secondary outcomes (nutrition and h

secondary outcomes (nutrition and health)
because there were relatively few studies in
these domains. Our analysis of primary outcomes
revealed a significant degree of heterogeneity
of effect sizes in each case, and thus
we separated the studies according to research
design. This procedure reduces the
likelihood of aggregating effect-size estimates
across heterogeneous studies. Moreover,
some research designs are viewed as more
powerful than others. Cross-sectional studies
represent the weakest design, because such
studies cannot determine causality. Longitudinal
designs are considered stronger, but experimental
designs are the strongest test of
causal relationships. Thus, separating studies
according to type of design allowed us to examine
effect magnitudes as a function of
strength of research design.
We further explored variability in effect
sizes by examining a number of potential
moderator variables, including (1) population
studied (children and adolescents vs adults),
(2) gender of participants (only male, only female,
or male and female combined), (3) type
of beverage (sugar-sweetened carbonated soft
drinks vs a mix of sugar-sweetened and diet
beverages), (4) whether the reported results
were adjusted for covariates (e.g., age, gender,
ethnicity, activity level), (5) assessment method
(self-reports vs observations or measurements),
and (6) presence or absence of food
industry funding. A study was coded as “industry
funded” if the authors acknowledged
support from food companies, beverage companies,
or trade associations. Articles that did
not report a funding source or cited support
from other sources (e.g., pharmaceutical industry,
university, foundation, or government
grants) were coded as “non–industry funded.”
We calculated average effect sizes (r values)
using Comprehensive Meta-Analysis version x2
(Biostat, Englewood, NJ). In most cases, we entered
data in the form in which they appeared
in each individual study, including group
means and standard deviations, correlation coefficients,
t values, P values, and odds ratios and
confidence intervals. In certain cases, it was
necessary to manually calculate effect sizes. For
example, when means for more than 2 groups
were presented (e.g., low, moderate, and high
soft drink consumption), we used the formulas
for 1-way contrasts described by Rosenthal et
al.6 In other cases, odds ratios were reported
with uneven confidence intervals (as a result of
rounding), and effect sizes were calculated directly
from the odds ratio according to the
method described by Chinn.7
When data from different subgroups were
presented separately (e.g., data for male and
female participants were presented independently),
we calculated effect sizes separately
for each subgroup. In the case of studies that
reported multiple measures of a particular
construct (e.g., both body weight and body
mass index [BMI]), we computed the average
effect size of the reported measures. When
there was extraordinary variability in sample
sizes across studies, we employed the conservative
approach of limiting the sample size of
the largest study in a particular domain (e.g.,
cross-sectional studies of energy intake) to the
maximum sample size of the other studies in
that domain. This approach ensured that the
calculated average effect size would not be
dominated by a single study. We considered
an effect size of 0.10 or less as small, an effect
size of 0.25 as medium, and an effect
size of 0.40 or above as large.8
To assess the presence of publication bias,
we computed a “fail-safe N” for each of the
main outcomes; this value is an estimate of
the number of unretrieved or unpublished
studies with null results that would be required
to render the observed effect nonsignificant.
Rosenthal9 suggested that a failsafe
N greater than 5k + 10 (with k being the
number of studies included in the analysis)
indicates a robust effect; in the present analyses,
each fail-safe N far exceeded Rosenthal’s
recommendation, suggesting a low probability
of publication bias.

ผลลัพธ์ (ไทย) 1:

ผลรอง (โภชนาการและสุขภาพ)เนื่องจากมีการศึกษาค่อนข้างน้อยโดเมนเหล่านี้ วิเคราะห์ผลลัพธ์หลักของเราเปิดเผยตัวสำคัญของ heterogeneityขนาดผลในแต่ละกรณี และดังนั้นเราแยกศึกษาตามการออกแบบ ขั้นตอนนี้ลดการความเป็นไปได้ของการรวบรวมประเมินผลขนาดในการศึกษาแตกต่างกัน นอกจากนี้ออกแบบการวิจัยบางอย่างดูเป็นข้อมูลเพิ่มเติมมีพลังมากกว่าคนอื่น ศึกษาเหลวแสดงแบบกำจัดจุด เนื่องจากเช่นการศึกษาไม่กำหนด causality ระยะยาวการออกแบบถือว่าแข็งแกร่ง แต่ทดลองออกแบบมีการทดสอบความแข็งแกร่งความสัมพันธ์เชิงสาเหตุ ดังนั้น แยกศึกษาตามชนิดของการออกแบบให้เราตรวจสอบผล magnitudes เป็นฟังก์ชันของความแรงของการออกแบบการวิจัยเราต่อไปสำหรับความผันผวนมีผลขนาด โดยตรวจสอบหมายเลขของโอกาสตัวแปรการดูแล การรวมประชากร (1)ศึกษา (เด็กและวัยรุ่นกับผู้ใหญ่),(2) เพศของผู้เรียน (เฉพาะเพศชาย เพศหญิงเท่านั้นหรือเพศชาย และหญิง), ชนิด (3)เครื่องดื่ม (ใสน้ำตาลอัดลมอ่อนเครื่องดื่มอาหารและเปรียบเทียบกับการผสมน้ำตาลใสเครื่องดื่ม), (4) ว่าผลลัพธ์รายงานถูกปรับ covariates (เช่น อายุ เพศเชื้อชาติ ระดับกิจกรรม), วิธีการประเมิน (5)(ตนเองรายงาน vs สังเกตหรือวัด),และ (6) หรือขาดอาหารทุนอุตสาหกรรม การศึกษาที่มีรหัสเป็น "อุตสาหกรรมสนับสนุน"ถ้ายอมรับว่า ผู้เขียนสนับสนุนจากบริษัทอาหาร บริษัทเครื่องดื่มหรือสมาคมค้า บทความที่ไม่ได้ไม่รายงานแหล่งเงินทุนหรือสนับสนุนอ้างอิงจากแหล่งอื่น ๆ (เช่น อุตสาหกรรมยามหาวิทยาลัย มูลนิธิ หรือรัฐบาลเงินช่วยเหลือ) ถูกเข้ารหัสเป็น "ไม่ใช่อุตสาหกรรมสนับสนุน"เราคำนวณขนาดผลเฉลี่ย (ค่า r)ใช้คลุม Meta-Analysis รุ่น x 2(Biostat, Englewood, NJ) ในกรณีส่วนใหญ่ เราใส่ข้อมูลในแบบฟอร์มในแต่ละแต่ละการศึกษา รวมทั้งกลุ่มวิธีการและส่วนเบี่ยงเบนมาตรฐาน ค่าสัมประสิทธิ์สหสัมพันธ์ค่า t, P ค่า และอัตราส่วนของราคา และช่วงความเชื่อมั่น ในบางกรณีจำเป็นต้องคำนวณผลขนาดด้วยตนเอง สำหรับตัวอย่าง เมื่อหมายความว่า สำหรับกลุ่มที่ 2 มากกว่ามีการนำเสนอ (เช่น ต่ำ ปานกลาง และสูงดื่มปริมาณการใช้), เราใช้สูตรสำหรับแตกวิธีที่ 1 โดยโรเซนธอลร้อยเอ็ดal.6 ในบางกรณี มีรายงานอัตราส่วนราคาต่อรองมีช่วงความเชื่อมั่นไม่สม่ำเสมอ (เป็นผลมาจากการปัดเศษ), และคำนวณขนาดของผลได้โดยตรงจากราคาอัตราส่วนตามวิธีที่อธิบายไว้ โดย Chinn.7เมื่อได้ข้อมูลจากกลุ่มย่อยที่แตกต่างกันนำเสนอแยกต่างหาก (เช่น ข้อมูลสำหรับเพศชาย และร่วมเพศหญิงถูกนำเสนออย่างอิสระ),เราคำนวณขนาดผลแยกต่างหากสำหรับแต่ละกลุ่มย่อย ในกรณีที่ศึกษาที่รายงานหลายมาตรการทั้งโครงสร้าง (เช่น น้ำหนักและร่างกายดัชนีมวล [BMI]), เราคำนวณค่าเฉลี่ยขนาดผลของมาตรการรายงาน เมื่อมีความแปรผันที่พิเศษในตัวอย่างขนาดระหว่างศึกษา เราจ้างอนุรักษนิยมวิธีการจำกัดขนาดตัวอย่างศึกษาในโดเมนเฉพาะ (เช่นศึกษาบริโภคพลังงานเหลว) เพื่อการขนาดอย่างสูงสุดของการศึกษาในโดเมน วิธีการนี้มั่นใจที่จะขนาดผลเฉลี่ยที่คำนวณได้จะไม่ครอบงำ โดยการศึกษาเดียว เราถือว่ามีผลขนาด 0.10 หรือน้อยเล็ก ผลขนาด 0.25 ปานกลาง และลักษณะพิเศษขนาด 0.40 หรือข้างต้นเป็น large.8การประเมินสถานะของความโน้มเอียงในการพิมพ์เราคำนวณ "fail-safe N" สำหรับแต่ละผลหลัก ค่านี้เป็นการประเมินของหมายเลข unretrieved หรือยกเลิกการประกาศศึกษากับ null ผลลัพธ์ที่จะต้องแสดงผลสังเกต nonsignificantRosenthal9 แนะนำที่เป็น failsafeN มากกว่า 5 k + 10 (กับเคจำนวนรวมในการวิเคราะห์การศึกษา)แสดงผลมีประสิทธิภาพ ในการวิเคราะห์ปัจจุบันแต่ละ N fail-safe ไกลเกินของโรเซนธอลคำแนะนำ แนะนำความน่าเป็นต่ำของความโน้มเอียงของการเผยแพร่

ผลลัพธ์ (ไทย) 2:

ผลรอง (โภชนาการและสุขภาพ) เพราะมีการศึกษาค่อนข้างน้อยในโดเมนเหล่านี้ การวิเคราะห์ของเราหลักของผลลัพธ์ที่เปิดเผยในระดับที่มีนัยสำคัญของความแตกต่างของขนาดอิทธิพลในแต่ละกรณีและทำให้เราแยกการศึกษาตามการวิจัยการออกแบบ ขั้นตอนนี้จะช่วยลดโอกาสในการรวมผลการประมาณการขนาดข้ามการศึกษาที่แตกต่างกัน นอกจากนี้การออกแบบการวิจัยบางคนจะมองว่าเป็นมากขึ้นที่มีประสิทธิภาพกว่าคนอื่นๆ การศึกษาภาคตัดขวางเป็นตัวแทนของการออกแบบที่อ่อนแอที่สุดเพราะเช่นการศึกษาไม่สามารถระบุสาเหตุ ระยะยาวการออกแบบที่ได้รับการพิจารณาแข็งแกร่งแต่การทดลองการออกแบบที่มีการทดสอบที่แข็งแกร่งของความสัมพันธ์เชิงสาเหตุ ดังนั้นการแยกการศึกษาตามประเภทของการออกแบบให้เราสามารถตรวจสอบขนาดผลเป็นหน้าที่ของความแข็งแรงของการออกแบบการวิจัย. เรายังสำรวจความแปรปรวนมีผลขนาดโดยการตรวจสอบจำนวนของศักยภาพตัวแปรผู้ดูแลรวมทั้ง(1) ประชากรศึกษา(เด็กและวัยรุ่น เทียบกับผู้ใหญ่), (2) เพศของผู้เข้าร่วม (ชายเท่านั้นเพศหญิงเท่านั้นหรือชายและหญิงรวมกัน), (3) ประเภทเครื่องดื่ม(น้ำตาลรสหวานน้ำอัดลมเครื่องดื่มเทียบกับส่วนผสมของน้ำตาลที่มีรสหวานและอาหารเครื่องดื่ม), ( 4) ไม่ว่าผลการรายงานถูกปรับตัวแปร(เช่นอายุเพศเชื้อชาติระดับกิจกรรม), (5) วิธีการประเมิน (รายงานตัวเองเทียบกับการสังเกตหรือวัด) และ (6) การมีหรือไม่มีอาหารเงินทุนอุตสาหกรรม การศึกษาเป็นรหัสว่า "อุตสาหกรรมได้รับการสนับสนุน" ถ้าผู้เขียนได้รับการยอมรับการสนับสนุนจาก บริษัท อาหาร บริษัท เครื่องดื่มหรือสมาคมการค้า บทความที่ไม่ได้รายงานแหล่งที่มาของเงินทุนหรือการอ้างถึงการสนับสนุนจากแหล่งอื่นๆ (เช่นอุตสาหกรรมยา, มหาวิทยาลัย, มูลนิธิหรือรัฐบาลทุน) เป็นรหัสว่า "ที่ไม่ใช่อุตสาหกรรมได้รับการสนับสนุน." เราคำนวณขนาดอิทธิพลเฉลี่ย (ค่า R) ใช้ครอบคลุม Meta รุ่น -Analysis x2 (BioStat, แองเกิล, นิวเจอร์ซีย์) ในกรณีส่วนใหญ่เราป้อนข้อมูลในรูปแบบที่พวกเขาปรากฏตัวขึ้นในแต่ละการศึกษาแต่ละกลุ่มรวมทั้งวิธีการและการเบี่ยงเบนมาตรฐานค่าสัมประสิทธิ์สหสัมพันธ์, ค่าเสื้อค่า P, และอัตราส่วนราคาต่อรองและช่วงความเชื่อมั่น ในบางกรณีมันก็จำเป็นที่จะต้องคำนวณด้วยตนเองขนาดอิทธิพล สำหรับตัวอย่างเช่นเมื่อวิธีการมานานกว่า 2 กลุ่มที่มีการนำเสนอ(เช่นต่ำปานกลางและสูงการบริโภคเครื่องดื่ม) เราใช้สูตร 1 ทางขัดแย้งอธิบายโดยโรเซนธาลเอal.6 ในกรณีอื่น ๆ อัตราส่วนราคาต่อรองได้รับรายงานมีช่วงความเชื่อมั่นที่ไม่สม่ำเสมอ (เป็นผลมาจากการปัดเศษ) และขนาดจะถูกคำนวณผลโดยตรงจากอัตราส่วนราคาต่อรองให้เป็นไปตามวิธีการอธิบายโดย Chinn.7 เมื่อข้อมูลจากกลุ่มย่อยที่แตกต่างกันแสดงแยกต่างหาก(เช่นข้อมูลสำหรับชายและผู้เข้าร่วมหญิงที่มีการนำเสนออิสระ) เราคำนวณผลขนาดแยกต่างหากสำหรับแต่ละกลุ่มย่อย ในกรณีของการศึกษาที่รายงานมาตรการหลายโดยเฉพาะอย่างยิ่งการสร้าง(เช่นทั้งน้ำหนักตัวและร่างกายดัชนีมวล [BMI]) เราคำนวณค่าเฉลี่ยของขนาดผลของมาตรการรายงาน เมื่อมีความแปรปรวนเป็นพิเศษในกลุ่มตัวอย่างขนาดทั่วศึกษาเราว่าจ้างพรรควิธีการจำกัด ขนาดของกลุ่มตัวอย่างของการศึกษาที่ใหญ่ที่สุดในโดเมนเฉพาะ(เช่นการศึกษาภาคตัดขวางของการบริโภคพลังงาน) กับขนาดของกลุ่มตัวอย่างสูงสุดของการศึกษาอื่นๆโดเมนที่ วิธีการนี้จะทำให้มั่นใจได้ว่าขนาดเฉลี่ยผลการคำนวณจะไม่ถูกครอบงำโดยการศึกษาเดียว เราถือว่ามีขนาดผลกระทบจาก 0.10 หรือน้อยกว่าที่มีขนาดเล็ก, ผลขนาด0.25 เป็นสื่อกลางและผลขนาด0.40 หรือสูงกว่าเป็น large.8 เพื่อประเมินการปรากฏตัวของอคติสิ่งพิมพ์ที่เราคำนวณว่า "ไม่ปลอดภัย N" สำหรับ แต่ละผลหลัก ค่านี้เป็นค่าประมาณของจำนวน unretrieved หรือไม่ถูกเผยแพร่การศึกษาที่มีผลnull ที่จะต้องที่จะทำให้ผลกระทบที่สังเกตนัยสำคัญ. Rosenthal9 บอกว่า failsafe ไม่มีมากกว่า 5k + 10 (กับ k เป็นจำนวนของการศึกษารวมอยู่ในการวิเคราะห์) แสดงให้เห็นผลกระทบที่แข็งแกร่ง; ในการวิเคราะห์ในปัจจุบันแต่ละไม่ปลอดภัยไม่มีไกลเกินโรเซนธาลแนะนำบอกความน่าจะเป็นที่ต่ำของการมีอคติสิ่งพิมพ์

ผลลัพธ์ (ไทย) 3:

ผลรอง ( โภชนาการและสุขภาพ )
เพราะมีค่อนข้างน้อยในการศึกษา
โดเมนเหล่านี้ การวิเคราะห์ของเรา
ผลหลักเปิดเผยระดับสำคัญของความหลากหลายของขนาดอิทธิพล
ในแต่ละกรณีจึง
เราแยกเรียนตามการวิจัย
ออกแบบ ขั้นตอนนี้จะช่วยลดโอกาสของขนาดผลประมาณปี

ผ่านข้อมูลการศึกษา โดย
บางรูปแบบการวิจัยเป็นการเพิ่มเติม
ที่มีประสิทธิภาพมากกว่าคนอื่น ๆ การศึกษารูปแบบของการออกแบบข้าม

อ่อนแอ เนื่องจากการศึกษาดังกล่าวไม่สามารถระบุว่า . แบบตามยาว
ถือว่าแข็งแกร่ง แต่การออกแบบการทดลองทดสอบที่สุด

มีความสัมพันธ์เชิงสาเหตุ ดังนั้น การแยกตามประเภทของการออกแบบการศึกษา

ขนาดให้เราตรวจสอบผลการทำงานของ
ความแข็งแรงของการออกแบบการวิจัย .
เราสํารวจเพิ่มเติมของขนาดผล
โดยการตรวจสอบหมายเลขของตัวแปรที่อาจเกิดขึ้นรวมถึงผู้ดูแล

( 1 ) ประชากรศึกษา ( เด็กและวัยรุ่นและผู้ใหญ่ ) ,
( 2 ) เพศของผู้เข้าร่วม ( เฉพาะชายเท่านั้น หญิง ,
หรือชายและหญิงรวมกัน ) , ( 3 ) ประเภทของเครื่องดื่ม
( น้ำตาลรสหวานอัดลม
เครื่องดื่มผสมน้ำตาล รสหวานและเครื่องดื่มและอาหาร
)( 4 ) ว่า รายงานผล
ได้ปรับความรู้ ( เช่น อายุ เพศ เชื้อชาติ ระดับกิจกรรม
, ) , ( 5 ) วิธีการประเมิน
( self-reports vs สังเกตหรือทำการวัด )
( 6 ) การแสดงตนหรือขาดทุนอุตสาหกรรม
อาหาร การศึกษาถูกตั้งเป็น " กองทุนอุตสาหกรรม

" ถ้าผู้เขียนยอมรับการสนับสนุนจากบริษัทอาหาร บริษัท เครื่องดื่ม
หรือสมาคมค้า บทความที่ทำ
ไม่รายงานหรืออ้างแหล่งเงินทุนสนับสนุน
จากแหล่งอื่น ๆ ( เช่น อุตสาหกรรมเภสัชกรรม
มหาวิทยาลัย มูลนิธิ หรือรัฐบาล
อนุญาต ) มีรหัสเป็น " ไม่ใช่–อุตสาหกรรมสนับสนุน "
เราคำนวณค่าขนาดอิทธิพลเฉลี่ย ( ค่า r )
ใช้ครอบคลุมการวิเคราะห์อภิมานรุ่น X2
อ เองเกิลวู้ด , NJ ) ในกรณีส่วนใหญ่ที่เราใส่ข้อมูลในแบบฟอร์มใน

ที่พวกเขาปรากฏในแต่ละการศึกษารายบุคคลซึ่งหมายถึงกลุ่ม
และส่วนเบี่ยงเบนมาตรฐาน สัมประสิทธิ์สหสัมพันธ์
T , ค่า P ค่า และราคา อัตราส่วนและ
ช่วงความเชื่อมั่น ในบางกรณีมัน
จำเป็นด้วยตนเองคำนวณขนาดผล สำหรับ
ตัวอย่าง เมื่อค่าเฉลี่ยมากกว่า 2 กลุ่ม
นำเสนอ ( เช่น ต่ำ ปานกลาง และการบริโภคเครื่องดื่มสูง

) เราใช้สูตรสำหรับ 1-way ความแตกต่างโรเซนธาลและอธิบายโดย
อัล6 . ในกรณีอื่น ๆเดิมพันต่อรายงาน
กับไม่เรียบช่วงความเชื่อมั่น ( เป็นผลจาก
ปัดเศษ ) , และขนาดผลคำนวณจากอัตราส่วนความน่าจะเป็นโดยตรง

ตามวิธีที่อธิบายไว้โดยชิน 7
เมื่อข้อมูลจากกลุ่มย่อยต่าง ๆนำเสนอแยกต่างหาก ( เช่นข้อมูล

ผู้ชายและหญิง ที่ถูกนำเสนอโดยอิสระ )

เราคำนวณแยกขนาดอิทธิพลสำหรับแต่ละกลุ่มย่อย ในกรณีของการศึกษาที่รายงานมาตรการหลายแห่งโดยเฉพาะ

สร้าง ( เช่น ทั้งน้ำหนักและค่าดัชนีมวลร่างกาย
[ ]
) เราคำนวณค่าเฉลี่ยขนาดอิทธิพลของรายงานมาตรการ เมื่อมีความแปรปรวนในตัวอย่างพิเศษ

ขนาดข้ามศาสตร์ เราใช้วิธีการอนุรักษ์

จำกัดขนาดของกลุ่มตัวอย่างของ