작년에 저는 “메타 분석에 대해 알아야 할 5 가지 핵심 사항”. 집중하는 데 좋은 방법 이었지만 5 개로 만 유지하는 것은 어려웠습니다. 제대로 수행되지 않았거나 잘못 해석 된 많은 메타 분석을 포함하여 메타 분석이 급증하면서 속편을 만들 시간입니다. !
메타 분석은 한 번에 여러 연구의 데이터를 결합하고 분석하는 것입니다. 다양한 통계 방법 (일부는 특수 목적으로 구축 됨)을 사용하여 방대한 양의 정보를 단일 요약 통계.
작년 게시물에서 기본 사항을 설명하고 메타 분석의 가치를 확인하는 몇 가지 방법에 집중했습니다.
이번에는 지적하고 있습니다.
1. 메타 분석은 단일 연구보다 안전한 시작점이지만 반드시 더 신뢰할 수있는 것은 아닙니다.
메타 분석은 일반적으로 체계적인 검토의 일부입니다. 은 힘든 작업이며 다른 모든 연구보다 더 중요한 궁극적 인 연구로 설명되는 경우가 많습니다. 마지막 단어. 단일 연구는 무시할 수없는 작은 일이됩니다.
그러나 결합 된 결과는 많은 무게를 지닐 수 있지만 메타 분석이 항상 단일 연구를 능가한다는 생각에는 3 가지 주요 문제가 있습니다.
첫째, 체계적인 검토 및 메타 분석은 공식적인 실험 연구가 아닙니다. 비 실험적이거나 설명적인 연구입니다. 모든 단계에서 주관적인 판단이 이루어지기 때문에 같은 생각을 가진 소규모 팀이 원하는 경우 원하는 방향으로 이동할 수있는 충분한 공간을 제공합니다. 잘못되거나 고르지 않은 메타 분석은 잘 수행되고 적절하게 강화 된 단일 연구만큼 신뢰할 수있는 결론에 도달하지 못할 수 있습니다.
둘째, 메타 분석이 a에 의해 크게 지배되는 것은 전혀 드문 일이 아닙니다. 단일 연구. 2010 년에 Paul Glasziou와 동료들이 실시한 연구에 따르면 여러 번의 실험이 있더라도 가장 정확한 실험은 결과 무게의 평균 절반을 차지했으며 메타 분석의 결론은 거의 80 %였습니다. 그 단일 연구와 동일합니다. 지배적 인 연구를 이해하고 논의하는 것이 중요합니다.
예를 살펴 보겠습니다. 몇 가지 배경 우선 : 아래 그림은 체계적인 검토 내에서 단일 메타 분석의 산림 플롯입니다. 여기에이를 이해하기위한 간단한 입문서를 작성했습니다.
각 메타 분석은 단순히 연구를 추가하는 것이 아닙니다. 예를 들어 연구 규모를 고려하여 가중 평균에 도달합니다. 이 산림 플롯은 6 개의 연구 각각이 결과에 기여하는 가중치를 보여줍니다 (굵게 표시된 선 – 더 큰 버전을 보려면 클릭). 그리고 하나의 시험 인 HF-ACTION 시험은 결과의 70 % 이상을 차지합니다. 다른 연구는 중요하지 않습니다. 나중에 다시 살펴 보겠습니다. 하지만 실제로이 결과를 크게 바꾸지는 않습니다. (이 메타 분석의 2010 년 버전에서 HF-ACTION 시험은 78 %로 훨씬 더 우세했습니다.)
세 번째 문제는 너무 커서이 목록에서 다음 순위를 차지합니다. 하나의 새로운 연구가 메타 분석의 결과를 뒤집을 수 있습니다. HF-ACTION의 결과가 나 오자마자 그 자체로 이전 메타 분석보다 많은 질문에 대해 더 신뢰할 수있는 출처가되었습니다.
2. 메타 분석은 시간에 따른 스냅 샷입니다. 게시 된 날이 지났을 수도 있습니다.
많은 분야의 연구가 매우 빠르게 성장하고 있습니다. 대부분의 메타 분석은 최신 상태가 아니며 그 프로세스가 가속화되고 있습니다. 하지만 10 년 전만해도 일부는 출판 당시 구식이었으며 체계적인 검토를위한 중간 “생존”시간은 5.5 년이었습니다.
심부전 사례를 예로 들어 보겠습니다. HF 이전 -2009 년에 발표 된 ACTION 임상 시험 결과는 달랐습니다. 데이터 풀이 훨씬 작기 때문에 일부는 운동 기반 프로그램이 사망률을 낮추고 있다고 확신했습니다. 그러나 많은 사람들에게 불확실성이 너무 커서 운동이 너무 위험 할 수 있다는 우려를 나타 냈습니다. 또한 심부전 여성에 대한 데이터가 거의 없었습니다. (HF-ACTION 참가자의 28 %는 여성이었으며 데이터가 많이 추가되었습니다!) 메타 분석가는 다음과 같은 경우 상당히 빠르게 움직였습니다. HF-ACTION이 도착했지만 일반적으로 그렇지는 않습니다.
새로운 연구가있을 때 실제로이를 관점으로 볼 수 있어야합니다. 기존 메타 분석이이를 수행하는 데 도움이 될 수 있습니다. , 새로운 연구에는 업데이트 된 메타 분석도 포함되어있어 삶이 매우 쉬워졌습니다! 아주 최근이 아닌 메타 분석에서 왕이 되더라도 나중에 단일 연구도 검토해야합니다. (앞으로 큰 주제입니다!)
3.문자 그대로 결과를 취하기 전에주의 깊게 살펴보세요. 결과가 아닌 것처럼 보일 수 있습니다.
우리가 자체 질문에 대한 답을 찾기 위해 연구를 참조 할 때 연구자의 결론을 번역하는 것은 매우 까다로운 작업이 될 수 있습니다. 연구에서 측정되는 항목을 결정하는 데 사용되는 요소는 복잡합니다. 그것들은 좋은 품질 및 / 또는 실행 가능한 연구의 요구와 관련이 있습니다. 반드시 우리가 가질 수있는 매우 구체적인 질문은 아닙니다.
메타 분석과 관련하여 우리는 다음 두 가지에 묶여 있습니다. 측정 된 원래 연구 및 메타 분석에 신뢰할 수있는 기술. 원래 연구에서 측정 한 것은 가능한 한 짧은 시간에 연구를 수행하는 것과 관련이있을 수 있습니다. 대리 결과와 바이오 마커는 중요하지만 조기 결론을 내릴 수 있습니다. (자세한 내용은 여기에서 자세히 설명합니다.)
그리고 “심장 사건”과 같은 설명을 당연한 것으로 받아들이지 마십시오. 그것이 의미한다고 생각하는 것을 의미하지 않을 수도 있습니다. 시험에서 매우 일반적이며 따라서 메타 분석 – 접근 가능하고 단순한 이름이지만 복잡하고 복잡한 의미를 가진 복합 결과를 포함합니다. 따라서 정말 작은 글씨를 볼 필요가 있습니다. (여기에 그것에 대해 더 많이 썼습니다.)
메타 분석 이러한 결과는 연구간에 더 일반적 일 가능성이 높기 때문에이 문제를 복잡하게 만들 수 있습니다.이를 통해 메타 분석에서 쉽게 통합 할 수 있습니다. 함께 통합 할 수없는 결과를 간과하지 마십시오. 메타 분석에있는 것보다 더 중요합니다.
4. 모든 연구가 함께 속하지는 않습니다.
때로는 체계적인 검토 할 수있을 때 메타 분석하지 마십시오.하지만 종종 저자들이 합동 된 연구 간의 이질성 때문에주의를 권고하는 것을 볼 수 있습니다. y 진지하게!
결합해서는 안되는 풀링 연구는 메타 분석에서 볼 수있는 가장 일반적인 결함 중 하나입니다. 결과가 너무 완벽하게 일관된 경우 확실히 극적인 효과가 없으면 약간의 걱정이 될 수 있습니다. 연구 된 사람들의 그룹이 너무 비슷하다는 것을 의미 할 수 있습니다. 실제로 전체 인구를 대표하지는 않습니다.
반면 결과가 너무 일관성이없는 경우에는 이질성이라고합니다. 결과가 전혀 메타 분석되지 않아야 함을 의미 할 수 있습니다. 여기서 핵심 : 이질성을 설명 할 수 있습니까? 예를 들어, 연구에 참여한 사람들의 알려진 차이 때문인가요?
여기와 여기에서 메타 분석에서 이질성을 측정하는 방법에 대해 읽을 수 있습니다. 경험 법칙 : I2는 이에 대한 매우 일반적인 통계 측정 값입니다. 50 % 이상의 결과가 높아지기 시작했습니다. (위의 예제에서 I2는 왼쪽 하단의 세부 정보에서 볼 수 있습니다. 34 %로 매우 높지 않습니다.)
경험 규칙 : 몇 가지를보고 싶습니다. 이질성이지만 너무 많지는 않습니다!
5. 누락 된 연구와 누락 된 데이터는 메타 분석을 방해 할 수 있습니다.
결과가 너무 일관성이있는 이유 중 하나는 모든 나쁜 소식이 누락 되었기 때문입니다!
누락 된 연구와 누락 된 데이터에 대한 질문을 던집니다.
메타 분석의 연구에 누락 된 데이터가있는 경우 – 많은 사람들이 추적을 잃었습니다. 예를 들어, 저자는 어떻게 처리했는지 알려줄 필요가 있습니다. (안타깝게도 그렇지 않을 수도 있습니다.) 여기에서 예제에 대한 논의에서 이것이 결과에 어떤 영향을 미칠 수 있는지 알 수 있습니다.
그러나 훨씬 더 큰 문제는 연구 결과가 단순히보고되지 않았을 때입니다. . 예를 들어 HF-ACTION 수사관이 결과를 게시하지 않았다면 우리가 어디에 있을지 상상해보십시오. 그게 큰 문제가 아니라고 생각 하겠지만 사실입니다. 메타 분석가가 여기에서 미공개 연구를 확인하는 방법을 간략히 살펴 보겠습니다. 여기에는이 복잡하고 논란이되는 영역에 대한 자세한 기술 범위가 있습니다.
그러나 실제 해결책은 모든 연구에 대한 것입니다. 게시됩니다. 그리고 그것은 당신이 할 수있는 일입니다! 여기 All Trials 캠페인 웹 사이트에서 문제와 해결을 위해 할 수있는 일에 대해 자세히 알아보세요.
그리고 이것이 조금 실망 스러웠다면 처음 5 가지를 다시 방문하여 무엇이 문제인지 기억하세요. 메타 분석에 대한 훌륭한 평가!
~~~~
개입에 대한 체계적인 검토를 찾으려면 메타 분석 유무에 관계없이 건강 관리는 PubMed Health를 사용해보십시오. (공개 : 일상 업무의 일부입니다.)
메타 분석에서 데이터를 이해하기위한 5 가지 팁
메타 분석에 대해 알아야 할 5 가지 핵심 사항
Absolutely Maybe on Meta-Analysis에서 더 많은 것입니다.
메타 분석에 대해 더 공부하고 싶으세요? Johns Hopkins는 인증이있는 무료 온라인 입문 과정을 제공합니다.
단일 시험 결과가 지배하는 메타 분석의 예는 다음과 같은 심부전에 대한 운동 기반 재활에 대한 체계적인 검토의 Analysis 1.2입니다. Rod Taylor와 동료 (2014).
만화는 저의 것입니다 (CC-NC 라이센스).(Statistically Funny 및 Tumblr에서 자세히 알아보기)