Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin

Tieteellistä tietoa tuotetaan jatkuvasti lisää, mutta sen yhdistäminen aiempaan tietämykseen ei ole ongelmatonta. Tilastotieteellisesti tätä pulmaa lähestytään meta-analyysin ja metaregression avulla. Meta-analyysi on systemaattisessa kirjallisuuskatsauksessa kerätyn aineiston tilastollista yhteenve...

Full description

Bibliographic Details
Main Author: Immonen, Jaakko
Other Authors: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Matematiikan ja tilastotieteen laitos, Department of Mathematics and Statistics, University of Jyväskylä, Jyväskylän yliopisto
Format: Master's thesis
Language:fin
Published: 2017
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/56793
_version_ 1826225715075350528
author Immonen, Jaakko
author2 Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics University of Jyväskylä Jyväskylän yliopisto
author_facet Immonen, Jaakko Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics University of Jyväskylä Jyväskylän yliopisto Immonen, Jaakko Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics University of Jyväskylä Jyväskylän yliopisto
author_sort Immonen, Jaakko
datasource_str_mv jyx
description Tieteellistä tietoa tuotetaan jatkuvasti lisää, mutta sen yhdistäminen aiempaan tietämykseen ei ole ongelmatonta. Tilastotieteellisesti tätä pulmaa lähestytään meta-analyysin ja metaregression avulla. Meta-analyysi on systemaattisessa kirjallisuuskatsauksessa kerätyn aineiston tilastollista yhteenvetoa; useista estimaateista luottamusväleineen muodostetaan yksi keskimääräinen estimaatti ja sen luottamusväli. Huomattavaa on, että meta-analyysin aineisto on eräänlainen aineistojen aineisto; havaintoyksiköitä eivät ole tutkimuksiin osallistuvat koehenkilöt vaan itse tutkimukset. Metaregressio on meta-analyysiä, jossa yhteenveto tehdään hyödyntämällä tutkimusten taustamuuttujia eli kovariaatteja. Metaregressio on lineaaristen (seka)mallien erikoistapaus. Tutkielmassa meta-analyysin menetelmiä sovelletaan aineistoon, joka käsittelee vähän liikkuvien ihmisten fyysisen aktiivisuuden edistämistä erilaisin motivointikeinoin. Tutkimusten ominaispiirteiden, kuten valittujen motivointikeinojen, yhteyttä tuloksiin tutkitaan metaregressiolla. Oman haasteensa tuo aineistossa esiintyvä riippuvuus. Riippuvuus on seurausta yhteisistä kontrolliryhmistä, joihin eri motivointikeinoja käyttäviä ryhmiä verrataan; jokaisessa tutkimuksessa on täsmälleen yksi kontrolliryhmä mutta mahdollisesti useita koeryhmiä. Tulosten perusteella motivointikeinot todella lisäävät vähän liikkuvien ihmisten fyysistä aktiivisuutta jopa siten, että vaikutus jossain määrin säilyy intervention päätyttyä. Eri motivointikeinojen kesken ei näytä olevan huomattavia eroja. Viitteitä muiden taustamuuttujien yhteydestä tuloksiin on, mutta niihin on suhtauduttava varauksella; monta testattavaa hypoteesia voi johtaa merkitseviin tuloksiin sattumaltakin. Lisäksi metaregression tulokset vaihtelevat valittujen menetelmien mukana.
first_indexed 2023-03-22T09:59:50Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Karvanen, Juha", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Immonen, Jaakko", "language": null, "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2018-01-18T12:11:48Z", "language": "", "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2018-01-18T12:11:48Z", "language": "", "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2017", "language": null, "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.other", "value": "oai:jykdok.linneanet.fi:1814909", "language": null, "element": "identifier", "qualifier": "other", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/56793", "language": "", "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Tieteellist\u00e4 tietoa tuotetaan jatkuvasti lis\u00e4\u00e4, mutta sen yhdist\u00e4minen aiempaan tiet\u00e4mykseen ei ole ongelmatonta. Tilastotieteellisesti t\u00e4t\u00e4 pulmaa l\u00e4hestyt\u00e4\u00e4n meta-analyysin ja metaregression avulla. Meta-analyysi on systemaattisessa kirjallisuuskatsauksessa ker\u00e4tyn aineiston tilastollista yhteenvetoa; useista estimaateista luottamusv\u00e4leineen muodostetaan yksi keskim\u00e4\u00e4r\u00e4inen estimaatti ja sen luottamusv\u00e4li. Huomattavaa on, ett\u00e4 meta-analyysin aineisto on er\u00e4\u00e4nlainen aineistojen aineisto; havaintoyksik\u00f6it\u00e4 eiv\u00e4t ole tutkimuksiin osallistuvat koehenkil\u00f6t vaan itse tutkimukset. Metaregressio on meta-analyysi\u00e4, jossa yhteenveto tehd\u00e4\u00e4n hy\u00f6dynt\u00e4m\u00e4ll\u00e4 tutkimusten taustamuuttujia eli kovariaatteja. Metaregressio on lineaaristen (seka)mallien erikoistapaus.\r\n\r\nTutkielmassa meta-analyysin menetelmi\u00e4 sovelletaan aineistoon, joka k\u00e4sittelee v\u00e4h\u00e4n liikkuvien ihmisten fyysisen aktiivisuuden edist\u00e4mist\u00e4 erilaisin motivointikeinoin. Tutkimusten ominaispiirteiden, kuten valittujen motivointikeinojen, yhteytt\u00e4 tuloksiin tutkitaan metaregressiolla. Oman haasteensa tuo aineistossa esiintyv\u00e4 riippuvuus. Riippuvuus on seurausta yhteisist\u00e4 kontrolliryhmist\u00e4, joihin eri motivointikeinoja k\u00e4ytt\u00e4vi\u00e4 ryhmi\u00e4 verrataan; jokaisessa tutkimuksessa on t\u00e4sm\u00e4lleen yksi kontrolliryhm\u00e4 mutta mahdollisesti useita koeryhmi\u00e4.\r\n\r\nTulosten perusteella motivointikeinot todella lis\u00e4\u00e4v\u00e4t v\u00e4h\u00e4n liikkuvien ihmisten fyysist\u00e4 aktiivisuutta jopa siten, ett\u00e4 vaikutus jossain m\u00e4\u00e4rin s\u00e4ilyy intervention p\u00e4\u00e4tytty\u00e4. Eri motivointikeinojen kesken ei n\u00e4yt\u00e4 olevan huomattavia eroja. Viitteit\u00e4 muiden taustamuuttujien yhteydest\u00e4 tuloksiin on, mutta niihin on suhtauduttava varauksella; monta testattavaa hypoteesia voi johtaa merkitseviin tuloksiin sattumaltakin. Lis\u00e4ksi metaregression tulokset vaihtelevat valittujen menetelmien mukana.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted using Plone Publishing form by Jaakko Immonen (javeimmo) on 2018-01-18 12:11:48.160911. Form: Pro gradu -lomake (https://kirjasto.jyu.fi/julkaisut/julkaisulomakkeet/pro-gradu-lomake). JyX data: [jyx_publishing-allowed (fi) =True]", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by jyx lomake-julkaisija (jyx-julkaisija.group@korppi.jyu.fi) on 2018-01-18T12:11:48Z\r\nNo. of bitstreams: 2\r\nURN:NBN:fi:jyu-201801181256.pdf: 554780 bytes, checksum: dfb4489b45a3b72980bec70b8b7eacea (MD5)\r\nlicense.html: 4851 bytes, checksum: c2292fbeb6fbf80b0576e5ae016d91a8 (MD5)", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2018-01-18T12:11:48Z (GMT). No. of bitstreams: 2\r\nURN:NBN:fi:jyu-201801181256.pdf: 554780 bytes, checksum: dfb4489b45a3b72980bec70b8b7eacea (MD5)\r\nlicense.html: 4851 bytes, checksum: c2292fbeb6fbf80b0576e5ae016d91a8 (MD5)\r\n Previous issue date: 2017", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "1 verkkoaineisto (45 sivua)", "language": null, "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.format.mimetype", "value": "application/pdf", "language": null, "element": "format", "qualifier": "mimetype", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "sekamalli", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "lineaarinen sekamalli", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "metaregressio", "language": null, "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Meta-analyysin ja metaregression soveltaminen fyysist\u00e4 aktiivisuutta mittaaviin tutkimuksiin", "language": null, "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201801181256", "language": null, "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Matemaattis-luonnontieteellinen tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Sciences", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Matematiikan ja tilastotieteen laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Mathematics and Statistics", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tilastotiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Statistics", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.method", "value": "Systemaattinen kirjallisuuskatsaus", "language": null, "element": "subject", "qualifier": "method", "schema": "dc"}, {"key": "dc.date.updated", "value": "2018-01-18T12:11:48Z", "language": "", "element": "date", "qualifier": "updated", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": "fi", "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "4043", "language": null, "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "meta-analyysi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "monimuuttujamenetelm\u00e4t", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tilastomenetelm\u00e4t", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tilastotiede", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.format.content", "value": "fulltext", "language": null, "element": "format", "qualifier": "content", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}, {"key": "dc.type.okm", "value": "G2", "language": null, "element": "type", "qualifier": "okm", "schema": "dc"}]
id jyx.123456789_56793
language fin
last_indexed 2025-02-18T10:55:43Z
main_date 2017-01-01T00:00:00Z
main_date_str 2017
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/8d0fe1e3-90c2-4bd4-a3eb-9292cb94fabe\/download","text":"URN:NBN:fi:jyu-201801181256.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2017
record_format qdc
source_str_mv jyx
spellingShingle Immonen, Jaakko Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin sekamalli lineaarinen sekamalli metaregressio Tilastotiede Statistics Systemaattinen kirjallisuuskatsaus 4043 meta-analyysi monimuuttujamenetelmät tilastomenetelmät tilastotiede
title Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_full Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_fullStr Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_full_unstemmed Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_short Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_sort meta analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
title_txtP Meta-analyysin ja metaregression soveltaminen fyysistä aktiivisuutta mittaaviin tutkimuksiin
topic sekamalli lineaarinen sekamalli metaregressio Tilastotiede Statistics Systemaattinen kirjallisuuskatsaus 4043 meta-analyysi monimuuttujamenetelmät tilastomenetelmät tilastotiede
topic_facet 4043 Statistics Systemaattinen kirjallisuuskatsaus Tilastotiede lineaarinen sekamalli meta-analyysi metaregressio monimuuttujamenetelmät sekamalli tilastomenetelmät tilastotiede
url https://jyx.jyu.fi/handle/123456789/56793 http://www.urn.fi/URN:NBN:fi:jyu-201801181256
work_keys_str_mv AT immonenjaakko metaanalyysinjametaregressionsoveltaminenfyysistäaktiivisuuttamittaaviintutkimuksi