Tanulmányok összevonása (metaanalízis)

Röviden

A metaanalízis több tanulmány eredményét egyetlen összesített eredménnyé foglalja össze. Az adatok itt tanulmányok, nem személyek: tanulmányonként egy sor. A Statable R-rel (metafor) véletlen hatású modellt számol REML-lel, a próbát és az intervallumokat Knapp-Hartung-korrekcióval (kevés tanulmánynál ajánlott). Az R-t első alkalommal egyszer tölti be.

1. Válaszd ki, mid van a tanulmányokból: hatás standard hibával vagy intervallummal, két csoport (átlag, SD, n) vagy r korreláció n-nel.
2. Add meg a tanulmányokat, vagy illeszd be őket egy táblázatkezelőből. Ha a tanulmányok már az adataidban vannak, rendeld hozzá az oszlopokat.
3. Számítás. A „BCG-oltás” példa megmutatja a lépéseket.

A „Moderátor hozzáadása” (vizsgálatonként legfeljebb három szám, például az év vagy az időtartam) esetén a Statable metaregressziót is számol. Ökölszabály: moderátoronként legalább 10 vizsgálat. A moderátorok összefüggést mutatnak, nem okot.

Az eredmény értelmezése

• Összevont hatás (pooled effect) 95%-os intervallummal és t-próbával (Knapp-Hartung): a súlyozott átlag; a pontos tanulmányok többet számítanak.
• Heterogenitás: Q, I² és τ² intervallummal. Magas érték azt jelenti: a tanulmányok valóban különböznek.
• Előrejelzési intervallum (forecast interval) (a fő mondatban): ahol egy új, összehasonlítható tanulmány valódi hatása valószínűleg van; szélesebb a konfidenciaintervallumnál, mert a tanulmányok közötti szóródást is tartalmazza.
• Erdődiagram (forest plot): a négyzetek súly szerint, rombusz az összevont hatáshoz (pooled effect). Tölcsérdiagram (funnel plot) Egger-próbával: jelzi, hogy a kis tanulmányok más hatást mutatnak-e, mint a nagyok. Ez publikálatlan tanulmányokból is adódhat, de a tanulmányok közötti valódi különbségekből vagy a véletlenből is.

Feltételek és korlátok

• A tanulmányok ugyanazt a kimenetet mérik, és egyik minta sem része két tanulmánynak.
• 5 tanulmány alatt a tanulmányok közötti variancia (τ²) nagyon bizonytalan; 10 alatt az Egger-próba keveset mond (Sterne és munkatársai, 2011).
• Az arányos mérőszámokat (esélyhányados, relatív kockázat) logaritmusként kell megadni; a Statable visszaszámítva mutatja őket.
• A metaanalízis nem javítja meg a gyenge tanulmányokat, és nem bizonyít okokat.

Metaanalízis (véletlen hatású modell, REML): r = ,15, 95%-os KI [,08; ,22], t(15) = 4,57, p < ,001; Q(15) = 38,16, p < ,001; I² = 62%; τ² = 0,008 (k = 16)

Tipikus példák

• Tíz tanulmány egy olvasástréningről, mindegyik hatásnagysággal és standard hibával: összevont hatás (pooled effect), erdődiagram és I².
• Esélyhányadossal megadott tanulmányok: összevont esélyhányados.

Szakembereknek

metafor::rma REML-lel és Knapp-Hartung-korrekcióval (test "knha") alapértelmezésként: 4-10 tanulmánynál a z-intervallumok túl szűkek (IntHout, Ioannidis és Borm, 2014; Cochrane Handbook 6.4). A korrekció nélkül (jelölőnégyzet a „Szakembereknek” alatt) a Statable a JASP-hoz hasonlóan z-vel számol. τ², τ és I² intervallummal, a confint segítségével. Előrejelzési intervallum (forecast interval) a predict segítségével; az IntHout et al. (2016) szerinti, t(k − 2) alapú változat a „Szakembereknek” alatt található. Hedges-féle g az escalc „SMD” segítségével, korrelációk Fisher-féle z-vel. Egger: regtest, model "lm".