Meta-Analiz
Meta-analiz, aynı soruyu ele alan birkaç bağımsız çalışmanın nicel sonuçlarını tek bir özet tahminde birleştiren istatistiksel bir yöntemdir. Etki büyüklüklerini bir araya getirerek ve her çalışmayı hassasiyetine göre ağırlıklandırarak, herhangi bir tek çalışmadan daha kesin bir genel tahmin üretebilir ve etkinin çalışmalar arasında ne kadar değiştiğini inceleyebilir.
Tanım
Meta-analiz, aynı soruyu ele alan birden fazla bağımsız çalışmanın etki tahminlerini, her çalışmanın sonucunun hassasiyetine göre ağırlıklandırıldığı, ağırlıklı bir özet tahminde birleştirmek için kullanılan istatistiksel bir prosedürdür.
Kapsam
Bu giriş, nicel kanıt sentezinin istatistiksel çekirdeğini kapsamaktadır: etki büyüklükleri ve bunların ağırlıklandırılması, sabit etkili (fixed-effect) ve rastgele etkili (random-effects) modeller, özet tahmin ve güven aralığı ile yakından ilişkili heterojenite (heterogeneity) sorunu. Meta-analizi, sistematik bir derleme içinde yürütülen metodolojik bir konu olarak ele almakta, klinik bir rehberlik olarak değerlendirmemektedir.
Temel sorular
- Birkaç bağımsız çalışma göz önüne alındığında, bir etkinin en iyi tek tahmini nedir?
- Çalışmalar, tek bir ortak etkiyi mi yoksa bir etki dağılımını mı tahmin ediyor olarak ele alınmalıdır?
- Çalışmalar ne kadar tutarlıdır ve havuzlanmış sonuç ne kadar hassastır?
Anahtar kavramlar
- Etki büyüklüğü (örn. olasılık oranı, risk oranı, ortalama fark)
- Ters-varyans ağırlıklandırması
- Sabit etkili model
- Rastgele etkili model
- Özet tahmin ve güven aralığı
- Orman grafiği (Forest plot)
- Heterojenite
Mekanizmalar
Her çalışma bir etki tahmini (örneğin, olasılık oranı veya standartlaştırılmış ortalama fark) ve hassasiyetine ilişkin bir ölçü sunar. Meta-analiz, bu tahminleri, genellikle varyansının tersiyle ağırlıklandırarak birleştirir, böylece daha büyük ve daha hassas çalışmalar daha fazla ağırlık taşır. Sabit etkili bir model, her çalışmanın tek bir ortak gerçek etkiyi tahmin ettiğini ve farklılıkların yalnızca örnekleme hatasından kaynaklandığını varsayar. En yaygın olarak DerSimonian ve Laird yöntemi olan rastgele etkili bir model ise, gerçek etkinin çalışmalar arasında değiştiğini varsayar ve çalışmalar arası bir varyans bileşeni ekleyerek daha geniş aralıklar üretir ve daha küçük çalışmalara nispeten daha fazla ağırlık verir. Havuzlanmış tahmin ve güven aralığı genellikle bir orman grafiğinde (forest plot) gösterilir. Havuzlama, çalışmaların birleştirilebilecek kadar benzer olduğunu varsaydığından, özetle birlikte heterojenite derecesi de değerlendirilmektedir.
Klinik önem
Meta-analizler, klinik kılavuzlarda ve sağlık teknolojisi değerlendirmelerinde atıfta bulunulan özet etki tahminlerinin çoğunu sağlamaktadır ve sonuçları, bireysel denemelerin sonuçlarından daha istikrarlı olabilmektedir. Bunları yorumlamak, kullanılan modeli ve mevcut heterojeniteyi anlamayı gerektirir. Bu giriş, özet tahminlerin nasıl hesaplandığını ve okunduğunu açıklamaktadır; bireysel bir hastayı tedavi etmeye yönelik bir tavsiye değil, kanıtları değerlendirmek için bir referans materyalidir.
Epidemiyoloji
Meta-analiz, klinik araştırmalar, gözlemsel epidemiyoloji, tanısal doğruluk araştırmaları ve sosyal bilimler genelinde uygulanmaktadır. Tıpta en sık Cochrane ve diğer sistematik derlemeler içinde yürütülmekte olup, meta-analiz için yazılımlar yaygın olarak mevcuttur. DerSimonian ve Laird'in rastgele etkili modeli, biyomedikal literatürde en sık kullanılan havuzlama yöntemleri arasındadır.
Kanıt ve kılavuzlar
Sistematik derlemeler içinde rapor edilen meta-analizler, sentez yöntemleri, heterojenite ve kanıt kesinliği ile ilgili maddeleri içeren PRISMA 2020 raporlama standartlarını (Page ve diğerleri, 2021) takip etmektedir. Bunlar raporlama standartları olup, tedavi önerileri değildir.
Tarihçe
Çalışmaların istatistiksel olarak birleştirilmesi, Pearson ve Fisher'ın yirminci yüzyıl başlarındaki çalışmalarına dayanmaktadır ve Gene Glass, meta-analiz terimini 1976'da eğitim araştırmalarında tanıtmıştır. Klinik tıpta, DerSimonian ve Laird'in (1986) rastgele etkili modeli, havuzlama için standart yaklaşım haline gelmiş ve yöntem, Cochrane İşbirliği'nin ve özel yazılımların büyümesiyle hızla yayılmıştır. Borenstein ve meslektaşları (2010) daha sonra sabit etkili ve rastgele etkili modeller arasındaki kavramsal farkı açıklığa kavuşturmuşlardır.
Tartışmalar
- Sabit etkili mi yoksa rastgele etkili model mi?
- İki model, çalışmaların tek bir gerçek etkiyi mi paylaştığı yoksa bir etki dağılımını mı tahmin ettiği konusunda farklı varsayımları içermektedir; seçim, ağırlıklandırmayı ve güven aralığının genişliğini etkiler ve çalışma sayısı az olduğunda rastgele etkili model kararsız olabilmektedir.
- Havuzlama ne zaman uygun olur?
- Popülasyonlar, müdahaleler veya tasarım açısından önemli ölçüde farklılık gösteren çalışmaları birleştirmek, kesin ancak yanıltıcı bir özet verebilmektedir, bu nedenle heterojenite derecesi, havuzlanmış bir tahminin anlamlı olup olmadığıyla doğrudan ilişkilidir.
Öne çıkan isimler
- Gene Glass
- Rebecca DerSimonian
- Nan Laird
- Larry Hedges
- Julian Higgins
- Michael Borenstein
İlgili konular
Temel eserler
- dersimonian-laird-1986
- borenstein-2010
- higgins-2003-i2
Sıkça sorulan sorular
- Sabit etkili ve rastgele etkili meta-analiz arasındaki fark nedir?
- Sabit etkili bir model, tüm çalışmaların tek bir ortak gerçek etkiyi tahmin ettiğini varsayar ve bunları yalnızca hassasiyetlerine göre ağırlıklandırır. Rastgele etkili bir model ise, gerçek etkinin çalışmalar arasında değiştiğini varsayar, çalışmalar arası bir varyans terimi ekler ve bu nedenle daha geniş güven aralıkları verir ve daha küçük çalışmalara nispeten daha fazla ağırlık tanır.
- Herhangi bir çalışma kümesi meta-analiz edilebilir mi?
- Hayır. Havuzlama, çalışmaların anlamlı bir özeti paylaşmak için soru, popülasyon ve tasarım açısından yeterince benzer olduğunu varsayar. Çok heterojen olduklarında, tek bir havuzlanmış tahmin kesin ancak yanıltıcı olabilmekte ve nitel bir sentez daha uygun olabilmektedir.