ความแตกต่างหลากหลายในการวิเคราะห์อภิมาน

ความแตกต่างหลากหลายในการวิเคราะห์อภิมานคือความแปรปรวนของผลกระทบที่แท้จริงในงานวิจัยที่นำมารวมกัน ซึ่งเกินกว่าความแปรปรวนที่คาดว่าจะเกิดจากความคลาดเคลื่อนจากการสุ่มตัวอย่างเพียงอย่างเดียว เมื่อการศึกษาแตกต่างกันในด้านประชากร การแทรกแซง การออกแบบ หรือการดำเนินการ ผลลัพธ์ของงานวิจัยเหล่านั้นอาจแตกต่างกันอย่างแท้จริง และการหาปริมาณความแปรปรวนนั้นเป็นสิ่งสำคัญในการตัดสินใจว่าจะรวมผลการศึกษาเหล่านั้นหรือไม่และอย่างไร

Definition

ความแตกต่างหลากหลายคือระดับที่ผลกระทบที่แท้จริงซึ่งประมาณโดยการศึกษาในการวิเคราะห์อภิมานแตกต่างกันเกินกว่าที่คาดว่าจะเกิดจากความบังเอิญ (ความคลาดเคลื่อนจากการสุ่มตัวอย่าง) เพียงอย่างเดียว

Scope

บทความนี้ครอบคลุมความหมายของความแตกต่างหลากหลาย ความแตกต่างระหว่างความแตกต่างหลากหลายทางคลินิก ระเบียบวิธีวิจัย และสถิติ สถิติที่ใช้กันทั่วไปในการตรวจจับและหาปริมาณ (Cochran's Q, สถิติ I-squared และความแปรปรวนระหว่างการศึกษา tau-squared) และวิธีที่ความแตกต่างหลากหลายมีผลต่อการเลือกแบบจำลองและการตีความค่าประมาณรวม นี่เป็นหัวข้อทางระเบียบวิธีวิจัย ไม่ใช่คำแนะนำทางคลินิก

Core questions

• การศึกษาที่นำมารวมกันประมาณผลกระทบเดียวกัน หรือช่วงของผลกระทบ?
• ความแปรปรวนที่สังเกตได้จากการศึกษาเกินกว่าความบังเอิญมากน้อยเพียงใด?
• แหล่งที่มาของความแตกต่างใดบ้างที่อาจอธิบายความแปรปรวน และควรเปลี่ยนแปลงการวิเคราะห์อย่างไร?

Key concepts

• ความแตกต่างหลากหลายทางคลินิก ระเบียบวิธีวิจัย และสถิติ
• การทดสอบ Cochran's Q
• สถิติ I-squared
• ความแปรปรวนระหว่างการศึกษา (tau-squared)
• แบบจำลองผลกระทบสุ่ม
• การวิเคราะห์กลุ่มย่อยและการวิเคราะห์อภิมานแบบถดถอย
• ช่วงการพยากรณ์

Mechanisms

แม้ว่าทุกการศึกษาจะประมาณผลกระทบเดียวกันอย่างแม่นยำ ผลลัพธ์ของพวกมันก็จะกระจัดกระจายเนื่องจากความคลาดเคลื่อนจากการสุ่มตัวอย่าง ความแตกต่างหลากหลายคือความแปรปรวนเพิ่มเติมที่แท้จริงในผลกระทบพื้นฐาน การทดสอบ Cochran's Q ทดสอบว่าการกระจัดกระจายที่สังเกตได้เกินกว่าความบังเอิญหรือไม่ แต่มีกำลังการทดสอบต่ำเมื่อมีการศึกษาน้อย และตรวจจับความแตกต่างเล็กน้อยเมื่อมีการศึกษาจำนวนมาก สถิติ I-squared แสดงสัดส่วนของความแปรปรวนทั้งหมดที่เกิดจากความแตกต่างระหว่างการศึกษามากกว่าความบังเอิญ ทำให้ตีความได้ง่ายขึ้นในการวิเคราะห์ต่างๆ ความแปรปรวนระหว่างการศึกษา (tau-squared) หาปริมาณการกระจายของผลกระทบที่แท้จริงในมาตราส่วนขนาดผลกระทบ และเป็นพารามิเตอร์ที่แบบจำลองผลกระทบสุ่มเพิ่มเข้าไปในการรวมผล เมื่อมีความแตกต่างหลากหลายอย่างมีนัยสำคัญ ค่าประมาณสรุปเพียงค่าเดียวอาจให้ข้อมูลน้อยกว่าการอธิบายการกระจายของผลกระทบ เช่น ด้วยช่วงการพยากรณ์ และนักวิเคราะห์อาจสำรวจแหล่งที่มาของความแปรปรวนผ่านการวิเคราะห์กลุ่มย่อยที่กำหนดไว้ล่วงหน้าหรือการวิเคราะห์อภิมานแบบถดถอย แทนที่จะถือว่าความแตกต่างหลากหลายเป็นเพียงสัญญาณรบกวน

Clinical relevance

ระดับของความแตกต่างหลากหลายส่งผลต่อวิธีการอ่านผลลัพธ์รวม: ผลสรุปที่แม่นยำที่ได้จากการศึกษาที่มีความแตกต่างหลากหลายสูงอาจไม่สามารถนำไปใช้ได้ในทุกสถานการณ์ การรับรู้และตีความความแตกต่างหลากหลายจึงเป็นส่วนหนึ่งของการประเมินการวิเคราะห์อภิมาน บทความนี้อธิบายวิธีการวัดและใช้ความแตกต่างหลากหลายในการวิเคราะห์; ไม่ใช่คำแนะนำสำหรับการตัดสินใจทางคลินิกใดๆ

Epidemiology

สถิติความแตกต่างหลากหลาย โดยเฉพาะ I-squared และ tau-squared มีการรายงานเป็นมาตรฐานในการวิเคราะห์อภิมานทั่วทั้งการแพทย์และสาธารณสุข และซอฟต์แวร์การวิเคราะห์อภิมานส่วนใหญ่จะคำนวณโดยอัตโนมัติ สถิติ I-squared ที่นำเสนอโดย Higgins และ Thompson เป็นหนึ่งในปริมาณที่รายงานมากที่สุดในวรรณกรรมสังเคราะห์ แม้ว่าการตีความมักจะมีการถกเถียงกัน

History

การทดสอบ Cochran's Q ซึ่งได้มาจากผลงานของ William Cochran ในช่วงกลางศตวรรษที่ 20 เป็นมาตรฐานแรกเริ่มสำหรับการตรวจจับความแตกต่างหลากหลาย แต่ได้รับการยอมรับว่ามีกำลังการทดสอบต่ำและขึ้นอยู่กับมาตราส่วน DerSimonian และ Laird (1986) ได้กำหนดแนวทางผลกระทบสุ่มที่รวมความแปรปรวนระหว่างการศึกษา Higgins และ Thompson (2002) ได้เสนอสถิติ I-squared เพื่อแสดงความแตกต่างหลากหลายเป็นสัดส่วนที่ไม่ขึ้นกับจำนวนการศึกษา และบทความ BMJ ของพวกเขาในปี 2003 ได้ทำให้เป็นที่นิยม หลังจากนั้น I-squared ก็กลายเป็นส่วนหนึ่งของการรายงานการวิเคราะห์อภิมานตามปกติ

Debates

ควรตีความ I-squared อย่างไร?

เกณฑ์ทั่วไปที่ใช้กันอย่างแพร่หลายสำหรับความแตกต่างหลากหลายระดับต่ำ ปานกลาง และสูง ไม่ได้มีวัตถุประสงค์เพื่อเป็นจุดตัดที่ตายตัว; I-squared ขึ้นอยู่กับความแม่นยำของการศึกษาที่รวมอยู่ และอาจทำให้เข้าใจผิดได้เมื่อมีการศึกษาน้อยหรือมีขนาดใหญ่มาก

Key figures

• Julian Higgins
• Simon Thompson
• Rebecca DerSimonian
• Nan Laird
• William Cochran

Seminal works

• higgins-2003-i2
• higgins-2002-quantifying
• dersimonian-laird-1986

Frequently asked questions

ความแตกต่างระหว่างความแตกต่างหลากหลายทางคลินิกและทางสถิติคืออะไร?

ความแตกต่างหลากหลายทางคลินิก (และระเบียบวิธีวิจัย) หมายถึงความแตกต่างที่แท้จริงระหว่างการศึกษาในด้านประชากร การแทรกแซง หรือการออกแบบ ความแตกต่างหลากหลายทางสถิติคือความแปรปรวนที่เกิดขึ้นในค่าประมาณผลกระทบของพวกมันที่เกินกว่าความบังเอิญ ซึ่งวัดโดยสถิติ เช่น I-squared และ tau-squared ความแตกต่างทางคลินิกมักเป็นคำอธิบายสำหรับความแตกต่างหลากหลายทางสถิติที่สังเกตได้

ค่า I-squared ที่สูงหมายความว่าการวิเคราะห์อภิมานไม่ถูกต้องหรือไม่?

ไม่จำเป็น ค่า I-squared ที่สูงบ่งชี้ว่าผลกระทบแตกต่างกันไปในการศึกษาต่างๆ และควรตีความผลสรุปเพียงค่าเดียวด้วยความระมัดระวัง ซึ่งมักจะกระตุ้นให้ใช้แบบจำลองผลกระทบสุ่ม การสำรวจแหล่งที่มา หรือช่วงการพยากรณ์ เป็นสัญญาณสำหรับการตีความ ไม่ใช่การตัดสิทธิ์โดยอัตโนมัติ