В статистике , (between-) исследование гетерогенность это явление , которое обычно происходит при попытке провести мета-анализ . В упрощенном сценарии все исследования, результаты которых должны быть объединены в метаанализ, будут проводиться одинаково и в соответствии с одними и теми же экспериментальными протоколами. Различия между результатами будут только из-за ошибки измерения (и, следовательно, исследования будут однородными ). Неоднородность исследования означает вариабельность результатов, выходящую за рамки того, что можно было бы ожидать (или можно было бы объяснить) только из-за ошибки измерения.
Вступление
Мета-анализ - это метод, используемый для объединения результатов различных исследований с целью получения количественного синтеза. Размер отдельных клинических испытаний часто слишком мал, чтобы надежно выявить эффекты лечения. Мета-анализ увеличивает мощность статистического анализа за счет объединения результатов всех доступных исследований.
Когда кто-то пытается использовать метаанализ для оценки комбинированного эффекта от группы аналогичных исследований, эффекты, обнаруженные в отдельных исследованиях, должны быть достаточно похожими, чтобы можно было быть уверенным, что комбинированная оценка будет значимым описанием набора исследования. Однако индивидуальные оценки лечебного эффекта могут варьироваться случайно; ожидается некоторое изменение из-за ошибки наблюдения . Любая избыточная вариация (явная, обнаруживаемая или нет) называется (статистической) неоднородностью . [1] Наличие некоторой неоднородности не является необычным, например, аналогичные эффекты также часто встречаются даже в исследованиях, в многоцентровых исследованиях (between- центр гетерогенность).
Причины дополнительной вариабельности обычно заключаются в различиях в самих исследованиях, исследуемых популяциях, графиках лечения, определениях конечных точек или других обстоятельствах. Различные типы показателей эффекта (например, отношение шансов к относительному риску ) также могут быть более или менее подвержены неоднородности. [2]
Моделирование
В случае, если происхождение неоднородности может быть идентифицировано и может быть отнесено к определенным характеристикам исследования, анализ может быть стратифицирован (с учетом подгрупп исследований, которые, как мы надеемся, будут более однородными), или путем расширения анализа до мета-регрессии , учет (непрерывных или категориальных ) переменных модератора . Кроме того, неоднородность обычно компенсируется с помощью модели случайных эффектов , в которой неоднородность затем составляет компонент дисперсии . [3]
Модель отражает отсутствие знаний о том, почему эффекты лечения могут различаться, если рассматривать (потенциальные) различия как неизвестные. Центр этого симметричного распределения описывает среднее значение эффектов, а его ширина описывает степень неоднородности. Очевидным и обычным выбором распределения является нормальное распределение . Трудно установить справедливость любого предположения о распределении, и это обычная критика метаанализов случайных эффектов. Однако вариации точной формы распределения могут не иметь большого значения [4], а моделирование показало, что методы являются относительно надежными даже при экстремальных предположениях о распределении, как при оценке неоднородности [5], так и при вычислении общей величины эффекта. [6]
Включение случайного эффекта в модель делает выводы (в каком-то смысле) более консервативными или осторожными, поскольку (ненулевая) неоднородность приведет к большей неопределенности (и позволит избежать чрезмерной уверенности) в оценке общих эффектов. В частном случае нулевой дисперсии неоднородности модель случайных эффектов снова сводится к частному случаю модели общих эффектов . [7]
Тестирование
Статистическое тестирование ненулевой дисперсии неоднородности часто выполняется на основе Q Кокрана [8] или связанных процедур тестирования. Однако эта общая процедура сомнительна по нескольким причинам, а именно из-за низкой мощности таких тестов [9], особенно в очень распространенном случае, когда в анализе комбинируется лишь несколько оценок, [10] [5], а также из-за спецификации однородности в качестве нулевой гипотезы, которая затем отвергается только при наличии достаточных доказательств против нее. [11]
Оценка
Хотя основной целью метаанализа обычно является оценка основного эффекта , исследование неоднородности также имеет решающее значение для его интерпретации. Доступно большое количество оценок ( частотных и байесовских ) . [12] Байесовская оценка неоднородности обычно требует указания соответствующего априорного распределения . [7] [13]
Хотя многие из этих оценщиков ведут себя одинаково в случае большого количества исследований, различия, в частности, возникают в их поведении в общем случае всего нескольких оценок. [14] Часто получается неверная нулевая оценка дисперсии между исследованиями, что приводит к ложному предположению об однородности. В целом, похоже, что метаанализы постоянно недооценивают неоднородность. [5]
Количественная оценка
Дисперсия неоднородности обычно обозначается τ², а стандартное отклонение (квадратный корень) - τ. Неоднородность, вероятно, легче всего интерпретировать в терминах τ, поскольку это масштабный параметр распределения неоднородности , который измеряется в тех же единицах, что и сам общий эффект. [13]
Другой распространенный показатель неоднородности - это I², статистика, которая указывает процент отклонения в метаанализе, который можно отнести на счет неоднородности исследования (в некоторой степени аналогично коэффициенту детерминации ). [15] I² связывает величину дисперсии неоднородности с размером дисперсии отдельных оценок (квадрат стандартных ошибок ); однако при такой нормализации не совсем очевидно, что именно будет составлять «малую» или «большую» степень неоднородности. Для постоянной неоднородности (τ) доступность более мелких или более крупных исследований (с соответственно разными связанными стандартными ошибками) повлияет на меру I²; поэтому фактическая интерпретация значения I² непроста. [16] [17]
Совместное рассмотрение интервала прогнозирования вместе с доверительным интервалом для основного эффекта может помочь лучше понять вклад неоднородности в неопределенность оценки эффекта. [3] [18] [19]
Смотрите также
- Однородность (статистика)
- Модель случайных эффектов
- Стандартное отклонение , масштабный параметр , дисперсия
- Мета-регрессия
Рекомендации
- ^ Сингх, А .; Hussain, S .; Najmi, AN (2017), "Число исследований, гетерогенности, обобщаемость, и выбор метода для мета-анализа", Журнал неврологических наук , 15 (381): 347, DOI : 10.1016 / j.jns.2017.09. 026 , PMID 28967410
- ^ Дикс, JJ; Altman, DG (2001), «Меры воздействия для метаанализа испытаний с бинарными исходами», в Egger, M .; Дэйви Смит, G .; Альтман, Д. (ред.), Систематические обзоры в области здравоохранения: Мета-анализ в контексте (2 - е изд.), BMJ Publishing, стр 313-335,. DOI : 10.1002 / 9780470693926.ch16 , ISBN 9780470693926
- ^ а б Райли, РД; Хиггинс, JP; Дикс, Дж. Дж. (2011), «Интерпретация метаанализа случайных эффектов», BMJ , 342 : d549, doi : 10.1136 / bmj.d549 , PMID 21310794
- ^ Bretthorst, GL (1999), «Почти несоответствие частотных распределений дискретизации», в von der Linden, W .; и другие. (ред.), Максимальная энтропия и байесовские методы , Kluwer Academic Publishers, стр. 21–46, DOI : 10.1007 / 978-94-011-4710-1_3 , ISBN 978-94-010-5982-4
- ^ а б в Kontopantelis, E .; Springate, DA; Ривз, Д. (2013). «Повторный анализ данных Кокрановской библиотеки: опасность ненаблюдаемой неоднородности в метаанализах» . PLOS ONE . 8 (7): e69930. DOI : 10.1371 / journal.pone.0069930 . PMC 3724681 . PMID 23922860 .
- ^ Kontopantelis, E .; Ривз, Д. (2012). «Эффективность статистических методов метаанализа, когда истинные эффекты исследования распределены ненормально: имитационное исследование» . Статистические методы в медицинских исследованиях . 21 (4): 409–26. DOI : 10.1177 / 0962280210392008 . PMID 21148194 .
- ^ а б Рёвер, К. (2020), «Байесовский мета-анализ случайных эффектов с использованием пакета bayesmeta R», журнал статистического программного обеспечения , 93 (6): 1–51, doi : 10.18637 / jss.v093.i06
- ^ Cochran, WG (1954), "Сочетание оценок из различных экспериментов", биометрия , 10 (1): 101-129, DOI : 10,2307 / 3001666 , JSTOR 3001666
- ^ Харди, Р.Дж.; Томпсон, С. (1998), "Обнаружение и описание гетерогенность в мета-анализе", статистика в медицине , 17 (8): 841-856, DOI : 10.1002 / (SICI) 1097-0258 (19980430) 17: 8 <841: : AID-SIM781> 3.0.CO; 2-D , PMID 9595615
- ^ Davey, J .; Тернер, РМ; Кларк, MJ; Хиггинс, JPT (2011), «Характеристики метаанализов и их компонентных исследований в Кокрановской базе данных систематических обзоров: перекрестный описательный анализ», BMC Medical Research Methodology , 11 (1): 160, doi : 10.1186 / 1471-2288-11-160 , PMC 3247075 , PMID 22114982
- ^ Li, W .; Лю, Ф .; Снейвли, D. (2020), "Повторяемость методов испытаний , то для бассейна и некоторых практических соображений", Фармацевтический статистик , 19 (5): 498-517, DOI : 10.1002 / pst.2009 , PMID 32171048
- ^ Вероники, АА; Джексон, Д .; Viechtbauer, W .; Бендер, Р .; Bowden, J .; Knapp, G .; Kuß, O .; Хиггинс, JPT; Langan, D .; Salanti, Г. (2016), "Методы оценки дисперсии между исследованиями и его неопределенность в мета-анализа", Исследования методов синтеза , 7 (1): 55-79, DOI : 10.1002 / jrsm.1164 , ПМК 4950030 , PMID 26332144
- ^ а б Röver, C .; Бендер, Р .; Dias, S .; Шмид, Швейцария; Schmidli, H .; Sturtz, S .; Вебер, С .; Friede, T. (2021), «О слабо информативных априорных распределениях для параметра неоднородности в метаанализе байесовских случайных эффектов», Research Synthesis Methods , arXiv : 2007.08352 , doi : 10.1002 / jrsm.1475 , PMID 33486828
- ^ Friede, T .; Röver, C .; Wandel, S .; Neuenschwander, B. (2017), «Мета-анализ нескольких небольших исследований по орфанным болезням», Research Synthesis Methods , 8 (1): 79–91, arXiv : 1601.06533 , doi : 10.1002 / jrsm.1217 , PMC 5347842 , PMID 27362487
- ^ Хиггинс, JPT; Томпсон, С. Г.; Дикс, JJ; Альтман, DG (2003), "Измерение несогласованность в мета-анализа", BMJ , 327 (7414): 557-560, DOI : 10.1136 / bmj.327.7414.557 , КУП 192859 , PMID 12958120
- ^ Rücker, G .; Schwarzer, G .; Карпентер-младший; Шумахер, М. (2008), "Чрезмерная зависимость от I² в оценке гетерогенность может ввести в заблуждение", BMC Medical Research Методология , 8 (79): 79, DOI : 10,1186 / 1471-2288-8-79 , PMC 2648991 , PMID 19036172
- ^ Borenstein, M .; Хиггинс, JPT; Живые изгороди, LV; Ротштейн, HR (2017), «Основы метаанализа: I² не является абсолютной мерой неоднородности» (PDF) , Research Synthesis Methods , 8 (1): 5–18, doi : 10.1002 / jrsm.1230 , hdl : 1983 / 9cea2307-8e9b-4583-9403-3a37409ed1cb , PMID 28058794
- ^ Чиолеро, А; Санчи, В .; Burnand, B .; Platt, RW; Паради, Г. (2012), "Мета-анализ: с доверительными интервалами или с интервалами прогноза?" (PDF) , Европейский журнал эпидемиологии , 27 (10): 823-5, DOI : 10.1007 / s10654-012-9738-у , PMID 23070657
- ^ Бендер, Р .; Kuß, O .; Koch, A .; Schwenke, C .; Хаушке, Д. (2014), Применение интервалов прогнозирования в метаанализе со случайными эффектами (PDF) , Совместное заявление IQWiG , GMDS и IBS-DR
дальнейшее чтение
- Borenstein, M .; Живые изгороди, LV; Хиггинс, JPT; Ротштейн, HR (2010), «Основное введение в модели фиксированных и случайных эффектов для метаанализа», Research Synthesis Methods , 1 (2): 97–111, doi : 10.1002 / jrsm.12 , PMID 26061376
- Фляйсс, JL (1993), "Статистическая основа мета-анализ", статистические методы в области медицинских исследований , 2 (2): 121-145, DOI : 10,1177 / 096228029300200202 , PMID 8261254
- Хиггинс, JPT; Thomas, J .; Chandler, J .; Cumpston, M .; Li, T .; Пейдж, MJ; Уэлч, Вирджиния (2019), Кокрановское руководство по систематическим обзорам вмешательств (2-е изд.), Wiley Blackwell, ISBN 9781119536611
- Мостеллер, Ф .; Colditz, GA (1996), «Понимание научного синтеза (метаанализ)», Annual Review of Public Health , 17 : 1–23, doi : 10.1146 / annurev.pu.17.050196.000245 , PMID 8724213
- Саттон, AJ; Абрамс, КР; Джонс, Д. Р. (2001), "Иллюстрированный справочник по методам меты-анализ", журнал оценки в клинической практике , 7 (2): 135-148, DOI : 10,1046 / j.1365-2753.2001.00281.x , PMID 11489039