Riunire più studi (metanalisi)

In breve

Una metanalisi riunisce i risultati di più studi in un unico risultato complessivo. Qui i dati sono studi, non persone: una riga per studio. Statable calcola con R (metafor) un modello a effetti casuali con REML, con test e intervalli secondo la correzione di Knapp-Hartung (Knapp-Hartung adjustment) (raccomandata con pochi studi). R viene caricato una sola volta, la prima volta.

1. Scegli ciò che hai dagli studi: effetto con errore standard o intervallo, due gruppi (media, SD, n) oppure correlazione r con n.
2. Inserisci gli studi oppure incollali da un foglio di calcolo. Se gli studi sono già nei tuoi dati, assegna le colonne.
3. Calcola. L’esempio «Vaccino BCG» mostra i passaggi.

Con «Aggiungi moderatore» (fino a tre numeri per studio, per esempio l’anno o la durata) Statable calcola anche una meta-regressione. Regola pratica: almeno 10 studi per moderatore. I moderatori mostrano un’associazione, non una causa.

Leggere il risultato

• Effetto complessivo con intervallo al 95% e test t (Knapp-Hartung): la media ponderata; gli studi precisi contano di più.
• Eterogeneità: Q, I² e τ² con intervallo. Un valore alto significa che gli studi differiscono davvero.
• Intervallo di previsione (nella frase principale): dove probabilmente si colloca l’effetto vero di un nuovo studio comparabile; più ampio dell’intervallo di confidenza perché include la variazione tra gli studi.
• Forest plot: quadrati in base al peso, un rombo per l’effetto combinato. Funnel plot con test di Egger: indica se gli studi piccoli mostrano effetti diversi da quelli grandi. Può dipendere da studi non pubblicati, ma anche da vere differenze tra gli studi o dal caso.

Requisiti e limiti

• Gli studi misurano lo stesso esito, e nessun campione fa parte di due studi.
• Sotto 5 studi la varianza tra gli studi (τ²) è molto incerta; sotto 10 il test di Egger dice poco (Sterne e colleghi, 2011).
• Le misure di rapporto (odds ratio, rischio relativo) si inseriscono come logaritmi; Statable le mostra ritrasformate.
• Una metanalisi non migliora gli studi deboli e non stabilisce cause.

Metanalisi (modello a effetti casuali, REML): r = ,15, IC al 95% [,08; ,22], t(15) = 4,57, p < ,001; Q(15) = 38,16, p < ,001; I² = 62%; τ² = 0,008 (k = 16)

Esempi tipici

• Dieci studi su un training di lettura, ciascuno con una dimensione dell’effetto e un errore standard: effetto complessivo, forest plot e I².
• Studi con odds ratio: odds ratio complessivo.

Per specialisti

metafor::rma con REML e Knapp-Hartung (test "knha") come impostazione predefinita: con da 4 a 10 studi gli intervalli z sono troppo stretti (IntHout, Ioannidis e Borm, 2014; Cochrane Handbook 6.4). Senza la correzione (casella in «Per specialisti») Statable calcola come JASP con z. τ², τ e I² con intervallo tramite confint. Intervallo di previsione con predict; la variante di IntHout et al. (2016) con t(k − 2) si trova in «Per specialisti». g di Hedges tramite escalc "SMD", correlazioni tramite z di Fisher. Egger: regtest con model "lm".