को मामला मा, मेटा विश्लेषण को प्रभावकारिता र यो एक को सहिष्णुता मापन गर्न मद्दत गर्न सक्छ। वास्तव मा, बिभिन्न क्लिनिकल अध्ययनहरु को संकलन प्रत्येक रोगीहरु को एक सानो संख्या मा यो सम्भव यो संख्या बढाउन को लागी बनाउँछ कि अवलोकन सांख्यिकीय महत्वपूर्ण छन्। मेटा विश्लेषण तब एक उपचार को प्रभाव हाइलाइट गर्न सक्नुहुन्छ जब सानो परीक्षण जरूरी एक निष्कर्ष को लागी नेतृत्व गर्दैन। एक ठूलो मात्रा मा क्लिनिकल परीक्षण धेरै गाह्रो छ अभ्यास मा प्रदर्शन गर्न को लागी। मेटा विश्लेषण यो सम्भव यो कठिनाई को पार गर्न को लागी बनाउँछ।

यो पनि मद्दत गर्न सक्छ, एक तरिका वा अन्य, जब परिणाम विरोधाभासी छन्। यसको सारांश पक्ष पनि यो सम्भव डाटा को स gather्कलन गर्न को लागी एक प्रश्न को एक सटीक जवाफ प्राप्त गर्न को लागी बनाउँछ। यो विशेष गरी अनुसन्धान को क्षेत्रहरु मा उपयोगी छ जहाँ डाटा जम्मा हुन्छ।

चिकित्सा मा, एक मेटा-विश्लेषण प्रदर्शन गर्न, शोधकर्ता ब्याज को विषय परिभाषित गर्दछ। यो परीक्षण हुन को लागी एक उपचार हुन सक्छ, बिरामी को एक प्रकार को मूल्यांकन, महामारी विज्ञान डाटा, हेरचाह को अवधारणाहरु, आदि।

दोस्रो चरण वांछित मेटा विश्लेषण मा समावेशी मापदण्ड परिभाषित गर्न को लागी हो। शोधकर्ता तब विभिन्न परीक्षण र अध्ययन को लागी देखीन्छ, प्रकाशित वा छैन, चिकित्सा साहित्य मा उपलब्ध छ। यी सामग्रीहरु लेख, पोस्टर, चिकित्सा सम्मेलनहरु बाट कागजातहरु, विद्यार्थीहरुको शोध, क्लिनिकल परीक्षण, आदि हुन सक्छन् यदि उनीहरु मेटा-विश्लेषण मा समावेश को मापदण्ड पूरा गर्छन् भने उनीहरुलाई चयन गरीन्छ। यो विचार मेटा-विश्लेषण मा सम्भव भएसम्म धेरै अध्ययन लाई एक साथ ल्याउन को लागी यो सम्भव भएसम्म धेरै मूल्य र शक्ति दिन को लागी हो।

सांख्यिकीय विश्लेषण प्रविधिहरु तब लागू हुन्छन्। उपसमूह (सेक्स, उमेर, चिकित्सा इतिहास, रोग को प्रकार, आदि) द्वारा विश्लेषण गर्न सकिन्छ। सामान्य मा, धेरै शोधकर्ताहरु क्रम मा आफ्नो पठन पार विश्लेषण को लागी अधिक वजन दिन को लागी।

मेटा-विश्लेषण यो सम्भव बनाउँछ नयाँ डाटा उत्पादन गर्न को लागी अधिक वजन सांख्यिकीय भएको कारण धेरै धेरै वा एक साथ धेरै बिरामीहरु संग समूहबद्ध। वैज्ञानिक दृष्टिकोण संग लाइन मा, शोधकर्ताहरु मेटा-विश्लेषण को नतीजा व्याख्या र उनीहरुको सन्दर्भमा राख्नेछन्। उद्देश्य संकलित डाटा मा निष्कर्ष कोर्नु हो। शोधकर्ता द्वारा यो हस्तक्षेप विषयगतता को लागी नेतृत्व गर्दछ। वास्तवमा, यसको अनुभव र यसको संस्कृति खेल मा आउनेछ। बिल्कुल वस्तुनिष्ठ डाटा बाट, यो सम्भव छ विभिन्न शोधकर्ताहरु को लागी बिभिन्न निष्कर्ष प्राप्त गर्न को लागी।