昨年私は「メタアナリシスについて知っておくべき5つの重要事項」。これは焦点を合わせるのに最適な方法でしたが、5つだけにとどまるのは困難でした。 ！
メタアナリシスとは、一度に複数の研究からのデータを組み合わせて分析することです。さまざまな統計手法を使用して、その一部は専用のものであり、膨大な量の情報を単一の要約統計。
昨年の投稿では、基本を説明し、メタアナリシスの価値を確認するためのいくつかの方法に集中しました。
今回は、指摘します。
1.メタアナリシスは、単一の研究よりも安全な出発点ですが、必ずしも信頼性が高いとは限りません。
メタアナリシスは通常、体系的なレビューの一部です。は大変な努力であり、他のすべてを上回って、究極の研究として説明されることがよくあります。最後の言葉。単一の研究は、無視されるべき小さなものになります。
しかし、組み合わせた結果は大きな重みをもたらす可能性がありますが、メタアナリシスが常に単一の研究よりも優先されるという考えには、3つの主要な問題があります。
まず、系統的レビューとメタアナリシスは正式な実験的研究ではありません。これは非実験的または記述的な研究です。道のあらゆる段階で主観的な判断があり、志を同じくする人々の小さなチームに、必要に応じて希望の方向に操縦するための十分な余地を与えます。悪いメタアナリシスまたはパッチの多いメタアナリシスは、十分に実施され、十分に機能する単一の研究ほど信頼できる結論に達しない可能性があります。
第2に、メタアナリシスが大部分を占めることはまったく珍しいことではありません。単一の研究。 2010年にPaulGlasziouと同僚が行った調査によると、複数の試験があった場合でも、最も正確な試験では平均して結果の半分の重みがあり、メタアナリシスの結論はほぼ80％でした。その単一の研究と同じです。その優勢な研究を理解し、議論することが重要です。
例を見てみましょう。最初にいくつかの背景：以下の図は、系統的レビュー内からの単一のメタ分析のフォレストプロットです。これらを理解するための簡単な入門書をここに書きました。
各メタアナリシスは、単に研究を追加するだけではありません。たとえば、調査のサイズを考慮して、加重平均に到達します。このフォレストプロットは、6つの研究のそれぞれが結果に寄与している重みを示しています（太字の線–クリックすると大きなバージョンが表示されます）。そして、1つの試験（HF-ACTION試験）が結果の70％強を占めています。他の研究が重要ではないということではありません-後でそれに戻ります。しかし、実際にはこの結果を劇的に変えることはありません。 （このメタアナリシスの2010年版では、HF-ACTION試験がさらに優勢で、78％でした。）
3番目の問題は非常に大きいため、このリストの次の場所になります。1つの新しい研究がメタアナリシスの結果を覆す可能性があります。 HF-ACTIONの結果が利用可能になるとすぐに、それ自体が、以前のメタアナリシスよりも多くの質問についてより信頼できる情報源になりました。
2。メタアナリシスは時間のスナップショットであり、公開された日よりも古くなっている可能性があります。
多くの分野での研究は非常に急速に成長しています。ほとんどのメタアナリシスは時代遅れであり、そのプロセスはスピードアップしています。ただし、10年前でも、公開された時点で古くなったものがあり、系統的レビューの「生存」期間の中央値は5。5年でした。
心不全の例を見てください。HFの前-2009年に発表されたACTIONトライアルでは、状況は異なりました。データのプールがはるかに少ないため、運動ベースのプログラムが死亡率を低下させていると確信する人もいました。しかし、運動が危険すぎる可能性があることを懸念し続けた多くの人にとって、不確実性は大きすぎました。さらに、心不全の女性について利用できるデータはほとんどありませんでした（HF-ACTIONの参加者の28％は女性であり、データが大幅に追加されました！）メタアナリストは次の場合にかなり迅速に行動しました。 HF-ACTIONが到着しましたが、通常はそうではありません。
新しい研究がある場合、それを見通しに入れる必要があります。既存のメタ分析がそれを支援する場合があります。 、新しい研究には更新されたメタ分析も含まれているため、生活がとても楽になります！あまり最近ではないメタアナリシスの王様ですが、それでも後の単一の研究も検討する必要があります。 （これはまた別の大きなトピックです！）
3。文字通り結果を出す前に注意深く見てください。見た目とは異なる場合があります。
私たちが自分の質問に対する答えを研究に相談する場合、研究者の結論を翻訳することは非常に難しい作業になる可能性があります。調査で何を測定するかを決定する要素は複雑です。それらは、質の高い研究や実行可能な研究のニーズに関連しています。必ずしも私たちが抱く可能性のある非常に具体的な質問ではありません。
メタアナリシスに関しては、2つのことに縛られています。測定された元の研究、およびメタ分析に信頼できる手法は何か。元の研究が測定したことは、可能な限り短時間で研究を行うことと大いに関係があるかもしれません。代理の結果とバイオマーカーは重要ですが、それらは時期尚早の結論に飛びつく可能性があります。 （詳細はこちらをご覧ください。）
「心臓イベント」のような説明を当然のことと考えないでください。それは、あなたが考えていることを意味しない場合があります。これは、試験では非常に一般的であり、したがってメタアナリシスです。 –アクセス可能で単純な名前であるが、複雑で複雑な意味を持つ複合的な結果を含めるため。したがって、実際には詳細を確認する必要があります（これについてはここで詳しく説明します）。
メタアナリシスこれらの結果は研究間で一般的である可能性が高いため、この問題を悪化させる可能性があります。これにより、メタアナリシスでそれらを簡単にプールできます。一緒にプールできなかった結果を見逃さないでください。メタアナリシスよりも重要です。
4。すべての研究が一緒に属しているわけではありません。
時々体系的なレビュー可能な場合はメタアナリシスを行わないでください。ただし、プールされた研究間の異質性のために、著者が注意を促していることがよくあります。それを確認したら、注意してください。真剣に！
組み合わせてはいけないプール調査は、メタアナリシスで見られる最も一般的な欠陥の1つです。結果が絵に描いたように完全に一貫している場合、明確に劇的な効果がなければ、それは少し心配になる可能性があります。調査された人々のグループがあまりにも似ていることを意味する可能性があります-実際には総人口をまったく代表していません。
一方、結果があまりにも一貫していない場合-いわゆる異質性-これは、結果がメタ分析されるべきではなかったことを意味する可能性があります。ここで重要なのは、異質性を説明できるかどうかです。たとえば、研究に参加している人々の既知の違いによるものですか？
メタアナリシスの不均一性を測定する方法については、こことここで読むことができます。経験則：I2は、これに対する非常に一般的な統計的尺度です。50％以上の結果が高くなり始めています。 （上の例のI2は、左下の詳細で確認できます。34％で入ってきますが、それほど高くはありません。）
経験則：いくつか見たい異質性ですが、あまり多くはありません！
5。欠測データや欠測データはメタアナリシスを台無しにする可能性があります。
結果の一貫性が高すぎる理由の1つは、すべての悪いニュースが欠落しているためです！
これにより、欠測データと欠測データの問題が発生します。
メタアナリシスの欠測データに欠測データがある場合、多くの人がフォローを失います。たとえば、著者はそれをどのように扱ったかを説明する必要があります。 （残念ながら、そうではないかもしれません。）ここでの例の説明で、これが結果にどのように影響するかを確認できます。
しかし、はるかに大きな問題は、研究の結果が単に報告されていない場合です。 。たとえば、HF-ACTIONの調査員が結果を公開していなかったとしたらどうなるか想像してみてください。それが大きな問題になるとは思わないでしょうが、そうです。メタアナリシスが未発表の研究をここでチェックしようとする方法をざっと見て、この複雑で物議を醸す領域の詳細な技術的報道がここにあります。
しかし、本当の解決策はすべての研究のためです公開されます。そして、それはあなたが何かできることです！問題の詳細と、問題を解決するためにできることについては、こちらのAllTrialsキャンペーンのウェブサイトをご覧ください。
これが少しがっかりした場合は、最初の5つのことをもう一度確認してください。メタアナリシスに最適です！
~~~~
介入の系統的レビューを見つけるにはメタアナリシスの有無にかかわらず、ヘルスケアはPubMedHealthを試してください。 （開示：私の日常業務の一部です。）
メタアナリシスのデータを理解するための5つのヒント
メタアナリシスについて知っておくべき5つの重要事項。
メタアナリシスについては絶対に多分。
メタアナリシスについてもっと勉強したいですか？ジョンズホプキンスには、認定付きの無料のオンライン入門コースがあります。
1回の試行の結果が支配的なメタアナリシスの例は、心不全の運動ベースのリハビリテーションに関する系統的レビューの分析1.2です。 Rod Taylorと同僚（2014）。
漫画は私自身のものです（CC-NCライセンス）。（統計的に面白いとTumblrでもっと。）