Метааналіз — статистичний аналіз, який поєднує результати багатьох наукових досліджень. Метааналіз може бути виконаний, коли існує кілька наукових досліджень, що стосуються одного і того ж питання у кожному окремому дослідженні, і описані результати дослідження, які, як очікується, мають певний ступінь помилки. Метою цього є використання статистичних підходів для отримання об'єднаної оцінки, найближчої до невідомої загальної істини, заснованої на тому, як сприймається ця помилка.
Існуючі методи метааналізу дають середньозважену оцінку від результатів окремих досліджень, і відрізняються способом розподілу цих ваг, а також способом, яким обчислюється невизначеність навколо створеної таким чином оцінки. На додаток до оцінки невідомої загальної істини, метааналіз має здатність протиставляти результати різних досліджень та визначати закономірності між результатами дослідження, джерела розбіжностей між цими результатами чи інші цікаві взаємозв'язки, які можуть з'явитися у контексті кількох досліджень.Greenland S, O' Rourke K: Meta-Analysis. Page 652 in Modern Epidemiology, 3rd ed. Edited by Rothman KJ, Greenland S, Lash T. Lippincott Williams and Wilkins; 2008.
Ключовою перевагою такого підходу є агрегування інформації, що призводить до вищої статистичної потужності та більш надійної оцінку, ніж це можливо за результатами будь-якого окремого дослідження. Однак, виконуючи метааналіз, дослідник вимушений робити вибір, який може вплинути на результати, включаючи рішення про пошук досліджень, підбір досліджень на основі набору об'єктивних критеріїв, розгляд неповних даних, аналіз даних та врахування або неврахування упередженності публікації. Судження, зроблені при виконанні метааналізу, можуть вплинути на результати. Наприклад, Ванус та його колеги вивчили чотири пари метааналізів на чотири теми (а) взаємозв'язок між виконанням роботи та задоволенням, (б) реалістичні попередні перегляди роботи, (в) співвідношення конфлікту ролей та неоднозначності та (г) завдання взаємозв'язку задоволення та прогулів, і проілюструвало, як різні виклики суджень, зроблені дослідниками, давали різні результати.
Метааналізи часто, але не завжди, є важливими складовими процедури систематичного огляду. Наприклад, метааналіз може бути проведений на кількох клінічних випробуваннях медикаментозного лікування, щоб досягти кращого розуміння того, наскільки добре працює лікування. Тут зручно дотримуватися термінології, що використовується Кокранівською співпрацею, і використовувати «метааналіз» для позначення статистичних методів поєднання доказів, залишаючи інші аспекти «синтезу дослідження» або «синтезу доказів», таких як поєднання інформації з якісних досліджень, для більш загального контексту систематичних оглядів. Метааналіз — це вторинне джерело.
Історія Історичні корені метааналізу можна простежити до досліджень астрономії 17 століття, в той час як стаття, опублікована в 1904 р. у «Британському медичному журналі» статистиком Карлом Пірсоном який зібрав дані декількох досліджень тифозного щеплення, розглядається як перший раз, коли метааналітичний підхід був використаний для узагальнення результатів багатьох клінічних досліджень. Перший метааналіз всіх концептуально однакових експериментів, що стосуються певного дослідження, і проведений незалежними дослідниками, був визначений як книжка, що випускається в 1940 році, «Екстрасенсорне сприйняття після шістдесяти років» ", авторами є психологи університету Дюка Дж. Г. Пратт, Джозеф. Б. Рейн та ін.Pratt JG, Rhine JB, Smith BM, Stuart CE, Greenwood JA. Extra-Sensory Perception after Sixty Years: A Critical Appraisal of the Research in Extra-Sensory Perception. New York: Henry Holt, 1940 Це охопило огляд 145 доповідей про експериментів з екстрасенсорне сприйняття, опублікованих з 1882 по 1939 рік, і включило оцінку впливу неопублікованих праць на загальний ефект (роблема вилучених файлів). Хоча метааналіз широко застосовується в епідеміології та доказовій медицині, метааналіз медикаментозного лікування не був опублікований до 1955 року. У 1970-х більш складні аналітичні методи використовувались у освітніх дослідженнях починаючи з робіт Гена В. Гласса, Франка Л. Шмідта та Дж. Е. Хантера.
Термін «метааналіз» був введений у 1976 році статистиком Гене В. Глассом, хто заявив «моє головне зацікавлення в даний час полягає в тому, що ми почали називати … метааналіз досліджень. Термін трохи грандіозний, але він точний і вдалий … Метааналіз відноситься до аналізу аналізів». Хоча це призвело до того, що він був визнаний сучасним засновником методу, методологія, яку він назвав «метааналізом», передувала його роботі протягом кількох десятиліть. Статистична теорія, що стосується метааналізу, була сильно просунута роботами Намбері С. Раджу, Ларрі В. Хеджесом, Харрісом Купером, Інграм Олкін, Джон Е. Хантер, Jacob Cohen, Thomas C. Chalmers, Robert Rosenthal, Frank L. Schmidt та Дугласом Г. Бонеттом.
Етапи метааналізу Метааналізу зазвичай передує систематичний огляд, оскільки це дозволяє ідентифікувати та критично оцінити всі відповідні докази (тим самим обмежуючи ризик упередженості у підсумкових оцінках). Загальні кроки наступні:
Формулювання дослідницького питання, напр. з використанням моделі PICO (Population, Intervention, Comparison, Outcome — Популяція, Вплив, Порівняння, Результати). Пошук літератури Вибір досліджень («критерії включення») На основі критеріїв якості, наприклад вимога рандомізації та осліплення в клінічному випробуванні Вибір конкретних досліджень на щодо визначеного предмету, напр. лікування раку молочної залози. Рішення, чи включати неопубліковані дослідження, щоб уникнути упередженості публікацій (проблема з вилученням файлів) Вирішити, які залежні змінні чи підсумкові заходи дозволені. Наприклад, при розгляді метааналізу опублікованих (агрегованих) даних: Відмінності (дискретні дані) Засоби (безперервні дані) Хеджи g — популярна підсумкова величина для безперервних даних, яка стандартизується з метою усунення різниць масштабу, але він включає індекс зміни між групами: у якій є середнім значенням для лікуванням, — середнє значення контрольної групи, об'єднана дисперсія. Вибір моделі метааналізу, напр. метааналіз з фіксованим ефектом або випадковими ефектами. Вивчіть джерела гетерогенності між дослідженнями, наприклад за допомогою аналізу підгруп або . Формальні вказівки щодо проведення та звітування про метааналізи надаються Посібником з Кокрана.
Методи та припущення
Підходи Загалом при проведенні метааналізу можна виділити два типи доказів: індивідуальні дані учасника (ІДЧ) та агреговані дані (АД). Агреговані дані можуть бути прямими або непрямими.
АД частіше доступні (наприклад, з літератури) і, як правило, представляють зведені оцінки, такі як відношення переваги або відносний ризик. Це можна безпосередньо синтезувати в рамках концептуально подібних досліджень, використовуючи декілька підходів (див. нижче). З іншого боку, непрямі агреговані дані вимірюють дію двох методів лікування, які порівнювались проти аналогічної контрольної групи в метааналізі. Наприклад, якщо лікування A і лікування B безпосередньо порівнювались з плацебо в окремих метааналізах, ми можемо використовувати ці два об'єднані результати, щоб отримати оцінку ефектів від A проти B у непрямому порівнянні як ефект A проти плацебо мінус ефект B проти плацебо.
Докази ІДЧ представляють необроблені дані, зібрані дослідними центрами. Ця відмінність викликала потребу в різних метааналітичних методах, коли потрібен синтез доказів, і призвела до розробки одноетапних та двоступеневих методів. Одноетапними методами ІДЧ усіх досліджень моделюються одночасно, враховуючи групування учасників в рамках досліджень. Двоетапні методи спочатку обчислюють підсумкову статистику для АД з кожного дослідження, а потім обчислюють загальну статистику як середньозважену статистику дослідження. За рахунок зведення ІДЧ до АД, двоступеневі методи також можуть застосовуватися, коли доступний ІДЧ; це робить їх привабливим вибором при виконанні метааналізу. Хоча загальноприйнято вважати, що одноетапні та двоступеневі методи дають подібні результати, останні дослідження показали, що вони можуть іноді призводити до різних висновків.
Статистичні моделі для агрегованих даних
Прямі докази: Моделі, що містять лише наслідки дослідження
Модель з фіксованими ефектами Модель з фіксованими ефектами забезпечує середньозважене значення з серії оцініваних досліджень. Зворотна дисперсія оцінок зазвичай використовується як вага дослідження, так що більші дослідження мають тенденцію до більшого внеску до середньозваженого ніж менші дослідження. Отже, коли в дослідженнях метааналізу переважає дуже велике дослідження, результати менших досліджень практично ігноруються. Найголовніше, що модель фіксованих ефектів передбачає, що всі включені дослідження досліджують одну і ту ж сукупність, використовують однакові визначення змінних та результатів тощо. Це припущення, як правило, нереальне, оскільки дослідження часто схильні до декількох джерел неоднорідності; напр. ефекти лікування можуть відрізнятися залежно від місцевості, рівнів дозування, умов дослідження, …
Модель випадкових ефектів Загальна модель, яка використовується для синтезу гетерогенних досліджень, — це метааналіз випадкових ефектів. Це просто середньозважена середня величина ефекту групи досліджень. Вага, що застосовується в цьому процесі зваженого усереднення з метааналізом випадкових ефектів, досягається в два етапи:
Крок 1: Зважування зворотної дисперсії Крок 2: Розважування цього зважування на основі зворотної дисперсії шляхом застосування компонента дисперсії випадкових ефектів (КДВП), який просто виводиться зі ступеня мінливості розмірів ефекту в базових дослідженнях.
Це означає, що чим більша ця мінливість розмірів ефектів (інакше відома як неоднорідність), тим більше розважування, і можна досягти точки, коли результат метааналізу випадкових ефектів стає просто незваженим середнім розміром ефекту в ході досліджень. З іншого боку, коли всі розміри ефектів схожі (або мінливість не перевищує помилку вибірки), не застосовується КДВП, а метааналіз випадкових ефектів зводиться до метааналізу з фіксованими ефектами (лише зі зважуванням зворотньої дисперсії).
Ступінь цього зведення залежить виключно від двох факторів:
Неоднорідність точності Неоднорідність розміру ефекту
Оскільки жоден із цих факторів автоматично не вказує на помилкове масштабне дослідження або більш надійні менші дослідження, перерозподіл ваг за цією моделлю не матиме відношення до того, що ці дослідження можуть запропонувати насправді. Дійсно, було продемонстровано, що перерозподіл ваг є просто в одному напрямку від більших до менших досліджень, оскільки гетерогенність збільшується, поки в кінцевому підсумку всі дослідження не мають однакової ваги і подальший перерозподіл неможливий. Інша проблема моделі випадкових ефектів полягає в тому, що найчастіше використовувані довірчі інтервали, як правило, не зберігають ймовірності їх покриття вище зазначеного номінального рівня і, таким чином, істотно занижують статистичну помилку і, можливо, завищують переконаність у своїх висновках. Запропоновано кілька виправлень але дебати тривають далі. Наступне занепокоєння полягає в тому, що середній ефект лікування іноді може бути навіть менш консервативним порівняно з моделлю з фіксованим ефектом і тому вводить в оману на практиці. Одне з запропонованих інтерпретаційних виправлень полягає у створенні інтервалу прогнозування навколо оцінки випадкових ефектів для відображення діапазону можливих ефектів на практиці. Однак припущення при обчисленні такого інтервалу прогнозування полягає в тому, що випробування вважаються більш-менш однорідними суб'єктами, що включають популяції пацієнтів та порівняльне лікування, слід вважати взаємозамінними і це, як правило, недосяжно на практиці.