Statistische Methoden in der Evidenzsynthese

Statistische Methoden in der Evidenzsynthese sind quantitative Techniken, die verwendet werden, um Ergebnisse aus mehreren Studien zu einer Gesamtschätzung des Effekts zu kombinieren, Unterschiede zwischen Studien zu quantifizieren und zu erklären und die Robustheit dieser kombinierten Schlussfolgerung zu testen. Sie bilden den analytischen Motor systematischer Übersichtsarbeiten und untermauern die evidenzbasierte Praxis sowie die Bewertung von Gesundheitstechnologien.

Definition

Statistische Methoden in der Evidenzsynthese umfassen die Verfahren zur Schätzung eines gepoolten Effekts über Studien hinweg (typischerweise unter Fixed-Effect- oder Random-Effects-Modellen), zur Messung und Untersuchung der Heterogenität zwischen Studien und zur Prüfung der Robustheit der synthetisierten Schätzung gegenüber analytischen Entscheidungen und einzelnen Studien.

Scope

Dieser Bereich führt den Leser in die Methoden ein, die eine Reihe individueller Studien in eine synthetisierte quantitative Antwort umwandeln: Metaanalyse (der Pooling-Schritt), die Bewertung der Heterogenität (wie stark sich Studien unterscheiden), Meta-Regression (Erklärung dieser Unterschiede mit Kovariaten auf Studienebene) und Sensitivitätsanalyse (Prüfung, ob Schlussfolgerungen unter verschiedenen Annahmen Bestand haben). Diese werden als methodische Referenzthemen und nicht als klinische Anweisungen dargestellt.

Sub-topics

• Heterogenität in der Metaanalyse
• Metaanalyse
• Meta-Regression
• Sensitivitätsanalyse

Core questions

• Wie sollten Ergebnisse aus separaten Studien gewichtet und zu einer einzigen Schätzung kombiniert werden?
• Wann ist ein Fixed-Effect-Modell angemessen und wann ist ein Random-Effects-Modell erforderlich?
• Wie stark unterscheiden sich Studien über den Zufall hinaus, und verändert dieser Unterschied unsere Schlussfolgerungen?
• Können studienbezogene Merkmale die Variation der beobachteten Effekte erklären?
• Wie empfindlich ist die gepoolte Schlussfolgerung gegenüber einzelnen Studien, Modellannahmen und dem Risiko der Verzerrung?

Key concepts

• Gepoolte (Zusammenfassungs-)Effektschätzung
• Studienwichtung (inverse Varianzwichtung)
• Fixed-Effect- vs. Random-Effects-Modelle
• Heterogenität zwischen Studien
• Meta-Regression und Subgruppenanalyse
• Sensitivitäts- und Robustheitsanalyse
• Konfidenz- und Vorhersageintervalle

Mechanisms

Die gemeinsame Logik besteht darin, die Effektschätzung jeder Studie als Datenpunkt mit einer bekannten Unsicherheit zu behandeln und diese Punkte dann mit Gewichten zu kombinieren, die ihre Präzision widerspiegeln. Eine Fixed-Effect-Analyse geht davon aus, dass alle Studien einen gemeinsamen wahren Effekt schätzen und gewichtet nur nach der inversen Varianz; eine Random-Effects-Analyse geht davon aus, dass die wahren Effekte zwischen den Studien variieren und fügt eine Varianzkomponente zwischen den Studien hinzu, sodass die DerSimonian-Laird-Methode und ihre Nachfolger die Gewichte und das Intervall entsprechend erweitern. Heterogenitätsstatistiken fassen zusammen, wie stark die beobachtete Variation den Stichprobenfehler übersteigt; Meta-Regression und Subgruppenanalyse versuchen, diese Variation mit Kovariaten auf Studienebene zu erklären; und Sensitivitätsanalysen wiederholen die Synthese unter alternativen Annahmen, um zu überprüfen, ob das Hauptergebnis kein Artefakt einer Studie oder einer Modellwahl ist.

Clinical relevance

Diese Methoden generieren einen Großteil der hochrangigen Evidenz, auf die Leitlinien und Gesundheitstechnologiebewertungen zurückgreifen. Daher ist das Verständnis, wie eine gepoolte Schätzung, ihre Heterogenität und ihre Sensitivitätsanalysen erstellt wurden, von zentraler Bedeutung für die Bewertung einer systematischen Übersichtsarbeit. Dieser Bereich beschreibt, wie synthetisierte Evidenz generiert und interpretiert wird; er ist keine Quelle für individuelle Diagnose- oder Behandlungsratschläge.

Evidence & guidelines

Berichtsstandards für die statistische Durchführung der Evidenzsynthese sind in der PRISMA-Erklärung (Moher et al., 2009) und im Cochrane Handbook (Higgins & Green, 2008) festgelegt, die die erwartete Praxis für Modellwahl, Heterogenitätsbewertung und Sensitivitätsanalyse in systematischen Übersichtsarbeiten beschreiben.

History

Die quantitative Zusammenführung von Studienergebnissen entwickelte sich im frühen 20. Jahrhundert aus der Agrar- und sozialwissenschaftlichen Statistik und wurde 1976 von Gene Glass als Metaanalyse bezeichnet. Ihre Anpassung an klinische Studien wurde durch die Random-Effects-Methode von DerSimonian und Laird aus dem Jahr 1986 kristallisiert, und die anschließende Entwicklung von Heterogenitätsstatistiken, Meta-Regression und standardisierter Berichterstattung (PRISMA, das Cochrane Handbook) verwandelte die Evidenzsynthese in eine strukturierte statistische Disziplin, die die evidenzbasierte Praxis und die Bewertung von Gesundheitstechnologien unterstützt.

Debates

Fixed-Effect versus Random-Effects als Standardmodell

Ob eine Synthese einen einzigen gemeinsamen Effekt annehmen oder wahre Effekte variieren lassen sollte, verändert sowohl die Schätzung als auch ihre Unsicherheit; Kommentatoren argumentieren, dass die Wahl die klinische und methodische Vielfalt der eingeschlossenen Studien widerspiegeln sollte und nicht eine feste Konvention.

Key figures

• Rebecca DerSimonian
• Nan Laird
• Julian Higgins
• Simon Thompson
• Michael Borenstein
• Larry Hedges

Seminal works

• dersimonian-laird-1986
• higgins-thompson-2002
• higgins-handbook-2008

Frequently asked questions

Was ist der Unterschied zwischen einer systematischen Übersichtsarbeit und den darin verwendeten statistischen Methoden?

Eine systematische Übersichtsarbeit ist der gesamte Prozess der Identifizierung, Bewertung und Zusammenfassung von Studien; die statistischen Methoden in der Evidenzsynthese sind die quantitativen Schritte innerhalb dieses Prozesses, die Ergebnisse zusammenführen, Heterogenität messen und die Robustheit testen.

Umfasst jede systematische Übersichtsarbeit eine Metaanalyse?

Nein. Wenn Studien klinisch oder methodisch zu heterogen sind, um sinnvoll kombiniert zu werden, kann eine Übersichtsarbeit die Ergebnisse narrativ synthetisieren, und diese statistischen Methoden werden nur angewendet, wenn das Pooling als angemessen erachtet wird.