Phân tích tổng hợp (Meta-Analysis)

Phân tích tổng hợp là một quy trình thống kê kết hợp các ước tính hiệu quả từ nhiều nghiên cứu cùng giải quyết một vấn đề thành một ước tính gộp duy nhất, chính xác hơn. Bằng cách cân nhắc từng nghiên cứu theo độ chính xác của nó, phân tích tổng hợp đưa ra một câu trả lời tổng thể mà không một nghiên cứu đơn lẻ nào có thể cung cấp, đồng thời báo cáo sự không chắc chắn còn lại xung quanh câu trả lời đó.

Definition

Phân tích tổng hợp là sự kết hợp định lượng các ước tính hiệu quả từ nhiều nghiên cứu thành một ước tính tóm tắt có trọng số, thường sử dụng phương pháp cân bằng nghịch đảo phương sai theo mô hình hiệu ứng cố định (một hiệu ứng chung giả định) hoặc mô hình hiệu ứng ngẫu nhiên (các hiệu ứng được giả định thay đổi giữa các nghiên cứu).

Scope

Mục này bao gồm các cơ chế cốt lõi của việc gộp dữ liệu: cách các hiệu ứng nghiên cứu riêng lẻ được cân nhắc, sự khác biệt giữa mô hình hiệu ứng cố định và mô hình hiệu ứng ngẫu nhiên, và cách đọc ước tính gộp cùng với khoảng tin cậy của nó. Mục này xem phân tích tổng hợp như một phương pháp định lượng trong tổng hợp bằng chứng và là một mô tả tham khảo chứ không phải hướng dẫn lâm sàng. Quy trình tổng quan hệ thống rộng hơn được đề cập trong mục phân tích tổng hợp liên quan trong phần tổng quan hệ thống.

Core questions

• Kết quả nghiên cứu riêng lẻ được cân nhắc như thế nào khi chúng được kết hợp?
• Ước tính gộp đại diện cho điều gì theo mô hình hiệu ứng cố định so với mô hình hiệu ứng ngẫu nhiên?
• Khoảng tin cậy xung quanh ước tính gộp nên được diễn giải như thế nào?
• Khi nào thì việc gộp các nghiên cứu là phù hợp?

Key concepts

• Cân bằng nghịch đảo phương sai
• Mô hình hiệu ứng cố định
• Mô hình hiệu ứng ngẫu nhiên
• Hiệu ứng gộp (tóm tắt)
• Khoảng tin cậy và khoảng dự đoán
• Biểu đồ rừng (Forest plot)

Mechanisms

Mỗi nghiên cứu đóng góp một ước tính hiệu quả (chẳng hạn như tỷ số rủi ro, tỷ số chênh hoặc sự khác biệt trung bình) cùng với sai số chuẩn của nó. Trong phương pháp cân bằng nghịch đảo phương sai, các nghiên cứu chính xác hơn sẽ nhận được trọng số lớn hơn, và trung bình có trọng số là ước tính gộp. Theo mô hình hiệu ứng cố định, tất cả các nghiên cứu được giả định chia sẻ một hiệu ứng thực sự duy nhất, do đó trọng số chỉ phụ thuộc vào phương sai trong nghiên cứu. Theo mô hình hiệu ứng ngẫu nhiên, các hiệu ứng thực sự được giả định thay đổi, do đó một phương sai giữa các nghiên cứu ước tính được thêm vào mỗi trọng số, làm giảm ảnh hưởng của các nghiên cứu lớn nhất và mở rộng khoảng tin cậy. Phương pháp DerSimonian-Laird đã đưa ra ước tính dựa trên mô men cổ điển của phương sai giữa các nghiên cứu đó; Riley và các đồng nghiệp nhấn mạnh rằng tóm tắt hiệu ứng ngẫu nhiên là một hiệu ứng trung bình mà việc giải thích, và khoảng dự đoán xung quanh nó, phải phản ánh rằng các hiệu ứng khác nhau giữa các bối cảnh.

Clinical relevance

Các ước tính gộp từ phân tích tổng hợp thường đứng đầu trong các hệ thống phân cấp bằng chứng và trực tiếp đưa vào các hướng dẫn và đánh giá công nghệ y tế, vì vậy việc có thể đọc biểu đồ rừng (forest plot) và hiểu ý nghĩa của dòng tóm tắt của nó là một phần của việc đánh giá bằng chứng. Mục này giải thích cách ước tính gộp được tạo ra và không phải là cơ sở cho các quyết định điều trị cá nhân.

Evidence & guidelines

Việc thực hiện và báo cáo minh bạch các phân tích tổng hợp được điều chỉnh bởi Sổ tay Cochrane (Higgins & Green, 2008) và tuyên bố PRISMA (Moher et al., 2009), trong đó quy định cách trình bày ước tính gộp, lựa chọn mô hình và sự không chắc chắn xung quanh.

History

Thuật ngữ phân tích tổng hợp được Gene Glass giới thiệu vào năm 1976 để tổng hợp định lượng các kết quả nghiên cứu. Việc áp dụng nó vào nghiên cứu lâm sàng được củng cố bởi khung hiệu ứng ngẫu nhiên của DerSimonian và Laird năm 1986, và các giải thích sau này như của Borenstein và các đồng nghiệp (2010) đã làm rõ sự khác biệt về khái niệm giữa việc gộp hiệu ứng cố định và hiệu ứng ngẫu nhiên vẫn tổ chức thực hành ngày nay.

Debates

Ước tính tóm tắt hiệu ứng ngẫu nhiên thực sự có ý nghĩa gì?

Bởi vì mô hình hiệu ứng ngẫu nhiên tính trung bình trên một phân bố các hiệu ứng thực sự, dòng tóm tắt của nó là một giá trị trung bình chứ không phải một giá trị chung duy nhất; Riley và các đồng nghiệp lập luận rằng cần có một khoảng dự đoán, chứ không chỉ khoảng tin cậy, để truyền tải phạm vi hiệu ứng giữa các bối cảnh.

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

Sự khác biệt giữa phân tích tổng hợp hiệu ứng cố định và hiệu ứng ngẫu nhiên là gì?

Phân tích hiệu ứng cố định giả định mỗi nghiên cứu ước tính cùng một hiệu ứng thực sự duy nhất, trong khi phân tích hiệu ứng ngẫu nhiên giả định hiệu ứng thực sự thay đổi giữa các nghiên cứu và thêm một thuật ngữ phương sai giữa các nghiên cứu, điều này thường làm mở rộng khoảng tin cậy.

Bất kỳ tập hợp nghiên cứu nào cũng có thể được kết hợp trong một phân tích tổng hợp không?

Không. Việc gộp chỉ có ý nghĩa khi các nghiên cứu đủ tương tự về câu hỏi, quần thể và kết quả; khi chúng quá đa dạng, việc kết hợp chúng có thể tạo ra một bản tóm tắt chính xác nhưng gây hiểu lầm.