Метаанализ

Метаанализ — это статистическая процедура, которая объединяет оценки эффектов из нескольких исследований, посвященных одному и тому же вопросу, в единую, более точную объединенную оценку. Взвешивая каждое исследование в соответствии с его точностью, он позволяет получить общий ответ, который не может дать ни одно отдельное исследование, и сообщает о сохраняющейся неопределенности вокруг него.

Definition

Метаанализ — это количественное объединение оценок эффектов из множества исследований в одну взвешенную суммарную оценку, обычно с использованием взвешивания по обратной дисперсии в рамках модели с фиксированными эффектами (один предполагаемый общий эффект) или модели со случайными эффектами (эффекты, предположительно варьирующиеся между исследованиями).

Scope

Данная статья охватывает основные механизмы объединения: как взвешиваются эффекты отдельных исследований, различие между моделями с фиксированными и случайными эффектами, а также как интерпретируются объединенная оценка и ее интервал. Она рассматривает метаанализ как количественный метод в рамках синтеза доказательств и является справочным описанием, а не клиническим руководством. Более широкий процесс систематического обзора рассматривается в соответствующем узле метаанализа в разделе систематических обзоров.

Core questions

• Как взвешиваются результаты отдельных исследований при их объединении?
• Что представляет собой объединенная оценка в модели с фиксированными эффектами по сравнению с моделью со случайными эффектами?
• Как следует интерпретировать доверительный интервал вокруг объединенной оценки?
• Когда вообще целесообразно объединять исследования?

Key concepts

• Взвешивание по обратной дисперсии
• Модель с фиксированными эффектами
• Модель со случайными эффектами
• Объединенный (суммарный) эффект
• Доверительный интервал и прогностический интервал
• Лесной график (Forest plot)

Mechanisms

Каждое исследование предоставляет оценку эффекта (например, отношение рисков, отношение шансов или разность средних) вместе со стандартной ошибкой. При взвешивании по обратной дисперсии более точные исследования получают больший вес, а взвешенное среднее является объединенной оценкой. В модели с фиксированными эффектами предполагается, что все исследования имеют один истинный эффект, поэтому веса зависят только от внутриисследовательской дисперсии. В модели со случайными эффектами предполагается, что истинные эффекты варьируются, поэтому к каждому весу добавляется оценочная межисследовательская дисперсия, что уменьшает влияние крупнейших исследований и расширяет доверительный интервал. Подход ДерСимоняна-Лэрда (DerSimonian-Laird) дал классическую оценку этой межисследовательской дисперсии, основанную на моментах; Райли и коллеги подчеркивают, что сводная оценка случайных эффектов является средним эффектом, интерпретация которого и прогностический интервал вокруг него должны отражать то, что эффекты различаются в разных условиях.

Clinical relevance

Объединенные оценки из метаанализов часто находятся на вершине иерархий доказательств и напрямую используются при разработке рекомендаций и оценке медицинских технологий, поэтому умение читать «лесной график» (forest plot) и понимать значение его итоговой строки является частью оценки доказательств. Эта статья объясняет, как формируется объединенная оценка, и не является основой для принятия индивидуальных решений о лечении.

Evidence & guidelines

Проведение и прозрачное представление метаанализов регулируются Кокрановским руководством (Cochrane Handbook) (Higgins & Green, 2008) и заявлением PRISMA (Moher et al., 2009), которые определяют, как должны быть представлены объединенная оценка, выбор модели и сопутствующая неопределенность.

History

Термин «метаанализ» был введен Джином Глассом (Gene Glass) в 1976 году для количественного синтеза результатов исследований. Его применение в клинических исследованиях было закреплено рамками случайных эффектов ДерСимоняна и Лэрда (DerSimonian and Laird) 1986 года, а более поздние работы, такие как работы Боренштейна и коллег (Borenstein et al., 2010), прояснили концептуальное различие между объединением с фиксированными и случайными эффектами, которое до сих пор организует практику.

Debates

Что на самом деле означает суммарная оценка случайных эффектов?

Поскольку модель случайных эффектов усредняет распределение истинных эффектов, ее итоговая строка представляет собой среднее значение, а не единое общее значение; Райли и коллеги утверждают, что для передачи диапазона эффектов в различных условиях необходим прогностический интервал, а не только доверительный интервал.

Key figures

• Rebecca DerSimonian
• Nan Laird
• Michael Borenstein
• Larry Hedges
• Julian Higgins
• Richard Riley

Seminal works

• dersimonian-laird-1986
• borenstein-2010
• higgins-handbook-2008

Frequently asked questions

В чем разница между метаанализом с фиксированными эффектами и метаанализом со случайными эффектами?

Анализ с фиксированными эффектами предполагает, что каждое исследование оценивает один и тот же истинный эффект, в то время как анализ со случайными эффектами предполагает, что истинный эффект варьируется между исследованиями, и добавляет член дисперсии между исследованиями, что обычно расширяет доверительный интервал.

Можно ли объединять в метаанализе любой набор исследований?

Нет. Объединение имеет смысл только тогда, когда исследования достаточно схожи по вопросу, популяции и исходу; когда они слишком разнообразны, их объединение может привести к точной, но вводящей в заблуждение сводке.