Metaanalýza

Metaanalýza je vědecká metoda, která souhrnně kvantitativně analyzuje data z více nezávislých studií. Cílem je identifikace a kvantifikace převažujících trendů nebo zjištění příčin rozdílných závěrů prací. Souvisejícím pojmem je systematický přehled, což je kvalitativní analýza a syntéza více nezávislých studií, které zkoumají danou oblast.

Zjednodušený postup při zpracování metaanalýzy lze shrnout do následujících kroků:

1. definice zkoumané otázky,
2. vyhledání všech (i nepublikovaných) prací,
3. z nich výběr všech vyhovujících studií,
4. extrakce dat,
5. posouzení homogenity dat, snaha o její zvýšení,
6. vlastní analýza.

Tento článek se věnuje aplikaci metaanalýz v medicíně, kde jsou součástí EBM. Je ale vhodné zmínit, že metaanalýzy jsou hojně využívány i mimo lékařské obory.

Význam metaanalýz

Pokud je metaanalýza provedena správně, poskytne mnohem přesnější a objektivnější údaje než jednotlivé analyzované studie, sníží výskyt falešně negativních výsledků, zjistí příčiny rozdílných závěrů některých prací a umožní testování hypotéz. Nevýhodou metaanalýz je velká časová náročnost jejich vypracování.

Postup tvorby metaanalýzy

 Podrobnější informace naleznete na stránce Systematický přehled.

Metaanlýza je kvantitativní součástí systematického přehledu.

Definice problematiky

V každé metaanalýze musí být zřetelně popsáno, jaký problém je analyzován, jací účastníci studií byli vybráni, jaký je finální výsledek atd. Pro ujasnění těchto klinických otázek se s výhodou využívá metodika známá jako PICO systém.

PRISMA diagram

Vyhledávání literatury

Pro vyhledání odpovídajících studií jsou primárně využívány knihovní databáze, které umožňují identifikaci oficiálně publikovaných studií. Mezi nejznámější patří Pubmed (MEDLINE), Cochrane a ScienceDirect.

Nicméně studie dostupné na těchto portálech tvoří pouze zlomek vědeckého materiálu k danému tématu – mnoho dat je zveřejněno např. v rámci knižních titulů, popř. některé práce nejsou oficiálně zveřejněné vůbec. Zvláště v případech, kdy prokazovaná hypotéza nebyla prací potvrzena. Tvorba metaanalýzy přepokládá získání co největšího spektra relevantních dat, se kterými je následovně možné pracovat. Proto je nutné pečlivě vyhledávat i ve zdrojích mimo zmíněné hlavní databáze.

Aby bylo možné jednotlivé kroky identifikace relevantních studií zpětně dohledat (a upřesnit nebo zkontrolovat), je důležité vyhledávání literatury náležitě zaznamenat. Nejčastěji se pro tento účel využívá volně dostupný PRISMA diagram, do kterého autor metaanalýzy číselně a slovně popíše detaily vyhledávání.

Ukázka trychtýřového (nálevkového) grafu, který nevykazuje žádné zkreslení metaanalýzy. Každá tečka představuje studii (např. Měření účinku určitého léku); osa „y“ představuje přesnost studie (např. počet pacientů ve studii) a osa „x“ ukazuje výsledek studie (např. měřený průměrný účinek léčiva).

Výběr vhodných studií

Po identifikaci jednotlivých studií je nutné si stanovit kritéria (např. minimální počet účastníků studie, jejich věk či design studie atd.), dle kterých je nastaveno vyselektování pouze těch nejvhodnějších citací pro danou metaanalýzu. V anglické literatuře se pro označení těchto kritérií používá velmi známý termín eligibility criteria.

Metodická zkreslení

Nebezpečím, které může ohrozit věrohodnost celé metaanalýzy, je vliv systematických a metodických chyb. Příklady těchto chyb naleznete v samostatném článku o zdrojích chyb ve vědeckých studiích, který se jim detailně věnuje. Zhodnocení metodického zkreslení jednotlivých studií je zásadním krokem v tvorbě nejenom metaanalýz, ale také systematických přehledů . Existuje široké spektrum nástrojů, pomocí kterých lze toto zkreslení posoudit, jmenovitě uvedeme pár příkladů:

• Cochrane Risk of Bias Tool – nejznámější a nejpoužívanější nástroj, lze jej aplikovat na různé typy studií;
• Newcastle-Ottawa Scale – aplikovatelný pouze pro kohortové studie nebo kazuistiky, je nutné si individuálně stanovit jednotlivé parametry dle charakteru metaanalýzy;
• QUADAS-2 – nástroj pro posouzení kvality studií zaměřujících se na přenost diagnostických testů;
• AMSTAR – velmi jednoduchý nástroj, využívá se zejména pro systematické přehledy.

Pro posouzení případného metodického zkreslení (bias) se používá trychtýřový graf. Velikost vzorku každé primární studie se vynese proti velikosti jejího účinku. Trychtýřové grafy se běžně používají v systematických přehledech a metaanalýzách. Pokud nedochází k systematickým zkreslením publikací, pak by studie s vyšší přesností měly být v grafu vyneseny poblíž průměru a studie s nižší přesností by měly být rovnoměrně rozloženy na obě strany od průměru, takže distribuce studií v grafu má tvar trychtýře. Asymetrie trychtýřového grafu naznačuje zkreslení metaanalýzy .

Příklad asymetrického a symetrického trychtýřového grafu je možno nalézt zde:

Vizualizace extrahování a kombinování dat při metaanalýze

Práce s daty

Jakmile máme finální studie (náležitě ohodnocené a splňující stanovená kritéria), následuje samotná práce s informacemi v nich obsažených. Prvně je nutné si stanovit, jaká data jsou pro naší metaanalýzu důležitá a ta následně extrahovat. Zpracování těchto dat je možné provést pomocí statistických programů, např. pomocí veřejně dostupného a bezplatného OpenMeta(Analyst).

Příklad lesního grafu pěti fiktivních studií zkoumajících poměr šancí (černé čtverce, velikostí úměrné vahám v metaanalýze), se souhrnnou hodnotou (kosočtverec a středová čára) a odpovídajícím intervalem spolehlivosti (postranní hroty kosočtverce) a plnou svislou čarou ukazující "pozici bez účinku". Vlevo jsou názvy (fiktivních) studií a v pravo číselné hodnoty poměrů šancí (OR) a intervaly jejich spolehlivosti.

Finální interpretace výsledků se nejčastěji převádí do grafického znázornění v podobě tzv. "lesního grafu" (forest plot).

Význam diskuze

Diskuze je nepostradatelnou součástí vědeckých publikací a v metaanalýzách tomu není jinak. Diskuze by měla popisovat veškeré nedostatky, které byly v průběhu tvorby metaanalýzy identifikovány. Popsání slabých stránek a limitací u analyzovaných studií je fundamentální, neboť právě z jejich dat je finální statistická analýza tvořena – pokud by výzkumníci nevědomky pracovali s omezeně platnými nebo zkreslenými daty, výsledky dané metaanalýzy by byly automaticky rovněž zkreslené.

Kromě toho diskuze slouží k objasnění a porovnání případných rozdílů mezi metaanalýzami, které se věnují stejnému či podobnému tématu. Pokud jsou tyto rozdíly přítomny, je nutné vysvětlit, z jakých důvodů k tomuto stavu došlo.

Závěr

Závěry metaanalýzy mohou být neplatné, pokud jsou výsledky v primárních studiích navzájem statisticky nekompatibilní (statistická heterogenita), nebo pokud se objekty výzkumu významně liší (klinická heterogenita). Pokud studie navzájem vykazují statistickou nebo klinickou heterogenitu, nelze výsledky primárních studií matematicky agregovat.

K zavádějícím výsledkům může metaanalýzu přivést neúplný nebo zaujatý výběr primárních studií. K tomu dochází hlavně proto, že ve srovnání se studiemi s negativními výsledky budou studie s pozitivními výsledky pravděpodobněji publikovány, publikovány v angličtině a uvedeny v citačních databázích.

 Podrobnější informace naleznete na stránce Zdroje chyb ve vědeckých studiích.

Odkazy

Související články

• Medicína založená na důkazech
• Systematický přehled
• Zdroje chyb ve vědeckých studiích
• Odds ratio
• Konfidenční intervaly
• Epidemiologie

Externí odkazy

• Přednáška pojednávající o systematických přehlech a metaanalýzách
• Návod pro tvorbu metaanalýzy
• Veřejně dostupný software pro výpočty a ucelení informací o tvorbě metaanalýz
• Sekundární analýza dat a metaanalýza (WikiSofia)
• Aktualizovaný PRISMA diagram ke stažení
• Příklady otázek s výběrem odpovědí v medicíně založené na důkazech
• Práce s metodickým zkreslením studií, praktická aplikace
• Bias v metaanalýze zjištěný jednoduchým grafickým testem
  • https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2127453/
• Cochrane Risk of Bias Tool
• Newcastle-Ottawa Scale
• QUADAS-2
• AMSTAR
• OpenMeta(Analyst)

Použitá literatura

• BENCKO, Vladimír, et al. Epidemiologie : výukové texty pro studenty 1. LF UK. 1. vydání. Praha : Karolinum, 2002. 168 s. s. 57–58. ISBN 80-246-0383-7.

• HENDL, Jan. Přehled statistických metod zpracování dat : analýza a metaanalýza dat. - vydání. Portál, 2004. 583 s. ISBN 9788071788201.

• BORENSTEIN, Michael. Introduction to Meta-Analysis. - vydání. Wiley, 2009. 421 s. ISBN 9780470057247.

• TU, Yu-Kang a Darren GREENWOOD. Modern Methods for Epidemiology. - vydání. Springer Science & Business Media, 2012. 316 s. ISBN 9789400730243.

• PALMOWSKI, Andriko a Sabrina M. NIELSEN. Pitfalls in meta-analysis. Inflammopharmacology. 2019, roč. 2, vol. 28, s. 617-618, ISSN 0925-4692. DOI: 10.1007/s10787-019-00606-4.

• BAKER, W. L., C. MICHAEL WHITE a J. C. CAPPELLERI. Understanding heterogeneity in meta-analysis: the role of meta-regression. International Journal of Clinical Practice. 2009, roč. 10, vol. 63, s. 1426-1434, ISSN 1368-5031. DOI: 10.1111/j.1742-1241.2009.02168.x.

• SIDDAWAY, Andy P., Alex M. WOOD a Larry V. HEDGES. How to Do a Systematic Review: A Best Practice Guide for Conducting and Reporting Narrative Reviews, Meta-Analyses, and Meta-Syntheses. Annual Review of Psychology. 2019, roč. 1, vol. 70, s. 747-770, ISSN 0066-4308. DOI: 10.1146/annurev-psych-010418-102803.