Tính không đồng nhất trong phân tích tổng hợp

Tính không đồng nhất trong phân tích tổng hợp là sự khác biệt về hiệu ứng thực giữa các nghiên cứu được tổng hợp, vượt ra ngoài những gì lỗi lấy mẫu đơn thuần có thể tạo ra. Việc đo lường và diễn giải tính không đồng nhất cho phép nhà phân tích biết liệu các nghiên cứu đang ước tính cùng một điều hay những điều thực sự khác biệt, điều này định hình cả mô hình được sử dụng và mức độ tin cậy đặt vào kết quả tổng hợp.

Definition

Tính không đồng nhất là mức độ mà các hiệu ứng thực được ước tính bởi các nghiên cứu riêng lẻ trong một phân tích tổng hợp khác nhau, được định lượng bằng các thống kê như Cochran's Q, I-squared (tỷ lệ tổng phương sai do sự khác biệt giữa các nghiên cứu chứ không phải do ngẫu nhiên), và tau-squared (phương sai ước tính giữa các nghiên cứu).

Scope

Mục này bao gồm đánh giá thống kê về tính không đồng nhất giữa các nghiên cứu: kiểm định Cochran Q, thống kê I-squared, phương sai giữa các nghiên cứu tau-squared, và những hạn chế đã biết của các phép đo này. Nó coi tính không đồng nhất là một chủ đề phương pháp luận trong tổng hợp bằng chứng và cung cấp mô tả tham khảo, không phải lời khuyên lâm sàng.

Core questions

• Các nghiên cứu được đưa vào ước tính một hiệu ứng chung hay một loạt các hiệu ứng khác nhau?
• Bao nhiêu phần trăm sự biến thiên quan sát được là sự khác biệt thực sự giữa các nghiên cứu so với nhiễu lấy mẫu?
• I-squared và tau-squared nên được diễn giải như thế nào, và chúng có thể gây hiểu lầm ở đâu?
• Khi nào tính không đồng nhất làm cho một ước tính tổng hợp duy nhất không phù hợp?

Key concepts

• Kiểm định Cochran's Q
• Thống kê I-squared
• Tau-squared (phương sai giữa các nghiên cứu)
• Tính không đồng nhất lâm sàng so với thống kê
• Khoảng dự đoán
• Phân tích dưới nhóm như một phản ứng đối với tính không đồng nhất

Mechanisms

Tổng phương sai giữa các ước tính nghiên cứu được phân chia thành lỗi lấy mẫu trong nghiên cứu và phương sai thực sự giữa các nghiên cứu. Cochran's Q so sánh sự phân tán quan sát được với những gì lỗi lấy mẫu đơn thuần dự đoán; vì Q có công suất thấp với ít nghiên cứu, Higgins và Thompson đã đề xuất I-squared, tỷ lệ phần trăm tổng phương sai có thể quy cho tính không đồng nhất giữa các nghiên cứu chứ không phải do ngẫu nhiên, độc lập với số lượng nghiên cứu. Tau-squared ước tính phương sai của phân bố hiệu ứng cơ bản và trực tiếp đưa vào trọng số hiệu ứng ngẫu nhiên và khoảng dự đoán. Các cảnh báo quan trọng sau đây: Rücker và cộng sự chỉ ra rằng I-squared phụ thuộc vào độ chính xác của các nghiên cứu được đưa vào, vì vậy nó có thể lớn đơn giản vì các nghiên cứu chính xác, và von Hippel chỉ ra rằng nó không ổn định và có thể bị sai lệch trong các phân tích tổng hợp nhỏ, vì vậy các thống kê này phải được đọc cùng với sự phân tán tuyệt đối của các hiệu ứng chứ không phải dựa trên các ngưỡng cố định.

Clinical relevance

Việc một tập hợp các thử nghiệm được tóm tắt như thế nào phụ thuộc rất nhiều vào tính không đồng nhất của nó, vì vậy việc đánh giá các thống kê không đồng nhất là một phần của việc đánh giá mức độ đáng tin cậy của một kết quả tổng hợp trong các hướng dẫn và đánh giá công nghệ y tế. Mục này mô tả cách tính không đồng nhất được đo lường và không phải là cơ sở cho các quyết định lâm sàng cá nhân.

Evidence & guidelines

Sổ tay Cochrane mô tả thực hành dự kiến để đánh giá và báo cáo tính không đồng nhất, bao gồm việc sử dụng I-squared với cách diễn giải thận trọng và vai trò của khoảng dự đoán, phù hợp với tài liệu phương pháp luận được tóm tắt ở đây.

History

Kiểm định Cochran's Q để kết hợp các thử nghiệm có từ giữa thế kỷ 20, nhưng nó tỏ ra không đủ công suất đối với số lượng nghiên cứu nhỏ thường thấy trong phân tích tổng hợp lâm sàng. Bài báo năm 2002 của Higgins và Thompson, tiếp theo là bài trình bày BMJ năm 2003 được trích dẫn rộng rãi, đã giới thiệu I-squared như một thước đo có thể diễn giải, độc lập với cỡ mẫu, sau đó một tài liệu sửa chữa (Rücker et al., 2008; von Hippel, 2015) đã làm rõ sự phụ thuộc của nó vào độ chính xác của nghiên cứu và sự không ổn định của nó trong các tổng hợp nhỏ.

Debates

Nên dựa vào I-squared đến mức nào để đánh giá tính không đồng nhất?

I-squared phụ thuộc vào độ chính xác của các nghiên cứu được đưa vào và có thể không ổn định khi ít nghiên cứu được tổng hợp, vì vậy các nhà bình luận cảnh báo không nên sử dụng các ngưỡng cố định và khuyến nghị đọc nó cùng với tau-squared và sự phân tán tuyệt đối của các hiệu ứng.

Key figures

• Julian Higgins
• Simon Thompson
• Gerta Rücker
• Paul von Hippel
• William Cochran

Seminal works

• higgins-thompson-2002
• higgins-2003

Frequently asked questions

I-squared 75% có nghĩa là gì?

Nó chỉ ra rằng khoảng ba phần tư tổng phương sai giữa các ước tính nghiên cứu phản ánh sự khác biệt thực sự giữa các nghiên cứu chứ không phải lỗi lấy mẫu; nhưng vì I-squared phụ thuộc vào độ chính xác của nghiên cứu, nó nên được diễn giải cùng với sự phân tán thực tế của các hiệu ứng, chứ không phải dựa trên một nhãn cố định.

Tính không đồng nhất cao có phải là lý do để không tổng hợp các nghiên cứu không?

Không tự động. Tính không đồng nhất cao báo hiệu rằng các nghiên cứu khác nhau và thúc đẩy việc điều tra lý do tại sao, nhưng việc có nên tổng hợp, sử dụng mô hình hiệu ứng ngẫu nhiên hay kiềm chế phụ thuộc vào việc liệu sự khác biệt có thể giải thích được và các nghiên cứu có thể so sánh được về mặt lâm sàng hay không.