متاآنالیز در تحقیقات پزشکی

آنا-بتنا هایدیچ ، گروه بهداشت و اپیدمیولوژی ارسطو دانشگاه تسالونیکی ، دانشکده پزشکی ، 54124 تسالونیکی ، یونان ، تلفن: +302310-999143 ، فکس: +302310-999701 rg. htua. dem. dem@hcidihem@hcidih. htua. dem@hcidiha. htua. dem@hcidiha

چکیده

اهداف این مقاله ارائه مقدمه ای برای متاآنالیز و بحث در مورد دلیل این نوع تحقیق و سایر ملاحظات کلی است. روشهای مورد استفاده برای تولید متاآنالیز دقیق برجسته شده و برخی از جنبه های ارائه و تفسیر متاآنالیز مورد بحث قرار گرفته است.

متاآنالیز یک طرح مطالعه کمی ، رسمی ، اپیدمیولوژیک است که برای ارزیابی منظم مطالعات تحقیقاتی قبلی برای به دست آوردن نتیجه گیری در مورد آن بدنه تحقیق استفاده می شود. نتایج حاصل از یک متاآنالیز ممکن است شامل یک تخمین دقیق تر از تأثیر درمان یا عامل خطر برای بیماری یا سایر نتایج ، از هر مطالعه فردی باشد که به تجزیه و تحلیل جمع شده کمک می کند. بررسی تغییرپذیری یا ناهمگونی در نتایج مطالعه نیز یک نتیجه مهم است. فواید متاآنالیز شامل یک بررسی تلفیقی و کمی از یک ادبیات بزرگ و اغلب پیچیده و اغلب ظاهراً متناقض است. مشخصات نتیجه و فرضیه هایی که مورد آزمایش قرار می گیرند ، برای انجام متاآنالیزها بسیار مهم است ، همانطور که یک جستجوی ادبیات حساس است. عدم شناسایی اکثر مطالعات موجود می تواند منجر به نتیجه گیری نادرست شود. با این حال ، روش هایی برای بررسی داده ها برای شناسایی پتانسیل برای از دست دادن مطالعات وجود دارد. به عنوان مثال ، با استفاده از توطئه های قیف. متاآنالیزهای دقیق انجام شده ابزارهای مفیدی در پزشکی مبتنی بر شواهد هستند. نیاز به ادغام یافته های بسیاری از مطالعات تضمین می کند که تحقیقات متاآنالیز مطلوب است و بدنه بزرگی از تحقیقات که اکنون انجام شده است ، انجام این تحقیق را امکان پذیر می کند.

واژه‌های کلیدی: متاآنالیز ، بررسی سیستماتیک ، کارآزمایی بالینی تصادفی ، تعصب ، کیفیت ، پزشکی مبتنی بر شواهد

سؤالات مهم پزشکی به طور معمول بیش از یک بار ، اغلب توسط تیم های تحقیقاتی مختلف در مکان های مختلف مورد مطالعه قرار می گیرد. در بسیاری از موارد ، نتایج این مطالعات کوچک چندگانه در مورد یک موضوع متنوع و متناقض است ، که تصمیم گیری بالینی را دشوار می کند. نیاز به رسیدن به تصمیمات مؤثر بر عمل بالینی ، باعث افزایش حرکت به سمت "داروی مبتنی بر شواهد" 1-2 شد. پزشکی مبتنی بر شواهد ممکن است به عنوان رویکرد سیستماتیک ، کمی ، ترجیحی تجربی برای به دست آوردن و استفاده از اطلاعات پزشکی تعریف شود. بنابراین ، متاآنالیز ، یک روش آماری که نتایج چندین مطالعه مستقل را ادغام می کند ، نقش اساسی در پزشکی مبتنی بر شواهد دارد. در حقیقت ، در سلسله مراتب شواهد (شکل 1) ، که در آن شواهد بالینی با توجه به قدرت آزادی از تعصبات مختلفی که در تحقیقات پزشکی وجود دارد ، در رده بندی قرار می گیرد ، متاآنالیزها در صدر قرار دارند. در مقابل ، تحقیقات حیوانات ، مطالعات آزمایشگاهی ، سری مورد و گزارش های موردی از نظر بالینی کمی به عنوان اثبات ، از این رو در پایین قرار دارند.

متاآنالیز تا اواخر دهه 1970 به طور مرتب در ادبیات پزشکی ظاهر نمی شود ، اما از آن زمان تعداد زیادی از متاآنالیزها پدید آمده و رشد با گذشت زمان نمایی است (شکل 2) 3. علاوه بر این ، نشان داده شده است که متاآنالیزها بیشترین استناد به تحقیقات بالینی 4 هستند. با این حال ، شایستگی ها و خطرات روش تا حدودی مرموز متاآنالیز ، همچنان در جامعه پزشکی 5-8 مورد بحث و گفتگو قرار می گیرد. اهداف این مقاله معرفی متاآنالیز و بحث در مورد دلیل این نوع تحقیق و سایر ملاحظات کلی است.

تعداد تجمعی نشریات در مورد متاآنالیز با گذشت زمان ، تا 17 دسامبر 2009 (نتایج جستجوی Medline با استفاده از متن "متاآنالیز")

بررسی متاآنالیز و بررسی سیستماتیک

شیشه برای اولین بار متاآنالیز در ادبیات علوم اجتماعی را به عنوان "تجزیه و تحلیل آماری مجموعه بزرگی از تجزیه و تحلیل از مطالعات فردی به منظور ادغام یافته ها" تعریف کرد. متاآنالیز یک طرح مطالعه کمی ، رسمی ، اپیدمیولوژیک است که برای ارزیابی سیستماتیک نتایج تحقیقات قبلی برای به دست آوردن نتیجه گیری در مورد آن بدنه تحقیق استفاده می شود. به طور معمول ، اما نه لزوماً ، این مطالعه بر اساس کارآزمایی های بالینی کنترل شده و کنترل شده انجام می شود. نتایج حاصل از یک متاآنالیز ممکن است شامل یک تخمین دقیق تر از تأثیر درمان یا عامل خطر برای بیماری یا سایر نتایج ، از هر مطالعه فردی باشد که به تجزیه و تحلیل جمع شده کمک می کند. شناسایی منابع تغییر در پاسخ ها. یعنی بررسی ناهمگونی گروهی از مطالعات و تعمیم پذیری پاسخ ها می تواند منجر به درمان های مؤثرتر یا اصلاحات در مدیریت شود. بررسی ناهمگونی شاید مهمترین کار در متاآنالیز باشد. همکاری کوکران یک رهبر دیرینه ، سختگیرانه و نوآورانه در توسعه روشهای در زمینه 10 بوده است. مشارکتهای عمده شامل توسعه پروتکل هایی است که ساختار روشهای جستجوی ادبیات را فراهم می کند ، و روشهای جدید و گسترده تحلیلی و تشخیصی برای ارزیابی خروجی متاآنالیزها. استفاده از روشهای ذکر شده در کتاب باید یک رویکرد مداوم برای انجام متاآنالیز ارائه دهد. علاوه بر این ، یک راهنمای مفید برای بهبود گزارش از بررسی های سیستماتیک و متاآنالیزها ، بیانیه PRISMA (گزارش های ارجح برای بررسی های سیستماتیک و متاآنالیزها) است که جایگزین QUOROM (کیفیت گزارش متاآنالیزها) بیانیه 11-13 است.

متاآنالیزها زیر مجموعه ای از بررسی سیستماتیک هستند. یک بررسی سیستماتیک تلاش می کند تا شواهد تجربی را جمع کند که متناسب با معیارهای واجد شرایط بودن از پیش تعیین شده برای پاسخ به یک سؤال تحقیقاتی خاص است. ویژگی های کلیدی یک بررسی سیستماتیک مجموعه ای به وضوح بیان شده با معیارهای واجد شرایط از پیش تعریف شده برای مطالعات است. یک روش صریح و قابل تکرار ؛یک جستجوی سیستماتیک که سعی در شناسایی کلیه مطالعاتی دارد که معیارهای واجد شرایط بودن را برآورده می کند. ارزیابی اعتبار یافته های مطالعات شامل (به عنوان مثال ، از طریق ارزیابی خطر تعصب). و ارائه سیستماتیک و سنتز ویژگی ها و یافته های حاصل از مطالعات مورد استفاده. از روشهای سیستماتیک برای به حداقل رساندن تعصب استفاده می شود ، بنابراین یافته های قابل اطمینان تری را ارائه می دهد که از آن می توان نتیجه گیری را ترسیم کرد و تصمیمات گرفته شده از روشهای بررسی سنتی 14 ، 15. بررسی های سیستماتیک نیازی به متاآنالیز ندارد ، زمانهایی که مناسب یا ممکن نیست. با این حال ، بسیاری از بررسی های سیستماتیک حاوی متاآنالیز 16 هستند.

گنجاندن مطالعات پزشکی مشاهده ای در متاآنالیزها منجر به بحث قابل توجهی در مورد اعتبار رویکردهای متاآنالیز شد ، زیرا لزوماً این نگرانی وجود دارد که مطالعات مشاهده ای احتمالاً تحت منابع ناشناس از اصلاح و اصلاح خطر قرار می گیرد. جمع آوری چنین یافته هایی ممکن است منجر به نتایج خاص تر نشود. علاوه بر این ، یک مطالعه تجربی نشان داد که در متاآنالیزها هر دو تصادفی بودند و غیر تصادفی بودند ، مطالعات غیر تصادفی تمایل به نشان دادن اثرات درمانی بزرگتر 18.

متاآنالیزها برای ارزیابی قدرت شواهد موجود در یک بیماری و درمان انجام می شود. یک هدف این است که تعیین کنید که آیا اثر وجود دارد یا خیر. هدف دیگر تعیین این است که آیا اثر مثبت یا منفی است و از نظر ایده آل ، به دست آوردن یک برآورد خلاصه واحد از اثر. نتایج یک متاآنالیز می تواند دقت تخمین های اثر را بهبود بخشد ، به سؤالاتی پاسخ دهد که توسط مطالعات فردی مطرح نشده است ، اختلافات ناشی از مطالعات ظاهراً متناقض را حل می کند و فرضیه های جدیدی ایجاد می کند. به طور خاص ، بررسی ناهمگونی برای توسعه فرضیه های جدید بسیار مهم است.

داده های فردی یا جمع شده

اکثر متاآنالیزها بر اساس یک سری مطالعات انجام می شود تا یک تخمین نقطه از اثر و اقدامات دقت آن برآورد را انجام دهد. با این حال ، روش هایی برای متاآنالیزها در داده های به دست آمده از آزمایشات اصلی 19 ، 20 انجام شده است. این رویکرد ممکن است "استاندارد طلا" در متاآنالیز در نظر گرفته شود زیرا مزایای تجزیه و تحلیل با استفاده از داده های جمع شده ، از جمله توانایی بیشتر در اعتبارسنجی کیفیت داده ها و انجام تجزیه و تحلیل آماری مناسب را ارائه می دهد. علاوه بر این ، کشف تفاوت در اثر در زیر گروه های موجود در جمعیت مورد مطالعه آسان تر از داده های جمع شده آسان تر است. استفاده از اطلاعات استاندارد در سطح فردی ممکن است به جلوگیری از مشکلات ناشی از متاآنالیز عوامل پیش آگهی 21 ، 22 کمک کند. این بهترین راه برای به دست آوردن تصویری جهانی تر از تاریخ طبیعی و پیش بینی کننده خطر برای نتایج مهم ، مانند اسکلرودرما 23 - 26 است. این رویکرد به همکاری بین محققانی که مطالعات مربوطه را انجام داده اند متکی است. محققانی که از پتانسیل مشارکت یا انجام این مطالعات آگاه هستند ، با نگهداری دقیق از پایگاه داده های اصلی و در دسترس بودن این موارد برای مطالعات آینده ، مزایای دیگری را ارائه می دهند و به دست می آورند.

جستجوی ادبیات

یک متاآنالیز صحیح با جستجوی ادبیات کامل و منظم مشخص می شود. تعریف روشنی از فرضیه های مورد بررسی، چارچوب چنین تحقیقی را فراهم می کند. طبق بیانیه PRISMA، یک بیانیه صریح از سوالاتی که با اشاره به شرکت کنندگان، مداخلات، مقایسه ها، نتایج و طراحی مطالعه (PICOS) مطرح می شوند، باید ارائه شود 11، 12. به دست آوردن تمام مطالعات مرتبط مهم است، زیرا از دست دادن مطالعات می تواند منجر به سوگیری در مطالعه شود. معمولاً مقالات و چکیده‌های منتشر شده با جستجوی ادبیات رایانه‌ای در پایگاه‌های داده الکترونیکی شناسایی می‌شوند که می‌تواند شامل PubMed (www. ncbi. nlm. nih. gov./entrez/query. fcgi)، ScienceDirect (www. sciencedirect. com)، Scirus (www. scirus. com/srsapp)، ISI Web of Knowledge (http://www. isiwebofknowledge. com)، Google Scholar (http://scholar. google. com) و CENTRAL (ثبت نام مرکزی کاکرین از آزمایشات کنترل شده، http://www. mrw. interscience. wiley. com/cochrane/cochrane_clcentral_articles_fs. htm). بیانیه PRISMA توصیه می کند که یک استراتژی جستجوی الکترونیکی کامل برای حداقل یک پایگاه داده اصلی ارائه شود 12 . جستجو در پایگاه داده باید با جستجوی دستی منابع کتابخانه ای برای مقالات، کتاب ها، چکیده ها و مجموعه مقالات مرتبط با کنفرانس تقویت شود. بررسی متقاطع منابع، استنادها در مقالات مروری و ارتباط با دانشمندانی که در زمینه مربوطه کار می‌کنند، روش‌های مهمی هستند که برای ارائه یک جستجوی جامع مورد استفاده قرار می‌گیرند. ارتباط با شرکت های دارویی تولید کننده و توزیع کننده محصولات آزمایشی می تواند برای مطالعاتی که استفاده از مداخلات دارویی را بررسی می کنند مناسب باشد.

یافتن مطلقاً هر مطالعه مرتبط در مورد یک موضوع امکان پذیر نیست. برخی یا حتی بسیاری از مطالعات ممکن است منتشر نشوند و آنهایی که منتشر شده‌اند ممکن است در پایگاه‌های اطلاعاتی قابل جستجوی رایانه‌ای نمایه‌سازی نشوند. منابع مفید برای کارآزمایی های منتشر نشده، ثبت کارآزمایی های بالینی، مانند وب سایت ClinicalTrials. gov کتابخانه ملی پزشکی هستند. بررسی ها باید حساس باشند. یعنی تا حد امکان مطالعات بیشتری را پیدا کنید تا سوگیری را به حداقل برسانید و کارآمد باشید. ممکن است مناسب باشد که یک فرضیه که مدت زمان انجام یک مطالعه را در نظر می گیرد یا یک زیرجمعیت خاص را هدف قرار دهیم. تصمیم گیری در مورد گنجاندن مطالعات منتشرنشده دشوار است. اگرچه زبان انتشار می تواند مشکلی ایجاد کند، اما غلبه بر این مشکل مهم است، مشروط بر اینکه جمعیت های مورد مطالعه با فرضیه مورد آزمایش مرتبط باشند.

معیارهای شمول یا حذف و پتانسیل برای تعصب

مطالعات برای فراتحلیل بر اساس معیارهای ورود انتخاب می شوند. اگر بیش از یک فرضیه برای آزمون وجود داشته باشد، معیارهای انتخاب جداگانه برای هر فرضیه باید تعریف شود. معیارهای ورود به طور ایده آل در مرحله توسعه اولیه پروتکل مطالعه تعریف می شوند. منطق معیارهای انتخاب مطالعه مورد استفاده باید به وضوح بیان شود.

یکی از منابع بالقوه مهم سوگیری در متاآنالیز، از دست دادن کارآزمایی ها و افراد است. در حالت ایده‌آل، همه افراد تصادفی‌سازی‌شده در همه مطالعات، تمام معیارهای انتخاب کارآزمایی را برآورده می‌کنند، از تمام مراحل کارآزمایی پیروی می‌کنند و داده‌های کاملی را ارائه می‌دهند. تحت این شرایط، اجرای یک تحلیل «قصد-برخورد» ساده است. یعنی، تجزیه و تحلیل آماری بر روی تمام موضوعاتی که در یک مطالعه ثبت نام کرده‌اند، انجام می‌شود، نه آن‌هایی که تمام مراحل مطالعه مطلوب را تکمیل می‌کنند. برخی از مطالعات تجربی نشان داده‌اند که برخی از ویژگی‌های روش‌شناختی، مانند پنهان‌کردن ضعیف تخصیص درمان یا عدم کور کردن در مطالعات، اثرات درمان را اغراق‌آمیز می‌کنند. بنابراین، ارزیابی انتقادی کیفیت مطالعات به منظور ارزیابی خطر سوگیری مهم است.

طراحی مطالعه، شامل جزئیات روش تصادفی‌سازی افراد در گروه‌های درمانی، معیارهای واجد شرایط بودن در مطالعه، کور کردن، روش ارزیابی نتیجه و رسیدگی به انحرافات پروتکل از ویژگی‌های مهم تعیین کننده کیفیت مطالعه هستند. هنگامی که مطالعات از یک متاآنالیز حذف می شوند، دلایل حذف باید برای هر مطالعه حذف شده ارائه شود. معمولاً بیش از یک ارزیاب به طور مستقل تصمیم می‌گیرند که کدام مطالعات را شامل یا حذف کنند، همراه با یک چک لیست کاملاً تعریف شده و رویه‌ای که در صورت مخالفت ارزیابان دنبال می‌شود. دو نفر که با موضوع مطالعه آشنا هستند ارزیابی کیفیت را برای هر مطالعه به طور مستقل انجام می دهند. به دنبال آن یک جلسه اجماع برای بحث در مورد مطالعات حذف شده یا گنجانده شده است. عملاً کور کردن بازبینان از جزئیات یک مطالعه مانند تألیف و منبع مجله دشوار است.

قبل از ارزیابی کیفیت مطالعه ، یک پروتکل ارزیابی کیفیت و فرم های داده باید تهیه شود. هدف از این فرایند کاهش خطر تعصب در برآورد اثر است. نمرات کیفیت که چندین مؤلفه را در یک تعداد واحد خلاصه می کنند ، اما گمراه کننده و بی فایده هستند. در عوض ، محققان باید از مؤلفه های فردی ارزیابی کیفیت استفاده کنند و آزمایشاتی را توصیف کنند که مطابق با استانداردهای کیفیت مشخص نباشد و احتمالاً تأثیر آن را با محرومیت از آنها ، به عنوان بخشی از تجزیه و تحلیل حساسیت ارزیابی می کنند.

علاوه بر این ، تمام مطالعات به دلیل نارسایی پروتکل ، نارسایی درمانی یا سایر عوامل انجام نمی شود. با این وجود ، افراد و مطالعات مفقود شده می توانند شواهد مهمی ارائه دهند. مطلوب است که داده ها را از کلیه کارآزمایی های تصادفی مربوطه بدست آورید ، به طوری که می توان مناسب ترین تجزیه و تحلیل را انجام داد. مطالعات قبلی در مورد اهمیت کارآزمایی های مفقود شده در تفسیر مطالعات مداخله در پزشکی 29 ، 30 مورد بحث قرار گرفته است. ویراستاران و داوران ژورنال باید از تعصب موجود در انتشار یافته های مثبت آگاه باشند و اطمینان حاصل کنند که مقالاتی که آزمایشات منفی یا حتی شکست خورده منتشر می شوند ، تا زمانی که اینها دستورالعملهای کیفیت برای انتشار را برآورده کنند.

مواردی وجود دارد که نویسندگان مقالات منتخب معیارهای مختلف نتیجه را برای تجزیه و تحلیل اصلی خود انتخاب کرده اند. در عمل ، ممکن است پس از بررسی کلیه مطالعات موجود از طریق استراتژی جستجو ، معیارهای ورود به متاآنالیز را تجدید نظر کند. تنوع در مطالعات نشان دهنده نوع طراحی مطالعه مورد استفاده ، نوع و کاربرد روشهای آزمایشی و کنترل است ، خواه این مطالعه منتشر شده باشد یا در صورت انتشار ، در معرض بررسی همسالان قرار گیرد و تعریف مورد استفاده برای نتیجه علاقه. هیچ معیار استانداردی برای گنجاندن مطالعات در متاآنالیز وجود ندارد. معیارهای جهانی مناسب نیستند ، زیرا متاآنالیز می تواند برای طیف گسترده ای از موضوعات اعمال شود. داده های منتشر شده در مقالات ژورنال نیز باید با مقالات کنفرانس بررسی شوند تا از تکرار در داده های ارائه شده جلوگیری شود.

بدیهی است ، مطالعات منتشر نشده با جستجوی ادبیات یافت نمی شود. این امکان وجود دارد که مطالعات منتشر شده از نظر سیستمی با مطالعات منتشر نشده متفاوت باشد. به عنوان مثال ، یافته های آزمایش مثبت ممکن است بیشتر منتشر شود. بنابراین ، یک متاآنالیز مبتنی بر نتایج جستجوی ادبیات به تنهایی ممکن است منجر به تعصب انتشار شود.

تلاش‌ها برای به حداقل رساندن این سوگیری احتمالی شامل کار از منابع در مطالعات منتشر شده، جستجو در پایگاه‌های اطلاعاتی رایانه‌ای از مطالب منتشر نشده، و بررسی سایر منابع اطلاعاتی از جمله مقالات کنفرانس، پایان‌نامه‌های فارغ‌التحصیل و ثبت کارآزمایی‌های بالینی است.

تحلیل آماری

رایج ترین معیارهای اثر مورد استفاده برای داده های دوگانه، نسبت ریسک (همچنین ریسک نسبی نامیده می شود) و نسبت شانس هستند. روش غالب مورد استفاده برای داده های پیوسته، برآورد تفاوت میانگین استاندارد شده (SMD) است. روش‌های مورد استفاده در متاآنالیز برای تحلیل تعقیبی یافته‌ها نسبتاً مختص متاآنالیز هستند و شامل تحلیل ناهمگونی، تحلیل حساسیت و ارزیابی سوگیری انتشار می‌شوند.

تمام روش های مورد استفاده باید امکان وزن دهی مطالعات را فراهم کنند. مفهوم وزن دهی ارزش شواهد هر مطالعه خاصی را منعکس می کند. معمولاً مطالعات بر اساس معکوس واریانس آنها وزن دهی می شود 31 . مهم است که بدانیم، بنابراین، مطالعات کوچکتر معمولاً کمتر به تخمین اثر کلی کمک می کنند. با این حال، مطالعات خوب انجام شده با کنترل دقیق تغییرات اندازه‌گیری و منابع مخدوش‌کننده، بیشتر به تخمین اثر کلی کمک می‌کند تا مطالعه‌ای با اندازه یکسان که کمتر انجام شده است.

یکی از مهمترین تصمیماتی که باید هنگام انجام یک متاآنالیز گرفته شود، استفاده از مدل اثرات ثابت یا تصادفی است. یک مدل اثرات ثابت بر این فرض استوار است که تنها منبع تغییر در پیامدهای مشاهده شده آن چیزی است که در مطالعه رخ می دهد. یعنی اثر مورد انتظار از هر مطالعه یکسان است. در نتیجه، فرض می‌شود که مدل‌ها همگن هستند. هیچ تفاوتی در جمعیت مورد مطالعه وجود ندارد، هیچ تفاوتی در معیارهای انتخاب موضوع وجود ندارد و درمان‌ها به همان شیوه اعمال می‌شوند. روش‌های اثر ثابت مورد استفاده برای داده‌های دوگانه اغلب شامل روش Mantel-Haenzel 33 و روش Peto 34 (فقط برای نسبت‌های شانس) است.

مدلهای اثر تصادفی فرضیه اساسی دارند که توزیع اثرات وجود دارد و در نتیجه ناهمگونی در نتایج مطالعه ، معروف به τ2 ایجاد می شود. در نتیجه ، با بهبود نرم افزار ، مدل های اثرات تصادفی که به قدرت محاسبات بیشتری نیاز دارند بیشتر انجام می شوند. این مطلوب است زیرا فرض قوی که تأثیر علاقه در همه مطالعات یکسان است ، غالباً غیرقابل تحمل است. علاوه بر این ، مدل اثرات ثابت مناسب نیست که ناهمگونی آماری (τ2) در نتایج مطالعات در متاآنالیز وجود داشته باشد. در مدل اثرات تصادفی ، مطالعات با معکوس واریانس آنها و پارامتر ناهمگونی وزن می شوند. بنابراین ، معمولاً یک رویکرد محافظه کارانه تر با فواصل اطمینان وسیع تر از مدل اثرات ثابت است که در آن مطالعات فقط با معکوس واریانس آنها وزن می شود. متداول ترین روش اثرات تصادفی ، روش Dersimonian و Laird 35 است. علاوه بر این ، پیشنهاد شده است که مقایسه با اثرات ثابت و مدلهای اثر تصادفی که به عنوان این فرآیند می تواند بینش داده های 36 را ارائه دهد.

ناهمگونی

مسلماً ، بیشترین مزیت در انجام متاآنالیز بررسی منابع ناهمگونی ، در صورت وجود ، در بین مطالعات است. اگر ناهمگونی وجود داشته باشد ، اندازه گیری خلاصه باید با احتیاط 37 تفسیر شود. هنگامی که ناهمگونی وجود دارد ، باید این سؤال را مطرح کرد که آیا و چگونه می توان نتایج را تعمیم داد. درک منابع ناهمگونی منجر به هدف قرار دادن مؤثرتر استراتژی های پیشگیری و درمانی خواهد شد و منجر به شناسایی مباحث جدید تحقیقاتی خواهد شد. بخشی از استراتژی در انجام متاآنالیز ، شناسایی عواملی است که ممکن است عوامل تعیین کننده قابل توجهی در تجزیه و تحلیل زیرمجموعه یا متغیرهای متغیر باشد که ممکن است برای کشف در همه مطالعات مناسب باشد.

برای درک ماهیت تنوع در مطالعات ، تفاوت بین منابع مختلف ناهمگونی مهم است. تنوع در شرکت کنندگان ، مداخلات و نتایج مورد مطالعه به عنوان تنوع بالینی توصیف شده است ، و تنوع در طراحی مطالعه و خطر تعصب به عنوان تنوع روش شناختی 10 توصیف شده است. تنوع در اثرات مداخله ای که در بین مطالعات مختلف ارزیابی می شود ، به عنوان ناهمگونی آماری شناخته می شود و نتیجه تنوع بالینی یا روش شناختی یا هر دو در بین مطالعات است. ناهمگونی آماری خود را در اثرات مداخله مشاهده شده بیش از تفاوتهای انتظار می رود بین مطالعاتی که به تنهایی به خطای تصادفی نسبت داده می شود ، متفاوت می کند. معمولاً ، در ادبیات ، ناهمگونی آماری به سادگی به عنوان ناهمگونی گفته می شود.

اگر اثر مداخله توسط عواملی که در طول مطالعات متفاوت است ، تغییر بالینی باعث ناهمگونی خواهد شد. بدیهی است که مداخلات خاص یا خصوصیات شرکت کننده که اغلب در سطوح مختلف خطر در گروه کنترل منعکس می شوند وقتی نتیجه دوگانگی است. به عبارت دیگر ، اثر مداخله واقعی برای مطالعات مختلف متفاوت خواهد بود. تفاوت بین مطالعات از نظر روشهای مورد استفاده ، مانند استفاده از کور کردن یا تفاوت بین مطالعات در تعریف یا اندازه گیری نتایج ، ممکن است منجر به تفاوت در اثرات مشاهده شده شود. ناهمگونی آماری قابل توجه ناشی از تفاوت در روشهای مورد استفاده یا تفاوت در ارزیابی نتیجه نشان می دهد که مطالعات همه تأثیر یکسان ندارند ، اما لزوماً نشان نمی دهد که اثر مداخله واقعی متفاوت است. به طور خاص ، ناهمگونی مرتبط با تنوع روش شناختی نشان می دهد که مطالعات از درجات مختلف تعصب رنج می برند. شواهد تجربی نشان می دهد که برخی از جنبه های طراحی می تواند بر نتیجه آزمایشات بالینی تأثیر بگذارد ، اگرچه ممکن است همیشه اینگونه نباشد.

دامنه یک متاآنالیز تا حد زیادی تعیین می کند که مطالعات موجود در یک بررسی متنوع است. متاآنالیز باید انجام شود که گروهی از مطالعات از نظر افراد درگیر ، مداخلات و نتایج به اندازه کافی همگن باشند تا خلاصه ای معنی دار ارائه دهند. با این حال ، اغلب مناسب است که در یک متاآنالیز چشم انداز گسترده تری نسبت به یک کارآزمایی بالینی واحد داشته باشید. ترکیبی از مطالعات که در طراحی و سایر عوامل متفاوت است و سایر عوامل می توانند نتیجه خلاصه ای بی معنی داشته باشند ، اما ارزیابی دلایل ناهمگونی در مطالعات می تواند بسیار بصیرت باشد. ممکن است استدلال شود که این مطالعات به خودی خود مورد توجه ذاتی هستند ، حتی اگر تهیه یک برآورد خلاصه از اثر مناسب نباشد.

تنوع در آزمایشات K معمولاً با استفاده از آمار Q Cochran ، یک آزمون کای مربع (χ 2) ناهمگونی با درجه K-1 آزادی ارزیابی می شود. این آزمایش از قدرت نسبتاً ضعیفی برای تشخیص ناهمگونی در بین تعداد کمی از آزمایشات برخوردار است. در نتیجه ، از سطح α از 0. 10 برای آزمایش فرضیه های 38 ، 39 استفاده می شود.

Heterogeneity of results among trials is better quantified using the inconsistency index I 2 , which describes the percentage of total variation across studies 40 . Uncertainty intervals for I 2 (dependent on Q and k) are calculated using the method described by Higgins and Thompson 41 . Negative values of I 2 are put equal to zero, consequently I 2 lies between 0 and 100%. A value >75 ٪ ممکن است ناهمگونی قابل توجهی 41 در نظر گرفته شود. این آمار کمتر تحت تأثیر تعداد آزمایشات در مقایسه با سایر روشهای مورد استفاده برای برآورد ناهمگونی قرار دارد و یک متریک منطقی و به راحتی قابل تفسیر را فراهم می کند اما هنوز هم می تواند ناپایدار باشد که تنها چند مطالعه با هم ترکیب شوند.

با توجه به اینکه چندین منبع بالقوه ناهمگونی در داده ها وجود دارد ، باید چندین مرحله در بررسی علل در نظر گرفته شود. اگرچه مدل های اثرات تصادفی مناسب هستند ، اما ممکن است هنوز هم مطلوب باشد که داده ها را برای شناسایی منابع ناهمگونی و انجام گام هایی برای تولید مدلهایی که در صورت لزوم سطح پایین تری دارند ، انجام دهیم. علاوه بر این ، اگر مطالعات مورد بررسی بسیار ناهمگن باشد ، ممکن است ارائه یک برآورد خلاصه کلی ، حتی در صورت استفاده از مدل های اثرات تصادفی ، مناسب نباشد. همانطور که پیتیتی 43 یادداشت می کند ، تجزیه و تحلیل آماری به تنهایی باعث نمی شود که مطالعات متناقض موافق باشد. با این حال ، از نظر انتقادی ، باید در تصمیم گیری از عقل سلیم استفاده کرد. علیرغم ناهمگونی در پاسخ ها ، اگر همه مطالعات دارای جهت نقطه مثبت باشند و فاصله اطمینان حاصل از صفر شامل صفر نباشد ، نتیجه گیری منطقی نخواهد بود که تأثیر مثبتی وجود نداشته باشد ، مشروط بر اینکه مطالعات کافی و تعداد موضوع وجود داشته باشد. مناسب بودن برآورد نقطه از اثر بسیار بیشتر مورد سؤال است.

برخی از راه های بررسی دلایل ناهمگونی ؛تجزیه و تحلیل زیر گروه و متا رگرسیون است. رویکرد تجزیه و تحلیل زیر گروه ، یک تغییر در مواردی که در بالا توضیح داده شد ، گروه های گروهی از افراد (به عنوان مثال ، با توجه به سن ، جنس) برای مقایسه اندازه اثر. رویکرد متا رگرسیون از تجزیه و تحلیل رگرسیون برای تعیین تأثیر متغیرهای انتخاب شده (متغیرهای مستقل) بر اندازه اثر (متغیر وابسته) استفاده می کند. در یک رگرسیون متا ، مطالعات در نظر گرفته می شود که انگار بیماران فردی هستند ، اما اثرات آنها به درستی وزن می شود تا واریانس های مختلف آنها 44 را به خود اختصاص دهد.

از تجزیه و تحلیل حساسیت نیز برای بررسی اثرات مطالعات مشخص شده در مورد رفتار یا نتیجه یا نتیجه بسیار تأثیرگذار در تجزیه و تحلیل استفاده شده است. اخیراً ، روش دیگری پیشنهاد شده است که وزن مطالعاتی را که در متاآنالیز 45 است ، کاهش می دهد. همه این روشها برای بررسی ناهمگونی دارای شایستگی هستند و تنوع روشهای موجود نشان دهنده اهمیت این فعالیت است.

ارائه نتایج

یک نمودار مفید ، که در بیانیه 11 PRISMA ارائه شده است ، نمودار جریان چهار فاز است (شکل 3).