Apa Itu Meta-Analisis? Cara Membaca Hasil Gabungan

Setiap studi memberikan estimasi, misalnya rasio risiko atau selisih rerata, beserta ketidakpastian. Meta-analisis menggabungkan estimasi yang sesuai dengan metode tertentu, bukan merata-ratakan semua angka dalam artikel. Studi yang lebih presisi sering mendapat bobot lebih besar, tetapi pembobotan tepatnya bergantung pada metode dan model.

Hasil gabungan merangkum bukti yang dimasukkan ke analisis berdasarkan asumsinya. Hasil itu tidak otomatis menjadi efek pada semua konteks. Interval sempit tidak memperbaiki luaran yang salah dicatat, studi bias, atau penggabungan pertanyaan yang tidak tepat. Masalah tersebut perlu dipertimbangkan sebelum dan setelah perhitungan.

Tinjauan sistematis merumuskan pertanyaan, mencari bukti, menerapkan kriteria, menilai studi, lalu menyintesis temuan. Meta-analisis adalah salah satu pilihan sintesis. Menggabungkan kumpulan studi yang mudah ditemukan tidak membuat prosesnya sistematis. Tinjauan yang tepat justru dapat memutuskan bahwa penggabungan tidak bermanfaat.

Saat membaca “meta-analisis dua puluh studi”, tanyakan cara menemukan dan memilihnya, apakah beberapa publikasi memakai peserta sama, serta hasil apa yang mungkin hilang. Jumlah studi tidak membuktikan cakupan menyeluruh. Baca pengertian tinjauan sistematis untuk proses lengkap.

Definisikan pertanyaan dan besaran yang akan diestimasi terlebih dahulu. Populasi, intervensi atau paparan, pembanding, luaran, dan waktu tindak lanjut harus cukup sebanding agar penggabungan bermakna. Studi tidak harus identik, tetapi perbedaannya memerlukan alasan ilmiah.

Lalu periksa independensi dan ketersediaan data. Beberapa laporan peserta yang sama, pengukuran berulang, dan kelompok kontrol bersama dapat menghasilkan estimasi berkorelasi. Memperlakukannya sebagai independen dapat membuat ketidakpastian tampak terlalu kecil. Estimasi titik juga mungkin tidak dapat dipakai tanpa ukuran ketidakpastian yang sesuai atau informasi untuk menurunkannya.

Situasi rekaan di bawah semuanya berkaitan dengan luaran terencana pada minggu ke-12. Ini contoh keputusan memasukkan hasil ke sintesis, bukan pengujian produk. Data hilang atau waktu yang tidak sesuai dapat mengeluarkan hasil dari perhitungan tertentu tanpa mengeluarkan studi yang layak dari seluruh tinjauan.

Rasio risiko membandingkan probabilitas kejadian. Rasio odds membandingkan odds, yaitu probabilitas dibagi satu dikurangi probabilitas tersebut. Keduanya tidak dapat dipertukarkan, terutama jika kejadian umum. Selisih rerata memakai satuan asli, sedangkan selisih rerata terstandar menyatakan perbedaan relatif terhadap variasi. Bab ukuran efek Cochrane menjelaskan pilihan ini.

Untuk ukuran rasio, nilai tanpa perbedaan adalah 1; untuk selisih, biasanya 0. Rasio di bawah 1 tidak selalu bermanfaat. Periksa apakah kejadian diinginkan atau merugikan, kelompok pembilang, dan definisi luaran. Efek relatif juga membutuhkan risiko dasar yang relevan untuk menyatakan dampak absolut.

Rasio biasanya dianalisis pada skala logaritmik. Karena log(1) = 0, interval simetris di sekitar estimasi log menjadi asimetris setelah dieksponensialkan kembali ke skala rasio. Ini wajar, bukan kesalahan grafik. Contoh berikut memakai log rasio risiko untuk memperjelas perhitungan tanpa menetapkan kejadian atau intervensi nyata.

Untuk perhitungan dan konversi lebih lengkap, baca panduan d Cohen, g Hedges, rasio odds, dan rasio risiko (bahasa Inggris). Pertahankan ukuran, arah perbandingan, satuan, dan tindak lanjut bersama setiap estimasi.

Data berikut sepenuhnya sintetis. Tiga estimasi studi independen memiliki log rasio risiko 0.10, 0.20, dan 0.30, masing-masing dengan galat baku 0.10. Perhitungan memakai efek bersama dengan invers varians dan interval kepercayaan 95% melalui pendekatan normal. Galat baku yang sama menghasilkan bobot sama; ini bukan contoh bobot berbeda atau bukti tentang intervensi nyata.

Setiap varians adalah 0.10² = 0.01, sehingga bobotnya 100 dan totalnya 300. Rerata berbobot adalah (100 × 0.10 + 100 × 0.20 + 100 × 0.30) / 300 = 0.20. Galat baku gabungan √(1 / 300) = 0.057735. Dengan 1.96 galat baku, interval skala log kira-kira 0.08684 hingga 0.31316.

Setelah eksponensiasi, rasio risiko gabungan adalah 1.221 dengan interval kepercayaan 95% sebesar 1.091 hingga 1.368. Tiap studi menyumbang sepertiga bobot; persentase ditampilkan dengan pembulatan. Karena kejadian dan pembanding nyata tidak ditentukan, tidak ada arah manfaat atau bahaya. Rasio di atas 1 hanya berarti probabilitas lebih besar pada kelompok pembilang dalam contoh.

Pada forest plot, penanda menunjukkan estimasi dan garis horizontal menunjukkan interval. Garis vertikal di 1 adalah acuan tanpa perbedaan. Berlian berpusat di 1.221 dan membentang 1.091–1.368. Berlian sempit menunjukkan presisi menurut model, bukan bebas bias, lengkapnya bukti, atau keterterapan. Tabel menyajikan angka yang sama.

Model efek bersama, sering disebut efek tetap dalam konteks ini, menganggap studi mengestimasi satu efek yang mendasari analisis. Model efek acak memungkinkan efek berbeda dan merangkum distribusinya. Pilih berdasarkan pertanyaan ilmiah dan perbedaan yang masuk akal, bukan hanya ambang uji heterogenitas. Bab meta-analisis Cochrane menjelaskan asumsi dan metodenya.

Heterogenitas klinis dan metodologis menyangkut peserta, konteks, desain, dan pengukuran. Heterogenitas statistik adalah variasi estimasi melebihi galat pengambilan sampel menurut model. I² merangkum inkonsistensi relatif, bukan persentase studi bermutu rendah atau ukuran efek. Estimasinya bisa tidak pasti, terutama dengan sedikit studi. Varians antarstudi, τ², menggambarkan aspek lain variasi itu.

Model efek acak tidak memperbaiki penggabungan yang tidak tepat atau menghilangkan bias. Hasil bergantung pada estimator varians dan metode interval, terutama ketika studi sedikit. Interval prediksi menggambarkan sebaran efek dasar dalam konteks sebanding dengan asumsi tambahan. Ini berbeda dari interval kepercayaan rerata gabungan dan tidak menjamin hasil studi baru tertentu.

Gunakan analisis subkelompok atau sensitivitas yang direncanakan untuk memeriksa perbedaan bermakna bila beralasan, dan tandai perubahan eksploratif. Untuk memeriksa implementasi perangkat lunak, panduan alat meta-analisis membahas masukan, kode, dan catatan bagi analisis yang dapat direproduksi.

Bias studi dapat terbawa ke estimasi gabungan. Bobot tidak memperbaiki pelaporan selektif atau kelemahan pelaksanaan. Penilaian harus sesuai desain dan hasil yang dibahas. Lihat Cochrane Bab 7.

Bukti yang hilang dapat mengubah gambaran. Asimetri funnel plot bukan bukti pasti bias publikasi, dan grafik yang tampak baik tidak memastikan tidak ada hasil hilang. Bab 13 membahas masalah tersebut.

Interval yang tidak melintasi nilai tanpa efek tidak menetapkan kepentingan praktis, penerapan, atau kepastian. Baca besar dan interval efek bersama keterbatasan, inkonsistensi, serta ketidaklangsungan bukti. Cochrane Bab 14 menjelaskan kerangka yang relevan.

• Tafsirkan hasil setelah data sumber dan identitas studi diperiksa.

• Baca analisis sensitivitas serta keputusan data hilang bersama estimasi utama.

• Bedakan bukti tidak memadai dari bukti bahwa efek penting tidak ada.

• Bawa keterbatasan penting ke kesimpulan, bukan hanya lampiran teknis.

Jika estimasi gabungan tidak menjawab pertanyaan, gunakan alternatif yang jelas. Tabel terstruktur atau grafik tanpa penggabungan dapat menampilkan hasil studi; pertanyaan lain mungkin membutuhkan sintesis kualitatif atau metode berbeda. Jelaskan pengelompokan dan perbandingan, bukan menghitung hasil signifikan. Panduan metode sintesis lain Cochrane menyediakan pilihan metode, dan panduan alur sintesis bukti menghubungkannya dengan alat.

Apa pun metodenya, simpan masukan dan alasan agar analisis dapat ditinjau kembali. Panduan pelaporan PRISMA menghubungkan metode dan temuan dengan laporan. Memilih dan memverifikasi perangkat lunak adalah langkah berikut yang terpisah; tidak menentukan apakah pertanyaan mendukung penggabungan.