Лекция 12. Мета-анализ Мета-анализът е статистически метод за комбиниране на резултатите от независими изследвания.
Най-често се използва за оценяване на ефективността на различни видове лечения.
Комбинират се резултатите от 2 или повече клинични изпитания и се извежда прецизна оценка на ефекта на лечението като се взима предвид размерът на извадката във всяко изпитание.
Валидността на мета-анализа зависи от качеството на изследванията и тяхното синтезиране.
Добре извършени мета-анализи включват всички изследвания на съответното лечение, тестват дали изследванията са хетерогенни и използват допълнителни анализи, за да изследват доколко основните изводи се влияят от допусканията на съответните модели.
Елементи на мета-анализа:
Формулиране на ясен въпрос. Например: ефективно ли е дадено лекарство сравнено с плацебо (или някакво друго контролно лечение) за облекчаване на симптомите на дадено заболяване (съкращаване на времето до излекуване, намаляване на риска за неблагоприятно събитие).
Идентифициране на всички изследвания по темата.Извършва се систематично търсене на няколко електронни бази от данни (напр. MEDLINE, EMBASE, Cochrane Central Register of Controlled Trials) чрез подходящи критерии (Inclusion/Exclusion Criteria). Преглежда се библиографията на важни статии в съответната област, определени списания. Изискват се данни за непубликувани изследвания.
Оценяване на качеството на идентифицираните изследвания. Оценява се дали са достатъчно добре проведени съобразно точно определени обективни критерии. Понякога се дава числова оценка на качеството на всяко изследване.
Оценяване на размера на ефекта във всяко индивидуално изследване. Това може да са odds ratios, relative risk, hazard ratio, standardized mean differences.
Комбиниране на резултатите чрез подходящ статистически метод. Всеки индивидуален ефект се използва с тежест, която зависи от размера на извадката и качеството на съответното изследване. Тества се дали има статистически значима хетерогенност на изследванията и ако да, се използва модел със случайни вместо с фиксирани ефекти.
Проверява се дали има изместване на оценкитепоради по-голяма честота на публикуване на статистически значими резултати (publication bias). Използва се така-наречената графика фуния (funnel plot).
Графика тип „фуния“ (Funnel plot)
Изследва се робастността на резултатите (sensitivity analysis). Например, проверява се дали резултатите се променят значително при използване на алтернативни статистически методи или при включване/изключване на малки и недобре проведени изпитания.
Пример: Мета-анализ на ефекта на warfarin + aspirin сравнен само с aspirin на кървенето след инфаркт на миокарда (Rothberg et al., 2005).
Background: After the acute coronary syndrome, adding warfarin
to standard aspirin therapy decreases myocardial infarction and
stroke but increases major bleeding. Purpose: To quantify the risks and benefits of warfarin therapy
after the acute coronary syndrome. Data Sources: MEDLINE from 1990 to October 2004. Additional
benefits of warfarin outweigh the bleeding risks. Ann Intern Med. 2005;143:241-250. www.annals.org
Графика тип „гора“ (forest plot) за ефекта на warfarin + aspirin сравнен с aspirin върху честотата на повторен инфаркт на миокарда за 1 година след първоначалния инфаркт.
Изчисляване на размер на ефекта (effect size, ES):
Стандартизирано средно:
Отношение на залози:
Aнализът се извършва върху ES=ln(OR) и после полученото усреднено ln(OR) се трансформира обратно.
Относителен риск:анализът се извършва върху ES=ln(RR) и после се трансформира обратно (експоненциира).
Всеки индивидуален ефект има стандартна грешка от съответното изследване (SE).
Всяко изследване се взима с тежест (inverse variance weight):
5% доверителен интервал: