การวิเคราะห์อภิมาน

การวิเคราะห์อภิมาน (Meta-analysis) เป็นกระบวนการทางสถิติที่รวมค่าประมาณผลกระทบจากการศึกษาหลายชิ้นที่ตอบคำถามเดียวกันเข้าเป็นค่าประมาณรวม (pooled estimate) ที่แม่นยำยิ่งขึ้น โดยการถ่วงน้ำหนักการศึกษาแต่ละชิ้นตามความแม่นยำ การวิเคราะห์อภิมานจะดึงคำตอบโดยรวมที่การศึกษาชิ้นเดียวไม่สามารถให้ได้ และรายงานความไม่แน่นอนที่เหลืออยู่รอบๆ ค่าประมาณนั้น

Definition

การวิเคราะห์อภิมานคือการรวมเชิงปริมาณของค่าประมาณผลกระทบจากการศึกษาหลายชิ้นเข้าเป็นค่าประมาณสรุปแบบถ่วงน้ำหนัก โดยทั่วไปจะใช้วิธีการถ่วงน้ำหนักแบบส่วนกลับของความแปรปรวน (inverse-variance weighting) ภายใต้แบบจำลองผลกระทบคงที่ (ซึ่งสมมติว่ามีผลกระทบร่วมกันเพียงหนึ่งเดียว) หรือแบบจำลองผลกระทบสุ่ม (ซึ่งสมมติว่าผลกระทบแตกต่างกันไปในการศึกษาต่างๆ)

Scope

บทความนี้ครอบคลุมกลไกหลักของการรวมข้อมูล: วิธีการถ่วงน้ำหนักผลกระทบจากการศึกษาแต่ละชิ้น ความแตกต่างระหว่างแบบจำลองผลกระทบคงที่ (fixed-effect model) และแบบจำลองผลกระทบสุ่ม (random-effects model) และวิธีการอ่านค่าประมาณรวมและช่วงความเชื่อมั่น บทความนี้ถือว่าการวิเคราะห์อภิมานเป็นวิธีการเชิงปริมาณภายในการสังเคราะห์หลักฐาน และเป็นการอธิบายอ้างอิงมากกว่าคำแนะนำทางคลินิก กระบวนการทบทวนอย่างเป็นระบบในวงกว้างจะครอบคลุมในโหนดการวิเคราะห์อภิมานที่เกี่ยวข้องภายใต้การทบทวนอย่างเป็นระบบ

Core questions

• ผลการศึกษาแต่ละชิ้นถูกถ่วงน้ำหนักอย่างไรเมื่อนำมารวมกัน?
• ค่าประมาณรวมแสดงถึงอะไรภายใต้แบบจำลองผลกระทบคงที่เทียบกับแบบจำลองผลกระทบสุ่ม?
• ควรตีความช่วงความเชื่อมั่นรอบค่าประมาณรวมอย่างไร?
• เมื่อใดที่เหมาะสมที่จะรวมการศึกษาเข้าด้วยกัน?

Key concepts

• การถ่วงน้ำหนักแบบส่วนกลับของความแปรปรวน
• แบบจำลองผลกระทบคงที่
• แบบจำลองผลกระทบสุ่ม
• ผลกระทบรวม (สรุป)
• ช่วงความเชื่อมั่นและช่วงการพยากรณ์
• แผนภาพฟอเรสต์

Mechanisms

การศึกษาแต่ละชิ้นจะให้ค่าประมาณผลกระทบ (เช่น อัตราส่วนความเสี่ยง, อัตราส่วนความน่าจะเป็น, หรือความแตกต่างของค่าเฉลี่ย) พร้อมกับค่าความคลาดเคลื่อนมาตรฐาน ในการถ่วงน้ำหนักแบบส่วนกลับของความแปรปรวน การศึกษาที่แม่นยำกว่าจะได้รับน้ำหนักมากกว่า และค่าเฉลี่ยถ่วงน้ำหนักจะเป็นค่าประมาณรวม ภายใต้แบบจำลองผลกระทบคงที่ การศึกษาทั้งหมดจะถูกสมมติว่ามีผลกระทบที่แท้จริงร่วมกันเพียงหนึ่งเดียว ดังนั้นน้ำหนักจึงขึ้นอยู่กับความแปรปรวนภายในงานศึกษาเท่านั้น ภายใต้แบบจำลองผลกระทบสุ่ม ผลกระทบที่แท้จริงจะถูกสมมติว่าแตกต่างกันไป ดังนั้นความแปรปรวนระหว่างงานศึกษาที่ประมาณได้จะถูกเพิ่มเข้าไปในน้ำหนักแต่ละค่า ซึ่งจะลดอิทธิพลของการศึกษาที่ใหญ่ที่สุดและขยายช่วงความเชื่อมั่น วิธีการของ DerSimonian-Laird ได้ให้ตัวประมาณค่าความแปรปรวนระหว่างงานศึกษาแบบ moment-based แบบคลาสสิก Riley และคณะเน้นย้ำว่าผลสรุปของแบบจำลองผลกระทบสุ่มเป็นผลกระทบเฉลี่ย ซึ่งการตีความและช่วงการพยากรณ์รอบๆ ผลกระทบนั้นจะต้องสะท้อนให้เห็นว่าผลกระทบแตกต่างกันไปในแต่ละบริบท

Clinical relevance

ค่าประมาณรวมจากการวิเคราะห์อภิมานมักจะอยู่ในลำดับสูงสุดของลำดับชั้นของหลักฐาน และนำไปสู่แนวปฏิบัติและการประเมินเทคโนโลยีด้านสุขภาพโดยตรง ดังนั้นการสามารถอ่านแผนภาพฟอเรสต์ (forest plot) และเข้าใจความหมายของเส้นสรุปจึงเป็นส่วนหนึ่งของการประเมินหลักฐาน บทความนี้อธิบายว่าค่าประมาณรวมถูกสร้างขึ้นอย่างไร และไม่ใช่พื้นฐานสำหรับการตัดสินใจรักษาเฉพาะบุคคล

Evidence & guidelines

การดำเนินการและการรายงานการวิเคราะห์อภิมานอย่างโปร่งใสอยู่ภายใต้คู่มือ Cochrane (Higgins & Green, 2008) และแถลงการณ์ PRISMA (Moher et al., 2009) ซึ่งระบุว่าควรนำเสนอค่าประมาณรวม การเลือกแบบจำลอง และความไม่แน่นอนที่เกี่ยวข้องอย่างไร

History

คำว่า meta-analysis ถูกนำมาใช้โดย Gene Glass ในปี 1976 สำหรับการสังเคราะห์เชิงปริมาณของผลการวิจัย การนำมาใช้ในการวิจัยทางคลินิกได้รับการสนับสนุนโดยกรอบการทำงานแบบผลกระทบสุ่มของ DerSimonian และ Laird ในปี 1986 และการอธิบายในภายหลัง เช่น ของ Borenstein และคณะ (2010) ได้ชี้แจงความแตกต่างเชิงแนวคิดระหว่างการรวมข้อมูลแบบผลกระทบคงที่และผลกระทบสุ่ม ซึ่งยังคงเป็นแนวทางปฏิบัติมาจนถึงปัจจุบัน

Debates

ค่าประมาณสรุปของแบบจำลองผลกระทบสุ่มหมายความว่าอย่างไรกันแน่?

เนื่องจากแบบจำลองผลกระทบสุ่มหาค่าเฉลี่ยจากช่วงการกระจายของผลกระทบที่แท้จริง เส้นสรุปของมันจึงเป็นค่าเฉลี่ยมากกว่าค่าเดียวที่เหมือนกัน Riley และคณะโต้แย้งว่าจำเป็นต้องมีช่วงการพยากรณ์ ไม่ใช่แค่ช่วงความเชื่อมั่น เพื่อแสดงถึงช่วงของผลกระทบในแต่ละบริบท

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

ความแตกต่างระหว่างการวิเคราะห์อภิมานแบบผลกระทบคงที่และแบบผลกระทบสุ่มคืออะไร?

การวิเคราะห์แบบผลกระทบคงที่สมมติว่าการศึกษาทุกชิ้นประมาณผลกระทบที่แท้จริงเดียวกันเพียงหนึ่งเดียว ในขณะที่การวิเคราะห์แบบผลกระทบสุ่มสมมติว่าผลกระทบที่แท้จริงแตกต่างกันไปในการศึกษาต่างๆ และเพิ่มพจน์ความแปรปรวนระหว่างงานศึกษา ซึ่งโดยทั่วไปจะขยายช่วงความเชื่อมั่นให้กว้างขึ้น

การศึกษาชุดใดๆ สามารถนำมารวมกันในการวิเคราะห์อภิมานได้หรือไม่?

ไม่ การรวมข้อมูลจะมีความหมายก็ต่อเมื่อการศึกษามีความคล้ายคลึงกันเพียงพอในด้านคำถาม ประชากร และผลลัพธ์ หากมีความหลากหลายมากเกินไป การรวมกันอาจทำให้ได้ผลสรุปที่แม่นยำแต่ทำให้เข้าใจผิดได้