Systematische Übersichtsarbeit und Metaanalyse

Eine systematische Übersichtsarbeit mit Metaanalyse kombiniert zwei Methoden: eine strukturierte, reproduzierbare Übersichtsarbeit, die alle geeigneten Studien zu einer Fragestellung sammelt und bewertet, und ein statistisches Verfahren, das deren Ergebnisse zu einer einzigen gewichteten Effektschätzung zusammenfasst. Die Übersichtsarbeit kontrolliert die Verzerrung der Studienauswahl; die Metaanalyse quantifiziert das kombinierte Signal und die Variabilität darum. Zusammen bilden sie die prototypische Methode der evidenzbasierten Interventionsforschung.

Definition

Eine systematische Übersichtsarbeit mit Metaanalyse ist eine Übersichtsarbeit, die explizite, reproduzierbare Methoden verwendet, um alle geeigneten Studien zu einer Fragestellung zu identifizieren und zu bewerten und anschließend deren Effektschätzungen statistisch zu einer gepoolten Schätzung zu kombinieren, wobei sowohl der zentrale Effekt als auch die Heterogenität zwischen den Studien charakterisiert werden.

Scope

Dieses Thema behandelt die Durchführung einer systematischen Übersichtsarbeit mit quantitativer Zusammenfassung: Protokoll und Einschlusskriterien, Suche und Auswahl, Bewertung des Verzerrungsrisikos, die Wahl zwischen Fixed-Effect- und Random-Effects-Modellen, Gewichtung, Heterogenität sowie die Berichts- und Evidenzqualitätsstandards, die das Ergebnis bestimmen. Es handelt sich um eine methodische Referenz, nicht um eine klinische Leitlinie.

Core questions

• Sind die eingeschlossenen Studien ausreichend ähnlich, um ihre Ergebnisse zusammenzufassen?
• Sollte ein Fixed-Effect- oder Random-Effects-Modell verwendet werden?
• Wie stark variieren die Studienergebnisse über den Zufall hinaus (Heterogenität)?
• Wie spiegelt sich das Verzerrungsrisiko innerhalb der Studien in der gepoolten Schätzung wider?
• Wie sicher ist die kombinierte Evidenz insgesamt?

Key concepts

• Protokoll und vorab festgelegte Einschlusskriterien
• Effektmaß (z.B. Risikoverhältnis, Odds Ratio, mittlere Differenz)
• Inverse-Varianz-Gewichtung
• Fixed-Effect- versus Random-Effects-Modell
• Heterogenität und die I-Quadrat-Statistik
• Forest Plot
• Bewertung des Verzerrungsrisikos
• Sicherheitsbewertung (GRADE)

Mechanisms

Nachdem geeignete Studien identifiziert und bewertet wurden, trägt jede Studie eine Effektschätzung mit einem Präzisionsmaß bei. Die Metaanalyse kombiniert diese, indem sie jede Studie gewichtet, typischerweise durch den Kehrwert ihrer Varianz, sodass größere und präzisere Studien stärker ins Gewicht fallen. Ein Fixed-Effect-Modell nimmt einen einzigen gemeinsamen wahren Effekt an; ein Random-Effects-Modell nimmt an, dass der wahre Effekt zwischen den Studien variiert und berücksichtigt diese Varianz zwischen den Studien. Die Streuung der wahren Effekte über den Stichprobenfehler hinaus ist Heterogenität, oft zusammengefasst durch die I-Quadrat-Statistik, und das gepoolte Ergebnis wird konventionell in einem Forest Plot dargestellt. Die Berichterstattung folgt PRISMA, die Verzerrung innerhalb der Studie wird mit Tools wie dem Cochrane Risk-of-Bias-Tool bewertet, und die Sicherheit der gepoolten Evidenz wird mit GRADE bewertet (higgins-handbook-2019; page-2021-prisma; higgins-2011-rob; guyatt-2008-grade).

Clinical relevance

Metaanalysen randomisierter Studien liefern einen Großteil der quantitativen Evidenz, die in Leitlinien und bei der Bewertung von Gesundheitstechnologien zitiert wird. Das kritische Lesen einer Metaanalyse – die Überprüfung, was zusammengefasst wurde, wie mit Heterogenität umgegangen wurde und wie sicher die Evidenz bewertet wird – ist Teil der Evidenzbewertung. Die Methode beschreibt, wie gepoolte Schätzungen erstellt werden; sie schreibt keine Behandlung für eine Einzelperson vor.

Evidence & guidelines

Durchführung und Berichterstattung sind standardisiert: PRISMA 2020 (mit seiner Abstammung aus der Erklärung und Ausarbeitung von 2009) regelt die Berichterstattung, das Cochrane Handbook beschreibt anerkannte Methoden, das Cochrane Risk-of-Bias-Tool strukturiert die Bewertung innerhalb der Studie, und GRADE bewertet die Sicherheit der gesamten Evidenz (page-2021-prisma; liberati-2009; higgins-handbook-2019; higgins-2011-rob; guyatt-2008-grade).

History

Die statistische Kombination von Studien geht auf die Agrar- und Medizinstatistik des frühen 20. Jahrhunderts zurück, und der Begriff Metaanalyse wurde 1976 geprägt. Die systematische Übersichtsarbeit konsolidierte den umgebenden Prozess in den 1990er Jahren, insbesondere durch die Cochrane Collaboration. Berichtsstandards entwickelten sich von QUOROM zu PRISMA (2009, aktualisiert 2021), Heterogenitätsstatistiken wie I-Quadrat wurden populär, und GRADE lieferte einen strukturierten Rahmen für die Bewertung der Sicherheit, die zusammen die moderne Methode definieren (page-2021-prisma; higgins-handbook-2019).

Debates

Wann ist die Heterogenität zu groß, um zusammenzufassen?

Die Kombination klinisch oder statistisch unähnlicher Studien kann zu einem irreführenden Durchschnitt führen; Gutachter diskutieren Schwellenwerte und ob Random-Effects-Modelle, Subgruppenanalysen oder eine narrative Synthese anstelle der Zusammenfassung zu bevorzugen sind.

Key figures

• Julian Higgins
• David Moher
• Matthew Page
• Gordon Guyatt
• Cynthia Mulrow

Seminal works

• page-2021-prisma
• higgins-handbook-2019
• guyatt-2008-grade

Frequently asked questions

Umfasst jede systematische Übersichtsarbeit eine Metaanalyse?

Nein. Wenn Studien in Bezug auf Population, Intervention oder Ergebnis zu unähnlich sind, kann die Zusammenfassung irreführend sein, und die Übersichtsarbeit berichtet stattdessen eine strukturierte narrative Synthese anstelle einer einzigen kombinierten Schätzung.

Was ist ein Forest Plot?

Ein Forest Plot zeigt die Effektschätzung und das Konfidenzintervall jeder Studie zusammen mit der gepoolten Schätzung an, wodurch der Beitrag jeder Studie und das Gesamtergebnis auf einen Blick sichtbar werden.