เมตต้า-รีเกรสชัน

เมตต้า-รีเกรสชันเป็นการต่อยอดจากการวิเคราะห์อภิมาน (meta-analysis) โดยใช้ลักษณะเฉพาะของงานวิจัยแต่ละชิ้นเป็นตัวแปรอธิบาย เพื่อตรวจสอบว่าเหตุใดค่าประมาณผลลัพธ์จึงแตกต่างกันไปในแต่ละงานวิจัย แทนที่จะรายงานค่ารวมเพียงค่าเดียว เมตต้า-รีเกรสชันจะสร้างแบบจำลองความสัมพันธ์ระหว่างลักษณะเฉพาะเหล่านั้นกับขนาดของผลลัพธ์ โดยพยายามอธิบายความแตกต่างระหว่างงานวิจัย (between-study heterogeneity)

Definition

เมตต้า-รีเกรสชันเป็นเทคนิคทางสถิติที่ใช้การถดถอย (regress) ค่าประมาณผลลัพธ์จากงานวิจัยแต่ละชิ้นกับตัวแปรร่วมระดับงานวิจัยหนึ่งตัวหรือมากกว่า โดยทั่วไปจะอยู่ในกรอบของแบบจำลองผลสุ่ม (random-effects framework) เพื่อประเมินว่าตัวแปรร่วมเหล่านั้นสามารถอธิบายความแตกต่างระหว่างงานวิจัยได้มากน้อยเพียงใด

Scope

เนื้อหานี้ครอบคลุมเมตต้า-รีเกรสชันในฐานะวิธีการหนึ่งในการสังเคราะห์หลักฐาน: ความสัมพันธ์ระหว่างตัวแปรร่วมระดับงานวิจัย (study-level covariates) กับขนาดผลลัพธ์, การกำหนดรูปแบบผลสุ่ม (random-effects หรือ mixed) ที่คำนึงถึงความแตกต่างที่เหลืออยู่ (residual heterogeneity), และข้อควรระวังที่ทราบกันดีเกี่ยวกับกำลังการทดสอบ (power), อคติเชิงนิเวศ (ecological bias), และการตีความเกินจริง เนื้อหานี้เป็นคำอธิบายอ้างอิงและไม่ใช่คำแนะนำทางคลินิก

Core questions

• ลักษณะเฉพาะระดับงานวิจัยใดที่สัมพันธ์กับผลลัพธ์ที่ใหญ่ขึ้นหรือเล็กลง?
• ตัวแปรร่วมสามารถอธิบายความแตกต่างระหว่างงานวิจัยได้มากน้อยเพียงใด?
• เหตุใดกำลังการทดสอบทางสถิติสำหรับเมตต้า-รีเกรสชันจึงมักจะต่ำ?
• เมื่อใดที่ความสัมพันธ์ระดับงานวิจัยทำให้เข้าใจผิดเกี่ยวกับความสัมพันธ์ระดับบุคคล?

Key concepts

• ตัวแปรร่วมระดับงานวิจัย (Study-level covariate)
• เมตต้า-รีเกรสชันแบบผลสุ่ม (random-effects) หรือแบบผสม (mixed-effects)
• ความแตกต่างที่เหลืออยู่ (Residual heterogeneity)
• อคติเชิงนิเวศ (Ecological bias) หรืออคติจากการรวมกลุ่ม (aggregation bias)
• ความหลากหลาย (Multiplicity) และการปรับให้เหมาะสมเกินไป (over-fitting) เมื่อมีงานวิจัยน้อย

Mechanisms

งานวิจัยแต่ละชิ้นจะให้ค่าประมาณผลลัพธ์และค่าของตัวแปรร่วมระดับงานวิจัยหนึ่งตัวหรือมากกว่า เช่น อายุเฉลี่ย, ความเสี่ยงพื้นฐาน, ขนาดยา, หรือปีที่ตีพิมพ์ เมตต้า-รีเกรสชันจะทำการถดถอยแบบถ่วงน้ำหนัก (weighted regression) ของผลลัพธ์กับตัวแปรร่วมเหล่านั้น เนื่องจากความแปรปรวนระหว่างงานวิจัยที่เหลืออยู่มักจะยังคงมีอยู่ การกำหนดรูปแบบผลสุ่ม (random-effects หรือ mixed-effects) จะเพิ่มพจน์ความแตกต่างที่เหลืออยู่ (residual heterogeneity term) เพื่อให้ตัวแปรร่วมสามารถอธิบายความแปรปรวนได้บางส่วน แต่ไม่ค่อยจะทั้งหมด Thompson และ Sharp ได้เปรียบเทียบวิธีการประมาณค่าที่มีอยู่ และ Thompson และ Higgins ได้กำหนดหลักการปฏิบัติ: ตัวแปรร่วมควรถูกกำหนดไว้ล่วงหน้าและมีจำนวนน้อย เนื่องจากจำนวนงานวิจัยมักจะน้อย และการทดสอบตัวแปรร่วมจำนวนมากจะเพิ่มโอกาสในการพบผลบวกปลอม (false-positive findings) ข้อควรระวังที่สำคัญคืออคติเชิงนิเวศ (ecological bias) – ความสัมพันธ์ระหว่างตัวแปรร่วมเฉลี่ยของงานวิจัยกับผลลัพธ์เฉลี่ยของงานวิจัยไม่จำเป็นต้องสะท้อนความสัมพันธ์ภายในแต่ละบุคคล ดังนั้นผลการวิจัยจากเมตต้า-รีเกรสชันจึงเป็นการสร้างสมมติฐานมากกว่าการยืนยัน

Clinical relevance

เมตต้า-รีเกรสชันสามารถชี้ให้เห็นว่าลักษณะเฉพาะของผู้ป่วยหรืองานวิจัยใดที่ปรับเปลี่ยนผลของวิธีการรักษา ซึ่งเป็นข้อมูลที่นำไปใช้ในการจัดทำแนวทางปฏิบัติและการประเมินเทคโนโลยีด้านสุขภาพอย่างระมัดระวัง แต่ลักษณะที่เป็นการสังเกตการณ์และระดับงานวิจัยของเมตต้า-รีเกรสชันจำกัดความหนักแน่นที่สามารถนำผลการวิจัยดังกล่าวไปปฏิบัติได้ เนื้อหานี้อธิบายวิธีการและไม่ใช่พื้นฐานสำหรับการตัดสินใจรักษาเฉพาะบุคคล

Evidence & guidelines

คู่มือ Cochrane (Higgins & Green, 2008) อธิบายแนวปฏิบัติที่คาดหวังสำหรับเมตต้า-รีเกรสชัน รวมถึงการกำหนดตัวแปรร่วมจำนวนน้อยล่วงหน้าและการตีความอย่างระมัดระวัง ซึ่งสอดคล้องกับคำแนะนำทางระเบียบวิธีวิจัยของ Thompson และ Higgins (2002)

History

ในขณะที่นักวิเคราะห์อภิมานเผชิญกับความแตกต่างอย่างมีนัยสำคัญมากขึ้นในช่วงทศวรรษ 1990 ความสนใจได้เปลี่ยนจากการวัดเพียงอย่างเดียวไปสู่การอธิบายความแตกต่างนั้น การเปรียบเทียบวิธีการของ Thompson และ Sharp ในปี 1999 และคำแนะนำของ Thompson และ Higgins ในปี 2002 ได้กำหนดรูปแบบผลสุ่มมาตรฐานของเมตต้า-รีเกรสชันและข้อควรระวังในการตีความ โดยเฉพาะอย่างยิ่งเกี่ยวกับกำลังการทดสอบและอคติเชิงนิเวศ ซึ่งเป็นแนวทางในการใช้งานในปัจจุบัน

Debates

ผลการวิจัยจากเมตต้า-รีเกรสชันควรมีน้ำหนักมากน้อยเพียงใด?

เนื่องจากเมตต้า-รีเกรสชันใช้ข้อมูลรวมระดับงานวิจัย ซึ่งมักจะมีงานวิจัยน้อยและมีตัวแปรร่วมที่เป็นไปได้หลายตัว ความสัมพันธ์ที่พบจึงมีแนวโน้มที่จะมีกำลังการทดสอบต่ำ, มีตัวแปรกวน (confounding) ระหว่างลักษณะเฉพาะของงานวิจัย, และมีอคติเชิงนิเวศ ดังนั้นผู้แสดงความคิดเห็นจึงถือว่าผลลัพธ์ของเมตต้า-รีเกรสชันเป็นการสร้างสมมติฐานมากกว่าการสรุปที่แน่นอน

Key figures

• Simon Thompson
• Julian Higgins
• Stephen Sharp

Seminal works

• thompson-sharp-1999
• thompson-higgins-2002

Frequently asked questions

เมตต้า-รีเกรสชันแตกต่างจากการวิเคราะห์กลุ่มย่อย (subgroup analysis) อย่างไร?

การวิเคราะห์กลุ่มย่อยจะแบ่งงานวิจัยออกเป็นหมวดหมู่ที่แยกจากกันและเปรียบเทียบผลลัพธ์รวมระหว่างกลุ่มเหล่านั้น ในขณะที่เมตต้า-รีเกรสชันจะสร้างแบบจำลองผลลัพธ์เป็นฟังก์ชันของตัวแปรร่วมที่สามารถเป็นแบบต่อเนื่อง โดยใช้ทุกงานวิจัยร่วมกัน; การวิเคราะห์กลุ่มย่อยในทางปฏิบัติแล้วคือเมตต้า-รีเกรสชันที่มีตัวทำนายเชิงหมวดหมู่

เหตุใดเมตต้า-รีเกรสชันจึงมักถูกอธิบายว่ามีกำลังการทดสอบต่ำ?

เนื่องจากหน่วยของการวิเคราะห์คืองานวิจัย และการวิเคราะห์อภิมานส่วนใหญ่มีงานวิจัยค่อนข้างน้อย จึงมีข้อมูลจำกัดในการประมาณผลของตัวแปรร่วมได้อย่างน่าเชื่อถือ ดังนั้นผลลัพธ์ที่ไม่นัยสำคัญอาจสะท้อนถึงจำนวนงานวิจัยที่น้อยเกินไปมากกว่าการไม่มีความสัมพันธ์จริง