Metaanaliza

Wizualizacja wyników pojedynczych badań typu forest plot w przeglądzie publikacji na temat schizofrenii

Metaanaliza – pojęcie z zakresu analizy danych i wnioskowania statystycznego, określające wtórne odkrywanie wiedzy metodą uogólniania informacji zawartych w publikacjach czy źródłach pierwotnych[1].

Najczęściej metaanaliza przybiera postać przeglądu systematycznego literatury z jakiegoś obszaru, wzbogaconego o analizę (najczęściej statystyczną) uzyskanych wcześniej wyników, wnioskowanie i podsumowanie. Uważa się, że metaanaliza jest samodzielnym i pełnoprawnym rodzajem badania naukowego (z ang. integrative research lub literature-based discovery). Narzędzie to pozwala określić, jakie wnioski płyną z całości publikacji z danego tematu, dając dokładniejszą i szerszą wiedzę niż analizowanie pojedynczych badań. Pojęcie ukuł Gene V. Glass w 1976 r., zaś spopularyzował w 1978 r. Robert Rosenthal, choć proste metody tego typu opisywano już wcześniej, jak np. test łączonego prawdopodobieństwa Ronalda Fishera[2][3].

Metaanaliza uprawnia do wyciągania pewniejszych wniosków ze zbioru badań, zwłaszcza oszacowań wielkości efektu, niż bardziej nieformalne metody, takie jak najprostsze zliczanie wyników badań „za” i „przeciwko” hipotezie[4]. Do porównywania kilku metod postępowania jednocześnie może służyć metaanaliza sieciowa[5][6].

Typowa procedura

Funnel plot z metaanalizy badań nad zjawiskiem zagrożenia stereotypem u nastolatek, sugerujący obecność w literaturze tendencyjności publikacji, ze względu na obecność grupy wyników wykraczających poza oczekiwaną symetrię

Procedura metaanalityczna ma najczęściej podobną postać:

  1. Zadeklarowanie a priori tematu przeglądu, kryteriów wyboru publikacji i procedury analitycznej
  2. Zebranie wszystkich prac spełniających kryteria i sporządzenie wyciągu z ich analiz statystycznych
  3. Zbadanie homogeniczności wyników badań
  4. Zestawienie i wizualizacja wyników (np. forest plot)
  5. Jeśli potrzeba, redukcja heterogeniczności badań
  6. Obliczenie ogólnego współczynnika wielkości efektu z wyników badań
  7. Analiza wariancji wielkości efektu w zależności od charakterystyki badań[7]

Inne często spotykane elementy to narzędzia kontroli jakości metodologicznej i tendencyjności publikacji, jak funnel plot[8] i P-curve[9][10]. W oparciu o ich wyniki można, jeśli jest taka potrzeba, przedstawić ogólną wielkość efektu z poprawką na błędy metodologiczne.

Narzędzia

Do wykonywania metaanaliz można używać pakietu meta w języku R.

Zobacz też

Przypisy

  1. ↑ Editors: Julian PT Higgins and Sally Green: Cochrane Handbook for Systematic Reviews of Interventions (ang.). Version 5.1.0 [updated March 2011]. [dostęp 2014-02-19].
  2. ↑ Robert Rosenthal, Combining results of independent studies., „Psychological Bulletin”, 85 (1), 1978, s. 185–193, DOI: 10.1037/0033-2909.85.1.185, ISSN 1939-1455 [dostęp 2017-01-16].1 stycznia
  3. ↑ Fisher i inni, Statistical methods for research workers., Oliver and Boyd, 1925, ISBN 0-05-002170-2.
  4. ↑ Michael Borenstein i inni, Introduction to Meta-Analysis, John Wiley & Sons, 24 sierpnia 2011, s. 270 i następne, ISBN 978-1-119-96437-7 [dostęp 2017-01-16] (ang.).
  5. ↑ Majumdar A, Roccarina D, Thorburn D et al. Management of people with early- or very early-stage hepatocellular carcinoma: an attempted network meta-analysis. „Cochrane Database Syst Rev.”, 2017 Mar 28. DOI: 10.1002/14651858.CD011650.pub2. PMID: 28351116 (ang.). 
  6. ↑ Romina Brignardello-Petersen , Bram Rochwerg, Gordon H. Guyatt et al. What is a network meta-analysis and how can we use it to inform clinical practice?. „Polskie Archiwum Medycyny Wewnętrznej”. 124 (12), s. 659-660, 2014 (ang.). [dostęp 2017-03-31]. 
  7. ↑ Paweł Kleka, Statystyczne kryteria przydatności raportu z badań do metaanalizy, Jerzy Marian Brzeziński (red.), [w:] Metodologia badań społecznych. Wybór tekstów, Poznań: Zysk i S-ka Wydawnictwo, 2011.???
  8. ↑ Jonathan A.C Sterne, Matthias Egger, Funnel plots for detecting bias in meta-analysis, „Journal of Clinical Epidemiology”, 54 (10), s. 1046–1055, DOI: 10.1016/s0895-4356(01)00377-8.
  9. ↑ Uri Simonsohn, Leif D. Nelson, Joseph P. Simmons, P-Curve: A Key to the File Drawer, Rochester, NY: Social Science Research Network, 24 kwietnia 2013 [dostęp 2017-01-16].
  10. ↑ Uri Simonsohn, Joseph P. Simmons, Leif D. Nelson, Better P-Curves: Making P-Curve Analysis More Robust to Errors, Fraud, and Ambitious P-Hacking, A Reply to Ulrich and Miller, Rochester, NY: Social Science Research Network, 10 lipca 2015 [dostęp 2017-01-16].

Media użyte na tej stronie

Schizophrenia-and-Violence-Systematic-Review-and-Meta-Analysis-pmed.1000120.g008.jpg
Autor: Fazel S, Gulati G, Linsell L, Geddes J, Grann M, Licencja: CC BY 3.0
Note: Psychoses studies include individuals with psychotic disorders of both genders with and without substance abuse comorbidity. Substance abuse studies involve risk estimates of violence in individuals of both genders with a diagnosis of substance abuse.
FloreAndWicherts2015 meta analysis sex stereotype threat.png
Autor: Tim bates, Licencja: CC BY-SA 4.0
Recreation in R of a plot based on original work by Flore, P. C., & Wicherts, J. M. (2015). Does stereotype threat influence performance of girls in stereotyped domains? A meta-analysis. J Sch Psychol, 53(1), 25-44. doi: 10.1016/j.jsp.2014.10.002