RESEARCH DESIGN AND
METHODS
Search strategy
We conducted literature searches using
MEDLINE with the three limits “publication
date from 1 January 1950 to 31 December
2007,” “English language,” and
“human subjects” and combinations of
the medical subject headings “Diabetes
Mellitus” or “Diabetes Mellitus, Type 2,”
“Depression” or “Depressive Disorder,”
“Risk Factors,” and “Prospective Studies”
or “Longitudinal Studies.” The reference
lists of previous meta-analyses and selected
articles were screened.
Selection criteria
To be included, a report had to 1) have a
prospective design, 2) include cases of
probable type 2 diabetes (i.e., studies that
examined only type 1 diabetes or diabetes
before age 30 years were excluded), 3)
provide enough data to generate a relative
risk estimate, and 4) exclude prevalent
cases of either depression (for diabetes
predicting depression onset) or diabetes
(for depression predicting diabetes onset).
In the event of multiple publications,
only the most recent manuscript for a particular
study population was included.
Data extraction
Two reviewers used a custom data abstraction
form to evaluate and summarize
selected articles. Abstracted information
included authors, year, location, source
of participants, sample composition, assessment
of diabetes/depression, and
matching and/or statistical adjustment for
potential confounders. If multiple risk estimates
(with error measurements) were
presented in a given manuscript (e.g.,
nested multivariable models), the estimate
that most closely adjusted for only
demographic characteristics (e.g., age,
sex, race, socioeconomic indicators, and
marital status/household composition)
was selected. We chose this approach because
some studies adjusted for prominent
effect modifiers (i.e., family history,
health behaviors, adiposity) while others
did not, and thus the interpretation of the pooled value using the most-adjusted estimates
from each study is misleading, for
it is neither an estimate of the direct nor
the total effect (9).
Statistical analysis
The estimate from each study was used to
generate a pooled relative risk using random
effects. Two separate analyses were
conducted: depression predicting type 2
diabetes and type 2 diabetes predicting depression.
Random-effects modeling explicitly
accounts for unmeasured variability
across the values using the DerSimonian
and Laird method, resulting in a pooled
estimate with a wider confidence interval
relative to the fixed-effects models (10). We
evaluated heterogeneity in the estimates using
the Cochrane Q statistic. If a study only
presented stratified risk estimates (i.e., by
sex), these estimates were combined using
random effects and then that pooled estimate
was used for the meta-analysis. For
studies that presented graded relationships
(e.g., low, medium, high depressive symptoms),
only the estimate for the highest category
was selected. Forest plots of the
estimates and 95% CIs, with the weight of
each point estimate indicated by the relative
size of the marker, were used to visualize the
range of effects.Weused subgroup analyses
to explore potential variability in the relationships
by demographic characteristics
(e.g., age, sex, race) and conducted sensitivity
analyses to assess the robustness of our
results (11). We used Egger’s test and funnel
plots to assess publication bias. If such
bias was evident, we used the trim and fill
approach (12) to generate a pooled estimate
that accounted for the unpublished negative
findings. All analyses were conducted
using Stata v9.0 (StataCorp, College Station,
TX), and statistical significance was set
a priori at P _ 0.05.
การออกแบบการวิจัยและ
เราใช้วิธีการค้นหากลยุทธ์การค้นหาวรรณกรรมโดยใช้
Medline กับสามจำกัด " จากวันที่ 1 มกราคม พ.ศ. 2493 ตีพิมพ์
31 ธันวาคม 2007 " " ภาษาอังกฤษ "
" วิชามนุษย์ " และชุดของ
หัวเรื่องทางการแพทย์ " เบาหวาน
เบาหวาน " หรือ " โรคเบาหวาน ประเภทที่ 2 "
" ซึมเศร้า " หรือ " โรคซึมเศร้า "
" ความเสี่ยงด้าน" และ " อนาคตการศึกษา "
" การศึกษาระยะยาว . " อ้างอิง
รายการก่อนหน้านี้ โดยวิธีการวิเคราะห์เมต้าและเลือกบทความจาก
.
เป็นเกณฑ์การคัดเลือกรวมรายงานต้อง 1 ) มี
ออกแบบในอนาคต 2 ) รวมถึงกรณีของโรคเบาหวานชนิดที่ 2 (
) การศึกษาที่ตรวจสอบ เฉพาะประเภท 1 โรคเบาหวานหรือโรคเบาหวานก่อนอายุ 30 ปี ถูกตัดออก
) 3 .ให้ข้อมูลที่เพียงพอเพื่อสร้างประมาณการความเสี่ยงสัมพัทธ์
, และ 4 ) ยกเว้นกรณีของภาวะซึมเศร้า ( แพร่หลาย
ทำนายภาวะซึมเศร้าสำหรับผู้ป่วยโรคเบาหวานหรือเบาหวาน
( onset ) สำหรับอาการซึมเศร้าทำนายเบาหวาน onset ) .
ในงานสิ่งพิมพ์หลาย
เฉพาะล่าสุดต้นฉบับสำหรับประชากรโดยเฉพาะ
ถูกรวม การสกัด
ทานสองข้อมูลใช้ข้อมูลที่เป็นนามธรรมที่กำหนดเองแบบฟอร์มประเมินและสรุป
เลือกบทความ สรุปข้อมูล
รวมผู้เขียนสถานที่ปี แหล่ง
ของผู้เรียน องค์ประกอบตัวอย่างการประเมิน
โรคเบาหวานและภาวะซึมเศร้า
การจับคู่และ / หรือปรับโปรแกรม
การทำผิดกฎหมายที่อาจเกิดขึ้น ถ้าเสี่ยงหลายประมาณการ
( วัดข้อผิดพลาด )
นำเสนอที่ระบุในต้นฉบับ ( เช่น
ซ้อน multivariable รุ่น ) , ประมาณการ
ที่ใกล้ชิดมากที่สุด ปรับแค่
ลักษณะทางประชากร ( เช่น อายุ เพศ เชื้อชาติ และตัวบ่งชี้
, ,
องค์ประกอบสถานภาพสมรส / ครัวเรือน ) ได้รับเลือก เราเลือกวิธีนี้เพราะ
บางการศึกษาปรับปรับเปลี่ยนเด่นผล ( เช่น ประวัติครอบครัว พฤติกรรมสุขภาพ adiposity
,
) ในขณะที่คนอื่นไม่ดังนั้นการตีความรวมมูลค่าที่ใช้ส่วนใหญ่ได้ปรับประมาณการ
จากการศึกษาแต่ละเป็นความเข้าใจผิดสำหรับ
ไม่ใช่การประเมินโดยตรงหรือ
ผลทั้งหมด ( 9 ) .
ประมาณค่า สถิติที่ใช้ในการวิเคราะห์ข้อมูลจากแต่ละการศึกษาใช้
สร้างผลแบบสุ่มเสี่ยงรวมญาติด้วย
สองแยกวิเคราะห์ข้อมูล ) : depression ทำนายประเภท
2เบาหวานและโรคเบาหวานประเภท 2 ทำนายภาวะซึมเศร้า .
สุ่มแบบจำลองผลอย่างชัดเจน
ผ่านทางบัญชี unmeasured ค่าใช้ dersimonian
และวิธีดินที่เกิดในหนองน้ำกว้างประมาณช่วงความเชื่อมั่นด้วย
เทียบผลแบบคงที่ ( 10 ) เราสามารถใช้ในการประเมินค่า
สถิติ Cochrane Q . ถ้าการศึกษาเท่านั้น
นำเสนอและประเมินความเสี่ยง ( เช่นโดย
เพศ ) , ประมาณการเหล่านี้รวมกันโดยใช้ผลสุ่มแล้วที่รวมประมาณการ
ถูกนำมาใช้สำหรับการวิเคราะห์อภิมาน . สำหรับการศึกษาที่นำเสนอความสัมพันธ์
( ( เช่นภาวะซึมเศร้า , ต่ำ , กลาง , สูง ) ,
เพียงประมาณการสำหรับประเภทสูงสุด
ได้รับเลือก ป่าแปลง
ประมาณ 95% และ CIS ด้วยน้ำหนักของ
แต่ละจุดประมาณการที่ระบุโดยขนาดสัมพัทธ์
ของเครื่องหมาย , เคยเห็น
ช่วงของผลกระทบ กลุ่มย่อย weused วิเคราะห์
สำรวจศักยภาพความแปรปรวนในความสัมพันธ์
โดยลักษณะทางประชากร เช่น อายุ เพศ เชื้อชาติ และดำเนินการวิเคราะห์เพื่อประเมินความไว
( 11 ) ผลของเรา . เราใช้เอเกอร์คือทดสอบ และช่องทาง
แปลงการประเมินอคติสิ่งพิมพ์
ถ้าเช่นอคติได้ชัดเจน เราใช้วิธีการตัดและเติม
( 12 ) เพื่อสร้างรวมประมาณ
ที่สัดส่วนสำหรับพิมพ์ลบ
ค่า ทั้งหมดวิเคราะห์จำนวน
ใช้ Language v9.0 ( statacorp วิทยาลัยสถานี
TX ) และนัยสำคัญทางสถิติไว้ที่ระดับ 0.05 ระหว่าง _
.
การแปล กรุณารอสักครู่..