Meta-analizy – silne strony i słabe strony

Esteban Walker, Adrian V. Hernandez, Michael W. Kattan – Meta-analysis: Its strengths and limitations LINK: Clev Clin J Med 2008;75:431 (dostępny pełen tekst)
W Cleveland Clinic Journal of Medicine ukazał się artykuł Walkera i wsp. poświęcony meta-analizom. Ze względu na rosnącą ilość danych pochodzących z badań naukowych, coraz większe znaczenie zyskują prace przeglądowe omawiające łącznie ich wyniki, a także meta-analizy, które są wykorzystywane do przygotowywania przyszłych projektów badawczych, ustalenia zaleceń klinicznych czy też do planowania polityki zdrowotnej.

Zdaniem autorów meta-analizy są silnym, lecz kontrowersyjnym narzędziem. Muszą one spełniać wiele rygorystycznych założeń, których pominięcie może prowadzić do błędnych wniosków. Celem meta-analiz jest między innymi podsumowanie wyników kilku – kilkunastu badań, co pozwala uniknąć problemów z małą liczebnością grup, zwiększenie precyzji w ocenie efektu oraz umożliwienie oceny w podgrupach. Natomiast kluczowymi punktami, na które należy zwrócić uwagę w tego typu analizach są: odpowiednia identyfikacja i selekcja badań, niejednorodność wyników poszczególnych projektów, dostępność informacji oraz stosowane metody statystyczne.

Wyniki meta-analiz mogą być zniekształcone błąd systematyczny, związany z wybiórczą publikacją badań, polegający na częstszej publikacji badań pozytywnych, czyli dokumentujących wyższość ocenianych strategii, a rzadszym badań negatywnych. Kolejnym problemem jest błąd tendencyjny, związany z doborem strategii przeszukiwania baz publikacji (możliwe pominięcie niektórych z prac).

Następnym zagadnieniem jest stosowanie w meta-analizach nowych kryteriów, w celu wykluczenia różnic między ocenianymi projektami, wyłączenia powtórzeń, poprawy jakości danych, a tym samym zwiększenia wiarygodności wyników. Celem tej fazy selekcji jest między innymi wybranie badań najbardziej zbliżonych pod względem ocenianych celów, badanej populacji, strategii postępowania, zastosowanych analiz, długości obserwacji i punktów końcowych. Także i w tym przypadku możemy mieć do czynienia z tendencyjnością w doborze próby. Z drugiej strony poważnym problemem może być niejednorodność (heterogenecity) wyników poszczególnych badań włączonych do meta-analizy. W przypadku dużej niejednorodności, łączna interpretacja wyników jest bardzo utrudniona.

Bardzo duże znaczenie ma dostępność danych poszczególnych chorych do analizy statystycznej, często bowiem publikowane są jedynie wyniki sumaryczne, co w znacznym stopniu ogranicza typ obliczeń jak i możliwe wnioski. Istotne znaczenie dla wyników meta-analiz wybór strategii statystycznych. Jedną z nich jest tzw. fixed model effect, czyli metoda statystyczna zakładająca jednorodność analizowanych wyników badań (np. odnośnie danego postępowania), a celem jest ocena efektu z większą precyzją. Drugą metodą jest random-effect model, czyli założenie niejednorodności wyników analizowanych badań, a celem jest uśrednienie efektu. Każda z tych metod ma swoje silne i słabe strony, które muszą być uwzględniane w przeprowadzaniu i interpretacji meta-analiz.

W podsumowaniu artykułu autorzy podkreślają, że meta-analizy z pewnością odgrywają istotną rolę w badaniach naukowych, polityce społecznej i praktyce klinicznej. Niemniej jednak zawsze konieczna jest krytyczna ocena wartości i wiarygodności uzyskanych wyników.

Opracowane na podstawie: Cleveland Clinic Journal of Medicine / 2008-06-30