Metaanaliza

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

Wizualizacja wyników pojedynczych badań typu forest plot w przeglądzie publikacji na temat schizofrenii

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 ukuł Gene V. Glass w 1976 r., zaś 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]. Do porównywania kilku metod postępowania jednocześnie może służyć metaanaliza sieciowa[5][6].

Typowa procedura

Funnel plot z metaanalizy 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[7]

Inne często spotykane elementy to narzędzia kontroli jakości metodologicznej i tendencyjności publikacji, jak funnel plot[8] i P-curve[9][10]. W oparciu o ich wyniki można, jeśli jest taka potrzeba, przedstawić ogólną wielkość efektu z poprawką na błędy metodologiczne.

Narzędzia

Do wykonywania metaanaliz można używać pakietu meta w języku R.

Zobacz też

Przypisy