Bireysel Hasta Verisi Meta-Analizi
Individual Patient Data Meta-Analysis (IPD-MA) · Ayrıca şöyle bilinir: IPD Meta-Analysis, Participant-Level Data Synthesis, One-Stage Meta-Analysis
Bireysel hasta verisi meta-analizi (BHV-MA), araştırmacıların yayınlanmış özet istatistiklere (toplu verilere) güvenmek yerine, birden fazla randomize kontrollü çalışmadan ham, hasta düzeyindeki verileri elde edip analiz ettiği sistematik bir sentez yöntemidir. Cochrane İşbirliği tarafından öncülüğü yapılan ve Stewart, Clarke ve Riley tarafından biçimlendirilen BHV-MA, tutarlı sonuç tanımı, sağlam alt grup analizi ve tedavi-kovaryat etkileşimlerinin tespiti sağladığı için kanıt sentezinde altın standart olarak kabul edilir. Zaman alıcı ve kaynak gerektiren bir süreç olmasına rağmen, BHV-MA müdahale etkilerine ilişkin en güvenilir tahminleri sağlar ve özellikle hangi hastaların tedaviden en çok fayda gördüğünü belirlemek için kritik klinik kararlarda tercih edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
BHV-MA'yı şu durumlarda yürütün: (1) klinik karar verme için tedavinin etkilerine ilişkin kesin, alt grup özelinde bir anlayış kritik olduğunda (örneğin, hangi kanser hastalarının yeni bir ilaçtan fayda gördüğünü belirlemek), (2) yayınlanmış özet düzeyindeki meta-analiz heterojenlik veya çelişkili sonuçlar gösterdiğinde ve BHV analizi mekanizmaları netleştirebilir veya moderatörleri belirleyebilir, (3) önemli alt grup etkilerinden şüphelenildiğinde ancak çalışmalarda tutarlı bir şekilde raporlanmadığında, (4) çalışma yazarlarından makul veri yanıtı (tipik olarak çalışmaların %50-80'i) sağlayabilirseniz veya (5) hasta düzeyindeki verileri elde etmek, uyumlaştırmak ve analiz etmek için kaynaklara (zaman, finansman, veri yönetimi uzmanlığı) sahipseniz. Yaygın uygulamalar, hassas tıp sorularının önemli olduğu kanser çalışmaları, kardiyovasküler müdahaleler ve kronik hastalık yönetimini içerir. Veri erişiminin ciddi şekilde kısıtlı olduğu veya anlamlı alt grup sorularının bulunmadığı durumlarda BHV-MA'dan kaçının.
Güçlü yönler & sınırlılıklar
- Heterojen çalışmalar arasında tutarlı sonuç tanımı ve alt grup analizi sağlayarak şeffaflığı artırır ve seçici raporlamadan kaynaklanan yanlılığı azaltır.
- Hangi hasta alt gruplarının en çok fayda gördüğünü belirleyerek tedavi-kovaryat etkileşimlerinin araştırılmasına olanak tanır - hassas tıp ve kişiselleştirilmiş tedavi önerileri için esastır.
- Toplu meta-analizden daha kesin etki tahminleri üretir, çünkü tüm mevcut verileri kullanır ve çalışma düzeyindeki kümelenmeyi düzeltir.
- Özet düzeyindeki meta-analizin kaçırabileceği, özellikle alt grup etkilerinin küçük veya tutarsız raporlandığı durumlarda farklı tedavi etkilerini tespit eder.
- Çalışma düzeyindeki heterojenliğin araştırılmasına olanak tanır: sonuç değişkenliğini açıklayan çalışma tasarım özellikleri, uygulama sadakati veya hasta popülasyonu özellikleri.
- Toplu meta-analizden önemli ölçüde daha zaman alıcı ve kaynak yoğun. Yazarlardan veri almak, hasta veri kümelerini düzenlemek ve uyumlaştırmak 12-24 ay sürer.
- Veri mevcudiyetine bağlıdır: çalışmalar gizlilik endişeleri, kaynak eksikliği veya veri kaybı nedeniyle veri paylaşmayı reddedebilir. Yanlış yanıt sonuçları yanlı hale getirebilir, çünkü negatif çalışmaların yanıt verme olasılığı daha düşüktür.
- Veri kalitesi çalışmadan çalışmaya değişebilir; eksik veya tutarsız ölçülen değişkenler analizleri sınırlar. Eksik veri örüntüleri çalışmaya göre farklılık gösterir ve dikkatli bir şekilde ele alınmasını gerektirir.
- İstatistiksel karmaşıklık artar; birden fazla etkileşim içeren hiyerarşik regresyon modellerini uyarlamak istatistiksel uzmanlık gerektirir ve dikkatli planlanmazsa aşırı uyuma eğilimli olabilir.
SSS
BHV meta-analizi ile toplu (özet düzeyinde) meta-analizi arasındaki fark nedir?
Toplu meta-analiz, birden fazla çalışmadan yayınlanmış etki tahminlerini (örneğin, olasılık oranları) birleştirir. BHV meta-analizi, ham hasta düzeyindeki verileri elde eder ve bunları merkezi olarak standartlaştırılmış yöntemlerle yeniden analiz eder. BHV, tutarlı alt grup analizlerine ve hasta-tedavi etkileşimlerinin araştırılmasına olanak tanır; toplu meta-analiz, genellikle tutarsız veya eksik olan makalelerde bildirilen alt grup sonuçlarına dayanır. BHV daha titizdir ancak çok daha fazla kaynak gerektirir.
BHV meta-analizinde ne kadar eksik veri kabul edilebilir?
Hasta düzeyindeki eksik veriler (örneğin, bazı hastaların sonuç ölçümünün eksik olması) yaygındır ve atama yöntemleriyle ele alınabilir. Çalışma düzeyindeki eksik veriler (tüm çalışmanın BHV sağlamaması) daha sorunludur. Uygun çalışmaların %60-80'inden fazlasından BHV hedefleyin. Yanıt oranlarını belgeleyin ve eksik çalışmaların sistematik olarak farklılık gösterip göstermediğini değerlendirin (örneğin, negatif çalışmaların yanıt verme olasılığı daha düşük mü?). Yanıt %50'nin altındaysa, yanlılık riski artar; hassasiyet analizleri vazgeçilmez hale gelir.
BHV meta-analizinde tedavi-kovaryat etkileşimleri için nasıl test yaparım?
Etkileşim terimlerini karma etkili regresyon modelinize dahil edin (örneğin, tedavi × yaş, tedavi × başlangıç şiddeti). Etkileşim teriminin istatistiksel anlamlılığını test edin. Tedavi etkisini farklı kovaryat katmanları için ayrı ayrı tahmin edin (örneğin, yaş <65 vs ≥65). Etkileşimleri görselleştirmek için tedavi etkisini kovaryat aralıkları boyunca çizin. Birden fazla testten kaynaklanan yanlış pozitifleri önlemek için analiz edeceğiniz etkileşimleri önceden belirleyin.
RKÇ'leri ve gözlemsel çalışmaları BHV meta-analizinde birleştirebilir miyim?
Evet, ancak bunları açıkça ayırt edin ve analizde çalışma tasarımını hesaba katın (örneğin, bir çalışma tasarımı göstergesi içeren karma bir model kullanın). RKÇ'ler en güçlü nedensel kanıtı sağlar; gözlemsel çalışmalar genişlik katar ancak karıştırıcı risk taşır. Gözlemsel çalışmaların ayrı ayrı, RKÇ'lerle birlikte bir hassasiyet analizinde veya tamamen hariç tutulup tutulmayacağını önceden belirleyin. Çalışma tasarımına göre herhangi bir bulgu farkını belgeleyin.
Kaynaklar
- Stewart, L. A., Clarke, M. J., & Cochrane IPD Meta-analysis Methods Group. (2015). Practical methodology of meta-analyses (including IPD) of randomised trials reporting time to event data. Cochrane Database of Systematic Reviews, 2015(10), MR000027. link ↗
- Riley, R. D., Lambert, P. C., & Abo-Zaid, G. (2010). Meta-analysis of individual participant data: rationale, conduct, and reporting. BMJ, 340, c221. DOI: 10.1136/bmj.c221 ↗
- Higgins, P. T., & Green, S. (Eds.). (2011). Cochrane Handbook for Systematic Reviews of Interventions (Version 5.1.0). The Cochrane Collaboration. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 4). Individual Patient Data Meta-Analysis (IPD-MA). ScholarGate. https://scholargate.app/tr/evidence-synthesis/individual-patient-data-meta-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Ağ Meta-AnaliziKanıt sentezi↔ karşılaştır