Studies samenvoegen (meta-analyse)

Kort

Een meta-analyse vat de resultaten van meerdere studies samen tot één totaalresultaat. De gegevens zijn hier studies, geen personen: één rij per studie. Statable berekent met R (metafor) een random-effectsmodel met REML, met de toets en de intervallen volgens de Knapp-Hartung-aanpassing (aanbevolen bij weinig studies). R wordt de eerste keer eenmalig geladen.

Kies welke gegevens je uit de studies hebt: effect met standaardfout of interval, twee groepen (gemiddelde, SD, n) of correlatie r met n.
Voer de studies in of plak ze uit een spreadsheet. Staan de studies al in je gegevens, wijs dan de kolommen toe.
“Berekenen”. Het voorbeeld “BCG-vaccin” laat het verloop zien.

Met „Moderator toevoegen” (tot drie getallen per studie, bijvoorbeeld jaar of duur) rekent Statable ook een meta-regressie. Vuistregel: minstens 10 studies per moderator. Moderatoren tonen een samenhang, geen oorzaak.

Het resultaat lezen

Gepoold effect (pooled effect) met 95%-interval en t-toets (Knapp-Hartung): het gewogen gemiddelde; nauwkeurige studies tellen zwaarder.
Heterogeniteit: Q, I² en τ² met interval. Hoog betekent dat de studies echt verschillen.
Voorspellingsinterval (in de hoofdzin): waar het ware effect van een nieuwe, vergelijkbare studie waarschijnlijk ligt; breder dan het betrouwbaarheidsinterval, omdat het ook de variatie tussen studies meeneemt.
Forestplot: vierkanten naar gewicht, een ruit voor het gepoolde effect (pooled effect). Funnelplot met Egger-toets: wijst erop of kleine studies andere effecten laten zien dan grote. Dat kan aan niet-gepubliceerde studies liggen, maar ook aan echte verschillen tussen de studies of aan toeval.

Voorwaarden en grenzen

De studies meten dezelfde uitkomst, en geen enkele steekproef maakt deel uit van twee studies.
Onder 5 studies is de variantie tussen de studies (τ²) zeer onzeker; onder 10 zegt de Egger-toets weinig (Sterne en collega’s, 2011).
Verhoudingsmaten (odds ratio, relatief risico) worden als logaritmen ingevoerd; Statable toont ze teruggerekend.
Een meta-analyse verbetert zwakke studies niet en bewijst geen oorzaken.

Meta-analyse (random-effectsmodel, REML): r = ,15, 95%-BI [,08; ,22], t(15) = 4,57, p < ,001; Q(15) = 38,16, p < ,001; I² = 62%; τ² = 0,008 (k = 16)

Typische voorbeelden

Tien studies over een leestraining, elk met een effectgrootte en een standaardfout: gepoold effect (pooled effect), forestplot en I².
Studies met odds ratio’s: gepoolde odds ratio.

Voor specialisten

metafor::rma met REML en Knapp-Hartung (test "knha") als standaard: bij 4 tot 10 studies zijn z-intervallen te smal (IntHout, Ioannidis en Borm, 2014; Cochrane Handbook 6.4). Zonder de aanpassing (vinkje onder “Voor specialisten”) rekent Statable zoals JASP met z. τ², τ en I² met interval via confint. Voorspellingsinterval met predict; de variant van IntHout et al. (2016) met t(k − 2) staat onder “Voor specialisten”. Hedges’ g via escalc "SMD", correlaties via Fisher z. Egger: regtest met model "lm".