Módszertan; invetigacihoz; n Szisztematikus felülvizsgálatok és metaanalízis (II)
M. kutatás
Tartalomjegyzék
Bevezetés
Egy korábbi munkában a szisztematikus áttekintés és a metaanalízis fogalmait bemutatták a különféle tanulmányok által egy adott témához kapcsolódóan elért eredmények szintézisének folyamatában. Ez a kiadvány főként a szisztematikus áttekintés korlátainak és szakaszainak bemutatására összpontosított, rövid leírással a metaanalízis szakaszában általánosan használt statisztikai technikákról. Jelen munkában megkíséreljük az eredmények ilyen típusú vizsgálatban történő kombinálásához rendelkezésre álló statisztikai módszerek további leírását.
A heterogenitás elemzése.
Mielőtt választaná a különböző statisztikai módszereket, amelyek lehetővé teszik az egyes vizsgálatok egyes eredményeinek kombinálását a hatás kombinált becsléséhez, meg kell határozni:
A heterogenitás mértékének értékelése statisztikai tesztek segítségével végezhető el, a legszélesebb körben a Der Simonian és Laird Q-tesztje. Ez a teszt az egyes vizsgálatokban meghatározott hatás (esélyhányados, relatív kockázat, átlagkülönbség stb.) És a globális átlag közötti különbségek súlyozott összegének kiszámításán alapul:
| val vel | . |
Ily módon, ha a vizsgálatok homogének, a statisztika megközelítőleg egy szabadsági fokú eloszlást követ. Az egyes statisztikákra kapott értékeket minden egyes esetben összehasonlítjuk a megfelelő elméleti eloszlással, így olyan szignifikancia értéket kapunk, amely lehetővé teszi a homogenitás hipotézisének elutasítását (p 0,05). Ez azonban alacsony statisztikai erővel rendelkező teszt, így a nem szignifikáns eredmény általában nem elegendő annak megállapítására, hogy a vizsgálatok között nincs heterogenitás, és ezt a lehetőséget más, főként grafikus típusú módszerekkel kell megvizsgálni, mint pl. a Galbraith-diagram vagy a L'Abbé-diagram.
Egyrészt a Galbraith grafikon az egyes vizsgálatok pontosságát (a hatásbecslés standard hibájának inverzét) képviseli a standardizált hatással szemben (azaz a hatásbecslés elosztva annak standard hibájával). Az ezekre a pontokra illesztett regressziós vonal és egy konfidencia sáv is megjelenik, így az összes pontnak ezen a sávon belül kell lennie. Ezeken a megbízhatósági határokon kívül eső pontok azok, amelyek hozzájárulnak az elemzés legnagyobb változékonyságához. Ezenkívül a metaanalízisben nagyobb súlyú tanulmányok lesznek a legpontosabbak, ezért a grafikon jobb oldalán azonosíthatók.
A L’Abbé gráf egy másik hasznos eszköz bináris válasz esetén történő munkavégzés esetén (például egy új kezelésre adott válasz szemben egy másik standarddal). Ez a kontrollcsoport eseményeinek arányát mutatja a kezelési csoport eseményeinek arányában. A grafikon egyes pontjai tehát a különböző vizsgálatoknak megfelelő relatív kockázatot képviselik, így a grafikon két részre osztó átlója az egyik oldalon a kezelési csoport számára kedvező, a másikon a kezelési csoport számára kedvező vizsgálatokat hagyja. csoport. A szórt pontok jelenléte, amelyek nem párhuzamosan helyezkednek el az átlóval, jelzi a lehetséges heterogenitást.
A fentiek szemléltetésére egy hipotetikus példát veszünk figyelembe, amelyben 10 klinikai vizsgálat metaanalízisét szeretnénk elvégezni, amelyek megpróbálják értékelni egy új gyógyszer hatékonyságát egy bizonyos betegség kezelésében. Az összes vizsgálatban a betegeket randomizálták a kísérleti gyógyszer (kezelési csoport) vagy a szokásos kezelés (kontroll csoport) kezelésére, minden csoportban megszámolva a betegségből felépült betegek számát. A válaszváltozó tehát gyógyítás, a hatás mértéke pedig a relatív kockázat (). A példához használt adatokat az 1. táblázat mutatja.
A Der Simonian és Laird teszt 95% -os konfidenciaszint mellett nem tárja fel a heterogenitás statisztikai bizonyítékát (Q = 14,401; p = 0,109). A Galbraith és a L'Abbé grafikonok azonban bizonyos fokú heterogenitást sugallnak, az egyik vizsgálatban az első a megbízhatósági sávon kívül esik (amelyik a hatás alacsonyabb becslését nyújtja), és olyan pontokkal, amelyek nem illeszkednek egy egyenes a L'Abbé grafikonon (1. és 2. ábra).
Statisztikai módszerek az eredmények kombinálásához
A metaanalízishez rendelkezésre álló különböző módszerek közötti különbségek ellenére mindegyikük hasonló sémát követ. A legtöbb esetben a kombinált hatás becslését az egyes vizsgálatok becsléseinek súlyozott átlagaként számítják ki, ahol a súlyokat az egyes munkák pontossága alapján hozzárendelik. Így azok a vizsgálatok, amelyeknél a válasz változóbb vagy kisebb a minta mérete, kisebb mértékben járulnak hozzá a globális becsléshez.
Alapvetően a gyakorlatban leggyakrabban alkalmazott statisztikai módszerek két csoportba sorolhatók, attól függően, hogy az elemzés során figyelembe veszik-e a vizsgálatok közötti heterogenitást vagy sem: véletlenszerű effektus modellek és a rögzített hatású modellek.
a) Fix hatású modellek.
A rögzített hatások modelljében feltételezzük, hogy a felülvizsgálatban szereplő vizsgálatok között nincs heterogenitás, így mindegyikük ugyanazt a hatást becsüli, és a megfigyelt különbségek kizárólag a véletlennek köszönhetők.