Metaanaliza jest procesem połączenia wyników różnych badań przy zastosowaniu metod statystycznych. Celem jest połączenie danych, integracja i określenie ogólnego trendu wyników. W metaanalizie nie zbiera się nowych danych tylko łączy się wyniki badań już przeprowadzonych, w szczególności prób klinicznych, które z reguły prowadzone są na małej grupie pacjentów, a uzyskane wyniki nie pozwalają na wyciąganie jednoznacznych wniosków.

 

Składa się z następujących etapów:

- formułowanie problemu i typu badania,

- identyfikacja odpowiednich badań,

- wyłączenie badań źle przeprowadzonych i tych, które obarczone są błędami metodologicznymi,

- ocena, łączenie i interpretacja wyników (wg tej samej skali).

Przed przeprowadzeniem metaanalizy należy określić stopień oraz przyczyny heterogeniczności (niejednorodności) wyników badań włączonych do analizy.

Do badania jednorodności badań (homoscedastyczności) stosuje się szereg metod graficznych
(takich jak wykresy: forest plot, Galbraith plot, L'Abblé plot) oraz numerycznych (test Hartleya, test Cochrana, index I2).
Jedną z bardziej popularnych metod określania jednorodności badań jest Q-test Cochrana.

 

Najczęstsze przyczyny heterogeniczności badań włączanych do analiz to:

  • - odmienne sposoby przeprowadzania badań
  • - różne populacje (inne grupy wiekowe, rasy itd.)
  • - różny czas trwania badań
  • - różne metody obliczania wartości parametrów

Aby wyeliminować czynnik heterogeniczności w metaanalizie należy:

  • - odnaleźć badania odmienne (analiza wrażliwości)
  • - odnaleźć czynnik powodujący heterogeniczność (np. poprzez metaregresję)
  • - wykonać analizę w podgrupach

W zależności od stwierdzonego stopnia jednorodności badań stosuje się następujące modele metaanalizy:

Model stały
(Fixed effects model)

Model losowy
(Random effects model)

stosuje się w przypadku badań jednorodnych (homogenicznych)

stosuje się w przypadku badań heterogenicznych

łączny efekt obliczany jest jako średnia ważona

łączny efekt obliczany jest jako średnia ważona

wagamia w modelu stałym są odwrotności wariancji

w wagach wariancja powiększona jest o wariancję między badaniami

 

w przypadku modelu losowego uszykujemy szerszy przedział ufności dla łącznego efektu

a)    waga – wkład poszczególnego badania klinicznego do końcowego wyniku

Ostateczny wynik meta analizy w przypadku wartości dychotomicznych przedstawia się za pomocą podobnych parametrów jak w badaniach pierwotnych. Najczęściej są to parametry względne (takie jak OR, RR, RD, RB), rzadziej natomiast parametry bezwzględne (takie jak ARR, NNT).  W przypadku punktów końcowych przedstawianych w skali ciągłej stosuje się średnią ważoną różnic lub standaryzowaną średnią różnic.

 

Średnia ważona różnic (WMD)

Standaryzowana średnia różnic (SMD)

We wszystkich badaniach pierwotnych stosowano te sama skalę pomiarową („waga” badań zależy od ich precyzji)

W poszczególnych badaniach pierwotnych efekt oceniano za pomocą różnych instrumentów pomiarowych
(np. różne skale bólu)

Poniżej przedstawiamy przykładowy wynik metaanalizy:

 

Oprogramowanie stosowane w analizach:

•       RevMan,

•       Statsdirect,

•       R,

•       Winbugs,

•       Excel

•       MIX

•       STATA

•       http://www.mix-for-meta-analysis.info/