Metaanaliza

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj
Wizualizacja wyników pojedynczych badań typu forest plot w przeglądzie publikacji na temat schizofrenii.
Wizualizacja wyników pojedynczych badań typu forest plot w przeglądzie publikacji na temat schizofrenii.

Metaanaliza, meta-analiza – pojęcie z zakresu analizy danych i wnioskowania statystycznego, określające wtórne odkrywanie wiedzy metodą uogólniania informacji zawartych w publikacjach czy źródłach pierwotnych[1].

Najczęściej metaanaliza przybiera postać przeglądu systematycznego literatury z jakiegoś obszaru, wzbogaconego o analizę (najczęściej statystyczną) uzyskanych wcześniej wyników, wnioskowanie i podsumowanie. Uważa się, że metaanaliza jest samodzielnym i pełnoprawnym rodzajem badania naukowego (z ang. integrative research lub literature-based discovery). Narzędzie to pozwala określić, jakie wnioski płyną z całości publikacji z danego tematu, dając dokładniejszą i szerszą wiedzę niż analizowanie pojedynczych badań. Pojęcie spopularyzował w 1978 r. Robert Rosenthal, choć proste metody tego typu opisywano już wcześniej, jak np. test łączonego prawdopodobieństwa Ronalda Fishera[2][3].

Metaanaliza uprawnia do wyciągania pewniejszych wniosków ze zbioru badań, zwłaszcza oszacowań wielkości efektu, niż bardziej nieformalne metody, takie jak najprostsze zliczanie wyników badań „za” i „przeciwko” hipotezie[4].

Typowa procedura[edytuj]

Funnel plot z meta-analizy badań nad zjawiskiem zagrożenia stereotypem u nastolatek, sugerujący obecność w literaturze tendencyjności publikacji, ze względu na obecność grupy wyników wykraczających poza oczekiwaną symetrię
Funnel plot z meta-analizy badań nad zjawiskiem zagrożenia stereotypem u nastolatek, sugerujący obecność w literaturze tendencyjności publikacji, ze względu na obecność grupy wyników wykraczających poza oczekiwaną symetrię

Procedura metaanalityczna ma najczęściej podobną postać:

  1. Zadeklarowanie a priori tematu przeglądu, kryteriów wyboru publikacji i procedury analitycznej
  2. Zebranie wszystkich prac spełniających kryteria i sporządzenie wyciągu z ich analiz statystycznych
  3. Zbadanie homogeniczności wyników badań
  4. Zestawienie i wizualizacja wyników (np. forest plot)
  5. Jeśli potrzeba, redukcja heterogeniczności badań
  6. Obliczenie ogólnego współczynnika wielkości efektu z wyników badań
  7. Analiza wariancji wielkości efektu w zależności od charakterystyki badań[5]

Inne często spotykane elementy to narzędzia kontroli jakości metodologicznej i tendencyjności publikacji, takie jak funnel plot[6] i P-curve[7][8]. W oparciu o ich wyniki można, jeśli jest taka potrzeba, przedstawić ogólną wielkość efektu z poprawką na błędy metodologiczne.

Narzędzia[edytuj]

Do wykonywania metaanaliz można używać np. pakietu meta w języku programowania statystycznego R.

Zobacz też[edytuj]

Przypisy

  1. Editors: Julian PT Higgins and Sally Green: Cochrane Handbook for Systematic Reviews of Interventions (ang.). Version 5.1.0 [updated March 2011]. [dostęp 2014-02-19].
  2. RobertR. Rosenthal RobertR., Combining results of independent studies., „Psychological Bulletin”, 85 (1), , s. 185–193, DOI10.1037/0033-2909.85.1.185, ISSN 1939-1455 [dostęp 2017-01-16].
  3. Fisher, RonaldR. Aylmer RonaldR., Sir, 1890-1962. i inni, Statistical methods for research workers., Oliver and Boyd, 1925, ISBN 0050021702.
  4. MichaelM. Borenstein MichaelM., Larry V.L.V. Hedges Larry V.L.V., Julian P. T.J.P.T. Higgins Julian P. T.J.P.T., Hannah R.H.R. Rothstein Hannah R.H.R. i inni, Introduction to Meta-Analysis, John Wiley & Sons, 24 sierpnia 2011, s. 270 i następne, ISBN 9781119964377 [dostęp 2017-01-16] (ang.).
  5. PawełP. Kleka PawełP., Statystyczne kryteria przydatności raportu z badań do metaanalizy, Jerzy MarianJ.M. Brzeziński (red.), [w:] Metodologia badań społecznych. Wybór tekstów, Poznań: Zysk i S-ka Wydawnictwo, 2011.
  6. Jonathan A.CJ.A.C. Sterne Jonathan A.CJ.A.C., MatthiasM. Egger MatthiasM., Funnel plots for detecting bias in meta-analysis, „Journal of Clinical Epidemiology”, 54 (10), s. 1046–1055, DOI10.1016/s0895-4356(01)00377-8.
  7. UriU. Simonsohn UriU., Leif D.L.D. Nelson Leif D.L.D., Joseph P.J.P. Simmons Joseph P.J.P., P-Curve: A Key to the File Drawer, Rochester, NY: Social Science Research Network, 24 kwietnia 2013 [dostęp 2017-01-16].
  8. UriU. Simonsohn UriU., Joseph P.J.P. Simmons Joseph P.J.P., Leif D.L.D. Nelson Leif D.L.D., Better P-Curves: Making P-Curve Analysis More Robust to Errors, Fraud, and Ambitious P-Hacking, A Reply to Ulrich and Miller, Rochester, NY: Social Science Research Network, 10 lipca 2015 [dostęp 2017-01-16].