Ano ang Meta-Analysis? Pagbasa ng Pinagsamang Resulta

Nagbibigay ang bawat pag-aaral ng pagtataya, gaya ng risk ratio o diperensiya ng mga mean, kasama ang kawalang-katiyakan. Pinagsasama ng meta-analysis ang angkop na pagtataya sa itinakdang paraan, hindi ang simpleng pagkuha ng average ng lahat ng numero sa papel. Madalas mas mabigat ang presisong pag-aaral, ngunit nakadepende sa paraan at modelo ang eksaktong pagtitimbang.

Binubuod ng resulta ang ebidensiyang ipinasok sa pagsusuri sa ilalim ng mga palagay nito. Hindi ito awtomatikong epekto sa bawat sitwasyon. Hindi naaayos ng makitid na interval ang maling naitalang kinalabasan, may-kinikilingang pag-aaral, o di-angkop na pagsasama ng tanong. Isaalang-alang ang mga ito bago at pagkatapos ng pagkalkula.

Itinatakda ng systematic review ang tanong, hinahanap at pinipili ang ebidensiya, tinatasa ang mga pag-aaral, at pinagsasama ang mga natuklasan. Isa lamang sa mga paraan ng sintesis ang meta-analysis. Hindi nagiging sistematiko ang pagpili dahil pinagsama ang madaling makuhang pag-aaral; maaari ring magpasya ang maingat na review na hindi kapaki-pakinabang ang pagsasama.

Sa pamagat na «meta-analysis ng dalawampung pag-aaral», itanong kung paano nahanap ang mga ito, bakit sila karapat-dapat, at kung tumutukoy ang maraming publikasyon sa parehong kalahok. Hindi patunay ng sapat na saklaw ang bilang lamang. Inilalarawan ng gabay sa systematic review ang mas malawak na landas ng ebidensiya.

Unahing tukuyin ang tanong at daming tatayahin. Dapat sapat ang pagkakatugma ng populasyon, interbensiyon o pagkakalantad, paghahambing, kinalabasan, at panahon upang magkaroon ng saysay ang pagsasama. Hindi kailangang magkapareho ang mga pag-aaral, ngunit kailangan ng siyentipikong dahilan para sa kanilang pagkakaiba.

Saka suriin ang independensiya at datos na magagamit. Maaaring magkakaugnay ang pagtataya mula sa maraming ulat ng parehong kalahok, magkakaibang panahon, o iisang control group. Kung ituturing na hiwalay, maaaring lumabas na napakaliit ng kawalang-katiyakan. Maaaring hindi rin magamit ang point estimate nang walang angkop na sukatan ng kawalang-katiyakan o datos upang makalkula ito.

Tungkol sa planong kinalabasan sa ika-12 linggo ang lahat ng kathang-isip na sitwasyon sa ibaba. Mga desisyon ito tungkol sa pagsama sa sintesis, hindi pagsubok sa produkto. Maaaring hindi maisama ang resulta sa kalkulasyon dahil sa kulang na datos o di-tugmang panahon, habang nananatiling karapat-dapat ang pag-aaral sa buong review.

Inihahambing ng risk ratio ang probabilidad ng pangyayari. Inihahambing ng odds ratio ang odds: probabilidad na hinati sa isa bawas ang probabilidad. Hindi mapagpapalit ang dalawa, lalo na kung karaniwan ang pangyayari. Orihinal na yunit ang ginagamit ng mean difference, samantalang iniuugnay ng standardized mean difference ang pagkakaiba sa pagkakaiba-iba ng datos. Tingnan ang kabanata ng Cochrane sa sukatan ng epekto.

Sa ratio, 1 ang walang pagkakaiba; sa diperensiya, karaniwang 0. Hindi awtomatikong mabuti ang ratio na mas mababa sa 1. Tingnan kung kanais-nais o mapaminsala ang pangyayari, kung aling pangkat ang numerator, at ang depinisyon ng kinalabasan. Kailangan din ng kaugnay na batayang panganib upang maipahayag ang absolutong epekto.

Karaniwang sinusuri ang ratio sa logarithmic na iskala. Dahil log(1) = 0, nagiging di-simetriko ang simetrikong interval sa log kapag ibinalik sa ratio gamit ang exponentiation. Inaasahan ito, hindi mali sa graph. Gumagamit ang halimbawa ng log risk ratio upang malinaw ang kalkulasyon; walang tunay na pangyayari o interbensiyong itinakda.

Para sa mas malawak na pagkalkula at conversion, basahin ang gabay sa d ni Cohen, g ni Hedges, odds ratio, at risk ratio (sa Ingles). Isama sa bawat pagtataya ang sukatan, direksiyon ng paghahambing, yunit, at panahon.

Ganap na sintetikong datos ang sumusunod. May tatlong hiwalay na pagtataya na may log risk ratio na 0.10, 0.20, at 0.30; 0.10 ang pamantayang error ng bawat isa. Gumagamit ang kalkulasyon ng modelong may iisang epekto, pagtitimbang ayon sa kabaligtaran ng variance, at normal na pagtatantiya ng 95% agwat ng kumpiyansa. Pantay ang mga kamalian kaya pantay rin ang timbang; hindi ito halimbawa ng di-pantay na timbang o ebidensiya tungkol sa tunay na interbensiyon.

Ang bawat variance ay 0.10² = 0.01, kaya 100 ang bawat timbang at 300 ang kabuuan. Ang tinimbang na mean ay (100 × 0.10 + 100 × 0.20 + 100 × 0.30) / 300 = 0.20. Ang pinagsamang pamantayang error ay √(1 / 300) = 0.057735. Sa 1.96 na pamantayang error, humigit-kumulang 0.08684 hanggang 0.31316 ang agwat sa logaritmikong iskala.

Pagkatapos ng exponentiation, 1.221 ang pinagsamang risk ratio at 1.091 hanggang 1.368 ang 95% agwat ng kumpiyansa. Tig-isang katlo ang timbang at ni-round ang ipinakitang porsiyento. Parehong pagkalkula ang pinagmulan ng mga agwat ng pag-aaral sa talahanayan. Walang tunay na pangyayari o pangkat na paghahambingan, kaya walang direksiyon ng pakinabang o pinsala. Ang higit sa 1 ay mas malaking probabilidad lamang sa pangkat na nasa numerator.

Sa forest plot, ipinapakita ng marka ang pagtataya at ng pahalang na linya ang agwat ng kumpiyansa. Nasa 1 ang patayong sanggunian para sa walang pagkakaiba. Nakasentro sa 1.221 ang diyamante at umaabot sa 1.091–1.368. Ang makitid na diyamante ay presisyon sa modelong ito, hindi pagtatasa ng pagkiling, nawawalang ebidensiya, o kaangkupan sa paggamit. Pareho ang numerikal na impormasyon sa talahanayan at larawan.

Ipinapalagay ng common-effect model, na madalas tawaging fixed-effect dito, na iisang nakapailalim na epekto ang tinataya. Pinapayagan ng random-effects model ang magkakaibang epekto at binubuod ang distribusyon nito. Pumili ayon sa tanong at makatwirang pagkakaiba, hindi lamang sa threshold ng pagsusuri sa heterogeneity. Ipinaliliwanag ng kabanata ng Cochrane sa meta-analysis ang mga palagay at paraan.

Tumutukoy ang klinikal at metodolohikal na heterogeneity sa pagkakaiba ng kalahok, konteksto, disenyo, at pagsukat. Ang estadistikal na heterogeneity ay pagkakaiba lampas sa sampling error sa ilalim ng modelo. Binubuod ng I² ang relatibong di-pagkakatugma; hindi ito porsiyento ng mababang-kalidad na pag-aaral o laki ng epekto. Maaaring hindi tiyak lalo na kung kakaunti ang pag-aaral. Ibang aspekto ang inilalarawan ng variance sa pagitan ng pag-aaral, τ².

Hindi inaayos ng random-effects model ang di-angkop na pagsasama o pagkiling. Nakasalalay ang resulta sa pagtataya ng variance at paraan ng interval, lalo na sa kaunting pag-aaral. Inilalarawan ng prediction interval ang pagkalat ng nakapailalim na epekto sa maihahambing na konteksto sa dagdag na mga palagay. Iba ito sa confidence interval ng pinagsamang mean at hindi garantiya para sa isang bagong pag-aaral.

Gumamit ng paunang subgroup o sensitivity analysis kung may dahilan upang siyasatin ang makahulugang pagkakaiba, at tukuyin ang pagbabagong eksploratoryo. Kung susuriin ang pagpapatupad sa software, tinatalakay ng gabay sa mga kagamitan ng meta-analysis ang input, code, at talang kailangan para maulit ang pagsusuri.

Maaaring maipasa sa pinagsamang pagtataya ang pagkiling ng mga pag-aaral. Hindi naaayos ng pagtitimbang ang nawawalang kinalabasan, piling pag-uulat, o kakulangan sa pagsasagawa. Gumamit ng pagtatasa na angkop sa disenyo at unawain ang epekto nito sa partikular na resulta; tingnan ang gabay ng Cochrane sa pagkiling.

Problema rin ang nawawalang ebidensiya. Kung nakadepende sa natuklasan kung makukuha ang pag-aaral o resulta, maaaring malihis ang nakikitang larawan. Kailangan ng maingat na interpretasyon ang hugis-imbudong graph at mga pagsusuring estadistikal. Hindi patunay ng pagkiling sa publikasyon ang kawalan ng simetriya, at hindi rin katibayan ng pagkakumpleto ang mukhang maayos na graph. Tinatalakay ito ng kabanata ng Cochrane sa nawawalang resulta.

Ihiwalay ang agwat na hindi kasama ang halagang walang epekto sa resultang mahalaga o tiyak. Hindi tinutukoy ng kabuluhang estadistikal ang praktikal na halaga, kaangkupan, o katiyakan ng ebidensiya. Basahin ang laki at agwat ng epekto kasama ng limitasyon, di-pagkakatugma, di-tuwirang ebidensiya, at iba pang mahalagang salik. Nagbibigay ng balangkas ang gabay ng Cochrane sa katiyakan.

• Bigyang-kahulugan ang resulta matapos suriin ang orihinal na datos at pagkakakilanlan ng mga pag-aaral.

• Basahin ang sensitivity analysis at pasya sa nawawalang datos kasama ng pangunahing pagtataya.

• Ihiwalay ang kulang na ebidensiya sa ebidensiyang walang mahalagang epekto.

• Isama ang mahahalagang limitasyon sa konklusyon, hindi lamang sa teknikal na apendise.

Kung hindi sasagot ang pinagsamang pagtataya sa tanong, gumamit ng malinaw na alternatibo. Maaaring ipakita ang resulta sa organisadong talahanayan o graph na walang pagsasama; maaaring kailanganin ang kwalitatibong sintesis o ibang paraan. Ipaliwanag ang pagpapangkat at paghahambing sa halip na bilangin ang makabuluhang resulta. Nagbibigay ng paraan ang gabay ng Cochrane sa ibang sintesis, at iniuugnay ito ng gabay sa daloy ng sintesis sa mga kagamitan.

Anuman ang paraan, itago ang input at dahilan upang mabalikan ang pagsusuri. Iniuugnay ng gabay PRISMA ang pamamaraan at natuklasan sa ulat. Hiwalay na susunod na hakbang ang pagpili at pagtiyak sa software; hindi nito sinasagot kung nararapat pagsamahin ang ebidensiya para sa tanong.