encyklopedia.space

Metaanaliza

Metaanaliza (z greckiego meta „poza, poza granicami” oraz łacińskiego analysis „rozbiór”) jest metodą statystyczną służącą do łączenia wyników wielu niezależnych badań w celu uzyskania jednego, bardziej precyzyjnego szacunku efektu badanej zależności. Metaanaliza jest kluczowym elementem systematycznego przeglądu literatury i stanowi podstawę medycyny opartej na dowodach.

Definicja i cele

Celem metaanalizy jest:

  • zwiększenie mocy statystycznej poprzez połączenie dużej liczby obserwacji,
  • oszacowanie wielkości efektu (np. odsetek, średnia, iloraz ryzyka),
  • zbadanie heterogeniczności wyników pomiędzy badaniami,
  • identyfikacja czynników moderujących (np. wiek, płeć, dawka leku),
  • ocena potencjalnych błędów publikacyjnych, takich jak bias wyborczy czy bias publikacyjny.

Historia

Pierwsze prace przypominające współczesną metaanalizę pojawiły się w latach 1960–1970. Termin „metaanaliza” został wprowadzony przez Gene Green i Burtona Goodman w 1980 roku w kontekście badań ekonometrycznych. W kolejnych dekadach, zwłaszcza po publikacji wytycznych Cochrane w 1992 roku, metaanaliza stała się standardowym narzędziem w badaniach klinicznych i psychologii.

Podstawowe elementy metodologiczne

Wybór i kwalifikacja badań

Proces rozpoczyna się od sformalizowanego przeszukania baz danych (np. PubMed, EMBASE) oraz określenia kryteriów włączenia i wykluczenia. Każde badanie jest poddawane ocenie jakości metodologicznej przy użyciu narzędzi takich jak skala Jadada czy risk of bias.

Ekstrakcja danych i standaryzacja

Dane liczbowe (np. liczba zdarzeń, średnie, odchylenia standardowe) są wyodrębniane i przeliczane na jednolitą miarę efektu, najczęściej na standaryzowany współczynnik różnicy średnich lub iloraz szans.

Modelowanie statystyczne

Metaanalizy mogą korzystać z dwóch podstawowych modeli:

  • Model stałego efektu – zakłada, że wszystkie badania mierzą ten sam, prawdziwy efekt; różnice wyników wynikają wyłącznie z losowego szumu.
  • Model losowego efektu – przyjmuje, że prawdziwy efekt może różnić się pomiędzy badaniami, co odzwierciedla heterogeniczność (np. różnice w populacji, interwencjach, protokołach).

Ocena heterogeniczności

Do pomiaru stopnia niejednorodności używa się statystyk Q (test Cochran’a) oraz I². Wysokie I² (>50 %) sugeruje istotną heterogeniczność i wymaga dalszej analizy podgrupowej lub meta-regresji.

Meta-regresja i analizy podgrupowe

Meta-regresja (z regresją liniową) pozwala na badanie wpływu zmiennych moderatorowych (np. dawka leku, rok publikacji) na wielkość efektu. Analizy podgrupowe dzielą badania na kategorie i oceniają, czy efekt różni się pomiędzy nimi.

Badanie biasu publikacyjnego

Typowo stosuje się wykresy lejkowe (funnel plot) oraz testy statystyczne (np. test Eggera, test Begga) do wykrywania asymetrii sugerującej selektywną publikację wyników.

Zastosowania

Metaanalizy znajdują zastosowanie w wielu dziedzinach:

  • Medycyna – ocena skuteczności leków, procedur chirurgicznych, terapii zachowawczych.
  • Psychologia – podsumowanie badań nad interwencjami psychoterapeutycznymi.
  • Ekonomia – łączenie wyników badań eksperymentalnych i obserwacyjnych.
  • Ekologia – synteza efektów interwencji ochronnych.
  • Edukacja – ocena efektywności metod nauczania.

Krytyka i ograniczenia

Choć metaanaliza jest potężnym narzędziem, jej wyniki mogą być ograniczone:

  • Jakość włączonych badań – „śmieci w, śmieci out”.
  • Publikacyjne biasy prowadzące do przeszacowania efektu.
  • Problem „pseudoreplikacji” – wielokrotne wliczanie tych samych danych.
  • Interpretacja heterogeniczności bez odpowiedniej analizy podgrupowej.
  • Wybór modelu (stały vs. losowy) może znacząco wpłynąć na szacunkowy efekt.

Standardy i wytyczne

Do najważniejszych zaleceń opracowano:

  • PRISMA (Preferred Reporting Items for Systematic Reviews and Meta‑Analyses) – wytyczne dotyczące raportowania.
  • MOOSE (Meta‑analysis of Observational Studies in Epidemiology) – standardy dla badań obserwacyjnych.
  • Instrukcje Cochrane Handbook for Systematic Reviews of Interventions.

Przykładowy schemat przeprowadzenia metaanalizy

  1. Formułowanie pytania badawczego (PICO).
  2. Systematyczne przeszukanie literatury.
  3. Wstępna selekcja badań i ocena ich jakości.
  4. Ekstrakcja i standaryzacja danych.
  5. Wybór odpowiedniego modelu statystycznego.
  6. Ocena heterogeniczności i ewentualna meta‑regresja.
  7. Badanie biasu publikacyjnego.
  8. Interpretacja wyników i ich prezentacja (np. wykres lejkowy, forest plot).
  9. Wnioskowanie i formułowanie zaleceń praktycznych.

Bibliografia

W literaturze tematu wyróżnia się następujące pozycje:

  • Green, G., & Goodman, S. (1980). Meta‑analysis of clinical trials. JAMA.
  • Higgins, J. P. T., & Thompson, S. G. (2002). Quantifying heterogeneity in a meta‑analysis. Statistical Methods in Medical Research.
  • Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). PRISMA statement. PLoS Med.
  • Higgins, J. P. T., Thomas, J., Chandler, J., et al. (Edycja 2022). Cochrane Handbook for Systematic Reviews of Interventions.