Phân tích gộp là gì? Cách đọc kết quả gộp

Mỗi nghiên cứu cung cấp một ước lượng, chẳng hạn như tỷ số nguy cơ hoặc sự khác biệt trung bình, cùng với sự không chắc chắn. Một phân tích tổng hợp kết hợp các ước lượng phù hợp bằng một phương pháp đã chỉ định. Nó không phải là trung bình đơn giản của mọi con số trong các bài báo. Các nghiên cứu chính xác hơn thường nhận trọng số lớn hơn, mặc dù trọng số chính xác phụ thuộc vào phương pháp và mô hình.

Kết quả tổng hợp tóm tắt các bằng chứng được đưa vào phân tích đó theo các giả định của nó. Nó không tự động là hiệu ứng sẽ xảy ra trong mọi bối cảnh. Một khoảng tin cậy hẹp không thể sửa chữa một kết quả ghi sai, một nghiên cứu thiên lệch hoặc một sự kết hợp không phù hợp của các câu hỏi nghiên cứu. Những vấn đề này phải được xem xét trước và sau khi tính toán.

Một tổng quan hệ thống xác định câu hỏi, tìm kiếm và lựa chọn bằng chứng, đánh giá các nghiên cứu và tổng hợp các kết quả. Phân tích tổng hợp là một phương pháp tổng hợp có thể được sử dụng trong quy trình đó. Việc gom một tập hợp các nghiên cứu tiện lợi không biến tập hợp đó thành hệ thống một cách có phương pháp, và một tổng quan được thực hiện cẩn thận có thể kết luận rằng việc gom tập hợp sẽ không hữu ích.

Khi một tiêu đề viết “một phân tích tổng hợp của hai mươi nghiên cứu,” hãy hỏi cách các nghiên cứu được tìm thấy, tại sao chúng đủ điều kiện và liệu có nhiều ấn phẩm cùng mô tả các tham gia viên giống nhau hay không. Chỉ có số lượng không xác lập được mức độ bao phủ đầy đủ. người giải thích tổng quan hệ thống mô tả chuỗi bằng chứng rộng hơn đó.

Đầu tiên xác định câu hỏi và số lượng bạn muốn ước lượng. Dân số, can thiệp hoặc phơi nhiễm, các đối chiếu, kết quả và thời gian theo dõi phải đủ tương thích để sự kết hợp có kế hoạch có ý nghĩa. Các nghiên cứu không cần phải giống hệt nhau, nhưng sự khác biệt cần có lý do khoa học.

Sau đó kiểm tra tính độc lập và khả năng có dữ liệu. Nhiều báo cáo về cùng một người tham gia, các điểm thời gian lặp lại và các nhóm đối chứng chung có thể tạo ra các ước lượng có mối tương quan. Việc coi chúng là độc lập có thể khiến sự không chắc chắn xuất hiện quá nhỏ. Một ước lượng điểm cũng có thể không thể sử dụng được cho một phép tính cụ thể nếu không có thước đo phù hợp về sự không chắc chắn hoặc thông tin để suy ra nó.

Các tình huống hư cấu dưới đây đều liên quan đến kết quả dự kiến trong 12 tuần. Chúng minh họa các quyết định về việc tham gia tổng hợp đó, không phải là các thử nghiệm về một sản phẩm cụ thể. Dữ liệu bị thiếu hoặc điểm thời gian không tương thích có thể loại kết quả ra khỏi phép tính này mà không loại trừ một nghiên cứu vốn đủ điều kiện khỏi toàn bộ đánh giá.

Tỷ lệ rủi ro so sánh xác suất xảy ra sự kiện. Tỷ lệ chênh odds so sánh odds: xác suất chia cho một trừ xác suất đó. Hai loại này không thể thay thế nhau, đặc biệt khi sự kiện thường xảy ra. Sự chênh lệch trung bình sử dụng đơn vị đo lường gốc, trong khi sự chênh lệch trung bình chuẩn hóa thể hiện sự khác biệt liên quan đến độ biến thiên. Chương về chỉ số đo tác động của Cochrane giải thích các lựa chọn này.

Đối với thước đo tỉ số, 1 là giá trị không có sự khác biệt; đối với thước đo hiệu số, thường là 0. Tỉ số dưới 1 không nhất thiết mang lại lợi ích. Kiểm tra xem sự kiện là mong muốn hay có hại, nhóm nào là tử số và kết quả được định nghĩa như thế nào. Một hiệu ứng tương đối cũng cần một rủi ro cơ bản liên quan để biểu thị tác động tuyệt đối của nó.

Các thước đo tỉ số thường được phân tích trên thang logarith. Vì log(1) = 0, một khoảng đối xứng quanh ước lượng log sẽ trở nên không đối xứng khi đưa trở lại thang tỉ số. Điều đó là điều được mong đợi, không phải lỗi vẽ biểu đồ. Ví dụ dưới đây sử dụng tỉ số rủi ro log để làm rõ tính toán; không gán sự kiện thực hoặc can thiệp thực sự.

Để tính toán và chuyển đổi đầy đủ hơn ngoài ví dụ này, xem hướng dẫn về Cohen’s d, Hedges’ g, tỉ số chênh và tỉ số rủi ro. Giữ thước đo, hướng so sánh, đơn vị và thời gian theo dõi gắn kèm với mỗi ước lượng khi sử dụng các phương pháp đó.

Bộ dữ liệu sau hoàn toàn là tổng hợp. Nó chứa ba ước lượng nghiên cứu độc lập với tỷ số rủi ro log là 0,10, 0,20 và 0,30; mỗi giá trị có sai số chuẩn là 0,10. Chúng tôi sử dụng phép tính nghịch đảo phương sai hiệu ứng chung và khoảng tin cậy 95% xấp xỉ chuẩn để minh họa phương pháp. Sai số chuẩn bằng nhau làm cho trọng số bằng nhau; đây không phải là ví dụ về phân bố trọng số không đều hoặc bằng chứng về một can thiệp thực sự.

Mỗi phương sai là 0,10² = 0,01, vì vậy mỗi trọng số nghịch đảo phương sai là 100. Tổng trọng số là 300, và trung bình có trọng số là (100 × 0,10 + 100 × 0,20 + 100 × 0,30) / 300 = 0,20. Sai số chuẩn gộp là √(1 / 300) = 0,057735. Sử dụng 1,96 sai số chuẩn cho khoảng log xấp xỉ từ 0,08684 đến 0,31316.

Lũy thừa hóa cho ra tỉ số nguy cơ tổng hợp là 1.221 và khoảng tin cậy 95% từ 1.091 đến 1.368. Mỗi nghiên cứu cung cấp một phần ba trọng số; các phần trăm hiển thị đã được làm tròn. Các phép tính tương tự cho ra các khoảng nghiên cứu trong bảng. Vì không có sự kiện thực hay đối chiếu nào được chỉ định, ví dụ này không có hướng lợi-hại. Một tỉ số trên 1 chỉ đơn giản biểu thị xác suất sự kiện lớn hơn ở nhóm tử số trong so sánh được xây dựng này.

Trong biểu đồ rừng, một dấu hiệu xác định ước lượng từng nghiên cứu và đường ngang của nó hiển thị khoảng tin cậy. Đường tham chiếu dọc tại 1 biểu thị không có sự khác biệt tỉ số. Hình thoi tổng hợp tập trung ở 1.221 và kéo dài từ 1.091–1.368. Một hình thoi hẹp mô tả độ chính xác theo mô hình này; nó không đánh giá sai lệch, bằng chứng còn thiếu hay tính khả thi. Bảng dữ liệu sẵn có mang cùng thông tin số học như hình.

Một mô hình hiệu ứng chung, thường được gọi là mô hình hiệu ứng cố định trong bối cảnh này, coi các nghiên cứu như đang ước lượng một hiệu ứng cơ bản duy nhất cho phân tích. Một mô hình hiệu ứng ngẫu nhiên cho phép các hiệu ứng cơ bản thay đổi và tóm tắt phân bố của chúng. Hãy chọn mô hình dựa trên câu hỏi khoa học và sự khác biệt hợp lý, chứ không chỉ vì một bài kiểm tra dị đồng nhất vượt qua ngưỡng. Chương phân tích tổng hợp của Cochrane giải thích các giả định và phương pháp.

Sự dị đồng lâm sàng và phương pháp liên quan đến sự khác biệt về người tham gia, bối cảnh, thiết kế và phương pháp đo lường. Sự dị đồng thống kê mô tả sự biến thiên trong các ước lượng vượt quá sai số mẫu theo mô hình. I² tóm tắt mức độ không nhất quán tương đối; nó không phải là tỷ lệ phần trăm của các nghiên cứu chất lượng kém hay kích thước hiệu ứng. Ước lượng của nó có thể không chắc chắn, đặc biệt khi có ít nghiên cứu. Phương sai giữa các nghiên cứu, τ², mô tả một khía cạnh khác của sự biến thiên đó.

Mô hình hiệu ứng ngẫu nhiên không khắc phục sự kết hợp không phù hợp hoặc loại bỏ độ lệch. Kết quả phụ thuộc vào ước lượng phương sai và phương pháp khoảng, đặc biệt khi có ít nghiên cứu. Khoảng dự đoán mô tả sự phân tán của các tác động cơ bản trong các bối cảnh tương tự dưới các giả định bổ sung. Nó khác với khoảng tin cậy xung quanh trung bình gộp và không phải là sự đảm bảo cho một nghiên cứu mới cụ thể.

Sử dụng phân nhóm hoặc phân tích độ nhạy được xác định trước để kiểm tra sự khác biệt có ý nghĩa khi được biện minh, và xác định các thay đổi khảo sát. Nếu nhiệm vụ tiếp theo là kiểm tra phần mềm có thực hiện đúng các lựa chọn đó hay không, hướng dẫn công cụ tổng hợp meta-analysis tools bao gồm các đầu vào, mã và hồ sơ cần thiết cho phân tích có thể tái lập.

Thiên lệch trong các nghiên cứu được bao gồm có thể ảnh hưởng đến ước lượng tổng hợp. Kết quả bị thiếu, báo cáo có chọn lọc và các sai sót trong tiến hành nghiên cứu không được sửa bởi trọng số nghịch đảo phương sai. Sử dụng đánh giá phù hợp với thiết kế và giải thích cách nó ảnh hưởng đến kết quả cụ thể; xem hướng dẫn về thiên lệch của Cochrane.

Thiếu chứng cứ là một mối quan tâm khác. Nếu các nghiên cứu hoặc kết quả ít có khả năng có sẵn do các phát hiện của chúng, tập hợp quan sát được có thể đưa ra một bức tranh méo mó. Biểu đồ phễu và các kiểm định thống kê đòi hỏi sự giải thích cẩn thận; sự không đối xứng không phải là bằng chứng về thiên lệch xuất bản, và một biểu đồ nhìn có vẻ yên tâm không chứng tỏ rằng không có gì bị thiếu. Chương về kết quả bị thiếu của Cochrane thảo luận về vấn đề và các phương pháp đánh giá.

Cuối cùng, phân biệt khoảng tin cậy loại trừ giá trị giả định với một kết quả quan trọng hoặc chắc chắn. Ý nghĩa thống kê không chỉ ra tầm quan trọng thực tiễn, khả năng áp dụng hoặc độ chắc chắn của bằng chứng. Đọc kích thước hiệu ứng và khoảng tin cậy cùng với các hạn chế của nghiên cứu, sự không nhất quán, tính gián tiếp và các cân nhắc liên quan khác. Hướng dẫn về độ chắc chắn của Cochrane cung cấp một khung có thể áp dụng khi thích hợp.

• Diễn giải kết quả chỉ sau khi dữ liệu nguồn và nhận diện nghiên cứu đã được kiểm tra.

• Đọc các phân tích nhạy cảm và quyết định về dữ liệu thiếu cùng với ước lượng chính.

• Phân biệt bằng chứng không đủ với bằng chứng cho thấy một hiệu ứng quan trọng không tồn tại.

• Đưa các hạn chế quan trọng vào kết luận, không chỉ trong phụ lục kỹ thuật.

Khi một ước tính tổng hợp (pooled estimate) không thể trả lời câu hỏi, hãy sử dụng một phương pháp thay thế rõ ràng. Bảng hoặc biểu đồ có cấu trúc mà không tổng hợp vẫn có thể giữ cho kết quả nghiên cứu hiển thị; các câu hỏi khác có thể cần tổng hợp định tính hoặc một phương pháp khác. Giải thích cách các nghiên cứu được nhóm và kết quả được so sánh thay vì chỉ đếm các kết quả có ý nghĩa. Hướng dẫn của Cochrane về các phương pháp tổng hợp khác cung cấp các lựa chọn phương pháp luận, và hướng dẫn quy trình công việc tổng hợp bằng bằng chứng giúp kết nối phương pháp được chọn với chuỗi công cụ.

Bất kể phương pháp bạn sử dụng, hãy giữ lại các dữ liệu đầu vào và lý do cần thiết để xem lại phân tích. Hướng dẫn báo cáo của PRISMA giải thích cách kết nối các phương pháp và kết quả với báo cáo. Việc chọn và xác minh phần mềm phân tích là một bước tiếp theo riêng biệt; nó không giải quyết vấn đề liệu câu hỏi có hỗ trợ tổng hợp hay không.