Cochran’s Q-Test und Jackson’s Q-Test sind beide statistische Verfahren, die im Rahmen der Metaanalyse zur Untersuchung von Heterogenität zwischen Studienergebnissen verwendet werden. Sie unterscheiden sich jedoch in ihrer Anwendung und Methodik: **Cochran’s Q-Test:** - Wird verwendet, um zu prüfen, ob die beobachtete Variation zwischen den Studienergebnissen größer ist als durch Zufall zu erwarten wäre. - Die Nullhypothese lautet, dass alle Studien den gleichen wahren Effekt messen (Homogenität). - Der Q-Wert folgt unter der Nullhypothese einer Chi-Quadrat-Verteilung mit k-1 Freiheitsgraden (k = Anzahl der Studien). - Ein signifikanter Q-Test weist auf Heterogenität hin, d.h. die Studien unterscheiden sich stärker als durch Zufall erklärbar. - Standardtest in klassischen Metaanalysen. **Jackson’s Q-Test:** - Bezieht sich meist auf eine Modifikation oder Erweiterung des klassischen Q-Tests, insbesondere im Kontext von Metaanalysen mit zufälligen Effekten (Random-Effects-Modelle). - Jackson et al. (2010) haben Methoden entwickelt, um die Heterogenitätsschätzung und deren Unsicherheit zu verbessern, z.B. durch Konfidenzintervalle für die Heterogenitätsvarianz (τ²). - Jackson’s Methoden bieten oft eine genauere Schätzung und Interpretation der Heterogenität, insbesondere bei wenigen Studien oder kleinen Stichproben. - Wird häufig in moderneren Metaanalyse-Software implementiert. **Zusammengefasst:** - **Cochran’s Q** ist der klassische Test auf Heterogenität. - **Jackson’s Q** steht für neuere, verbesserte Methoden zur Quantifizierung und Interpretation von Heterogenität, insbesondere im Random-Effects-Kontext. Weitere Informationen: - [Cochran’s Q-Test (Wikipedia)](https://en.wikipedia.org/wiki/Cochran%27s_Q_test) - [Jackson et al. (2010) Paper](https://pubmed.ncbi.nlm.nih.gov/19793750/) Falls du eine spezifische Anwendung oder ein konkretes Beispiel meinst, bitte die Frage präzisieren.