Tavaly írtam egy bejegyzést “5 kulcsfontosságú tudnivaló a metaanalízisről”. Remek módszer volt a fókuszálásra – de nehéz volt csak 5-et tartani. A metaanalízisek fellendülésével – köztük sok rosszul vagy félreértelmezetten – mindenképpen itt az ideje a folytatásnak !
A metaanalízis ötvözi és elemzi egyszerre több vizsgálat adatait. Különböző statisztikai módszerek felhasználásával, amelyek közül néhányat erre a célra készítettek, rengeteg információt tömöríthet egy egyetlen összefoglaló statisztika.
A tavalyi bejegyzésben elmagyaráztam az alapokat, és néhány módszerre összpontosítottam, hogy lássam a metaanalízis értékét.
Ezúttal rámutatok néhány gyakori csapdához.
1. A metaanalízis biztonságosabb kiindulópont, mint egyetlen tanulmány – de nem feltétlenül lesz megbízhatóbb.
A metaanalízis általában egy szisztematikus felülvizsgálat része Nagy erőkifejtés, amelyet gyakran a végső tanulmányként írnak le, amely felülmúlja az összes többit. Az utolsó szó. Egyetlen tanulmány bosszantó dologgá válik, amelyet figyelmen kívül kell hagyni.
De ha az összesített eredmények nagy súlyt hordozhatnak, három fő probléma merül fel abban az elképzelésben, hogy a metaanalízis mindig egyetlen vizsgálatot eredményez.
Először is, a szisztematikus áttekintés és metaanalízis nem hivatalos kísérleti tanulmány. Ez nem kísérleti vagy leíró tanulmány. Minden lépésben szubjektív megítélések vannak, így a hasonló gondolkodású emberek kis csoportjai rengeteg teret engednek a kívánt irányba terelni, ha akarják. Előfordulhat, hogy egy rossz vagy hiányos metaanalízis nem jut olyan megbízható következtetésekre, mint egy jól lefolytatott, megfelelően hajtott egyetlen tanulmány.
Másodszor, egyáltalán nem szokatlan, hogy a metaanalízisben erősen dominál egy egyetlen tanulmány. Paul Glasziou és munkatársai 2010-ben végzett tanulmánya azt mutatta, hogy még akkor is, ha több kísérlet volt, a legpontosabb az eredmények súlyának fele volt – és a metaanalízis következtetéseinek körülbelül 80% -a nagyjából ugyanaz, mint az egyetlen tanulmány. A domináns tanulmány megértése és megvitatása kritikus fontosságú.
Nézzünk meg egy példát. Először néhány háttér: Az alábbi ábra egy meta-analízis erdőterülete egy szisztematikus áttekintésen belül. Itt megértettem egy gyors elméletet ezek megértéséről.
Minden metaanalízis nem csak tanulmányokat ad. Súlyozott átlaghoz jut, figyelembe véve például a tanulmány méretét. Ez az erdei telek megmutatja, hogy a hat vizsgálat mindegyike hozzájárul az eredményhez (a vastag betűs sor – kattintson a nagyobb verzió megtekintéséhez). És egy kísérlet – a HF-ACTION próba – az eredmény valamivel több mint 70% -át teszi ki. Nem arról van szó, hogy a többi tanulmány nem számít – erre később visszatérünk. De ezen az eredményen nem igazán változtatnak drámai módon. (Ennek a metaanalízisnek a 2010-es verziójában a HF-ACTION vizsgálat még dominánsabb volt, súlya 78% volt.)
A harmadik probléma olyan nagy, hogy a listán a következő helyet foglalja el: egyetlen új tanulmány megdöntheti a metaanalízis eredményeit. Amint a HF-ACTION eredményei elérhetőek voltak, önmagában megbízhatóbb forrás volt sok kérdésben, mint a korábbi meta-elemzések.
2. A metaanalízis pillanatkép – időben akár elavult is lehet a megjelenés napján.
A kutatás sok területen nagyon gyorsan növekszik. A legtöbb metaanalízis korszerűtlen – és ez a folyamat felgyorsul. Még egy évtizeddel ezelőtt is néhányan elavultak, amikor megjelentek, és a szisztematikus áttekintés átlagos “túlélési” ideje 5,5 év volt.
Vegyük példának szívelégtelenségünket. A HF előtt A 2009-ben közzétett -ACTION tárgyaláson a kép más volt. Sokkal kisebb adatállomány mellett egyesek meg voltak győződve arról, hogy a testedzésen alapuló programok csökkentik a halálozást. De a bizonytalanság túl sok volt, akik továbbra is aggódtak amiatt, hogy a testmozgás túl kockázatos lehet Ráadásul nagyon kevés adat állt rendelkezésre a szívelégtelenségben szenvedő nőkről. (A HF-ACTION résztvevőinek 28% -a nő volt, ami jelentős adalék volt!) A meta-elemzők meglehetősen gyorsan mozogtak, amikor Megérkezett a HF-ACTION, de ez általában nem így van.
Ha új tanulmány készül, akkor valóban képesnek kell lennie a perspektívába helyezésre. És egy meglévő metaanalízis segíthet ebben. Néha , egy új tanulmány tartalmaz egy frissített metaanalízist is, ami nagyon megkönnyíti az életet! De ha loo vagy király egy meta-elemzésen, amely nem túl friss, akkor is meg kell vizsgálnia a későbbi egyedi tanulmányokat is. (Ez máskor nagy téma!)
3.Vigyázzon alaposan, mielőtt szó szerint értelmezi az eredményt – lehet, hogy nem az, aminek látszik.
Amikor saját kérdéseinkre adunk választ a kutatással, a kutatók következtetéseinek lefordítása nagyon trükkös üzlet lehet. Azok az elemek, amelyek meghatározzák a tanulmányban mért adatokat, összetettek. A jó minőségű és / vagy megvalósítható kutatás szükségleteihez kapcsolódnak – nem feltétlenül azok a nagyon konkrét kérdések, amelyek felmerülhetnek bennünk.
A metaanalízis kapcsán két dolog köt bennünket: mi az eredeti tanulmányokat mérték, és milyen technikák megbízhatóak a metaanalízishez. Amit az eredeti tanulmányok mértek, annak sok köze lehet ahhoz, hogy a tanulmány a lehető legrövidebb idő alatt elkészüljön. A helyettesítő eredmények és a biomarkerek kritikusak, de idő előtti következtetésekhez vezethetnek. (Erről bővebben itt olvashat.)
És ne vegye magától értetődőnek a „szív esemény” leírást: lehet, hogy ez nem azt jelenti, amit ön szerint jelent. A vizsgálatok során nagyon gyakori – és ezért metaanalízisek – összetett eredményeket tartalmazzon hozzáférhető, egyszerű nevekkel, de bonyolult, összevont jelentéssel. Tehát valóban meg kell néznie az apró betűs részt. (Erről itt többet írtam.)
Metaanalízis súlyosbíthatja ezt a problémát, mert ezek az eredmények valószínűleg gyakrabban fordulnak elő a tanulmányok között. Ez lehetővé teszi, hogy könnyen meta-analízisben egyesítsék őket. Ne hagyja figyelmen kívül azokat az eredményeket, amelyeket nem lehetett összevonni: akár fontosabb számodra, mint a metaanalízisek.
4. Nem minden tanulmány tartozik össze.
Néha szisztematikus áttekintések ne meta-elemezzen, amikor tehetnék. Ennek ellenére gyakran látni fogja, hogy a szerzők óvatosságra intenek az egyesített vizsgálatok közötti heterogenitás miatt. Amikor ezt látja, vegye figyelembe az óvatosságot y komolyan!
Azon vizsgálatok összevonása, amelyeket nem szabad kombinálni, az egyik leggyakoribb hiba, amelyet a meta-elemzések során láthat. Ha az eredmények túl kép tökéletesek és következetesek, akkor ez kissé aggodalomra adhat okot, ha nincs feltétlenül drámai hatás. Ez azt jelentheti, hogy a vizsgált emberek csoportjai túlságosan egyformák – egyáltalán nem reprezentatívak a teljes népességre nézve.
Másrészt, ha az eredmények túl következetlenek – az úgynevezett heterogenitás – ez azt jelentheti, hogy az eredményeket egyáltalán nem kellett volna meta-elemezni. Kulcs ide: megmagyarázható a heterogenitás? Például a ismert emberek közötti különbségekről van szó?
A heterogenitás mérésének módszereiről a metaanalízisekben itt és itt olvashat. Alapszabály: az I2 erre nagyon gyakori statisztikai mérőszám – az 50% -os vagy annál nagyobb eredmény kezd magasodni. (A fenti példánkban található I2-t a bal alsó rész részleteinél láthatja: 34% -ban jön be, ami nem túl magas.)
Alapszabály: szeretne látni néhányat heterogenitás, de nem túl sok!
5. Hiányzó tanulmányok és hiányzó adatok torpedózhatnak egy meta-elemzést.
Az eredmények egyik oka lehet túl következetes, mert hiányzik az összes rossz hír!
Ez a hiányzó vizsgálatok és a hiányzó adatok kérdéséhez vezet.
Ha egy metaanalízisben szereplő vizsgálatok hiányzó adatokat tartalmaznak – sokan elveszítették a követést például a szerzőknek el kell mondaniuk, hogyan bántak vele. (Sajnos lehet, hogy nem.) Láthatja, hogy ez hogyan befolyásolhatja az eredményeket az itt bemutatott példámban.
De messze nagyobb probléma az, amikor a vizsgálatok eredményeit egyszerűen nem közölték. . Képzelje el például, hogy hol lennénk, ha a HF-ACTION nyomozói nem tették volna közzé eredményeiket. Nem gondolnád, hogy ez nagy probléma lehet, de mégis. Gyorsan áttekintem, hogy a meta-elemzők megpróbálják-e ellenőrizni az itt publikálatlan tanulmányokat, és itt részletes műszaki lefedettség található erről az összetett és ellentmondásos területről.
Az igazi megoldás azonban az, hogy minden tanulmány közzé kell tenni. És ez az, amire tehetsz valamit! Tudjon meg többet a problémáról és arról, hogy mit tehet a megoldása érdekében, itt a Minden próba kampány webhelyén.
És ha ez kissé elkeserítővé vált, látogassa meg újra az első 5 dolgot, hogy emlékezzen arra, ami nagyszerű a metaanalízisről!
~~~~
A beavatkozások szisztematikus áttekintése az egészségügyi ellátás, metaanalízissel és anélkül, próbálja ki a PubMed Health szolgáltatást. (Közzététel: A napi munkám része.)
5 tipp az adatok megértéséhez a metaanalízisben
5 legfontosabb tudnivaló a metaanalízisről.
Többet az Absolutely talán a metaanalízisről.
Szeretne többet megtudni a metaanalízisről? Johns Hopkins ingyenes online bevezető tanfolyammal rendelkezik, tanúsítvánnyal.
Egy metaanalízis példája, amelyet egyetlen vizsgálat eredményei uralnak, az Elemzés 1.2 a szívelégtelenség gyakorlásán alapuló rehabilitáció szisztematikus áttekintéséből Rod Taylor és munkatársai (2014).
A rajzfilmek a sajátjaim (CC-NC licenc).(Bővebben a Statistic Funny és a Tumblr oldalon.)