Meta-analysis

Meta-analysis is a scientific method that collectively analyzes data from several sub-independent studies. The goal is the identification and quantification of prevailing trends or finding out the causes of different conclusions of these works.

A simplified procedure for processing a meta-analysis can be summarized in the following steps:


 * 1) definition of research question
 * 2) search for all (even yet unpublished) works
 * 3) selection of all suitable studies
 * 4) data extraction
 * 5) assessment of data homogenity and efforts in increasing it
 * 6) own meta-analysis

This article is devoted to the application of meta-analyses in medicine, where they arepart of EBM. However, it is worth mentioning that meta-analyses are also widely used outside the medical field.

Importance of meta-analyses
If done correctly, a meta-analysis will provide much more accurate and objective data than individual analyzed studies, reduce the incidence of false negative results, identify the causes of different conclusions of some studies and allow hypothesis testing. The disadvantage of meta-analyses is that they take a lot of time to prepare.

The process of creating a meta-analysis
A part of meta-analysis is a systematic review,

Definition of the problematics
In every meta-analysis, it must be clearly described what problem is being analyzed, which study participants were selected, what the final result is, etc. To clarify these clinical questions, a methodology known as PICO system. thumb | vpravo | PRISMA diagram

Literature search
To search for relevant studies, library databases are primarily used, which enable the identification of officially published studies. Among the most important are Pubmed (MEDLINE), Cochrane and ScienceDirect.

However, the studies available on these portals make up only a fraction of the scientific material on the given topic – many data are published, for example, within book titles, or some works are not officially published at all. Especially in cases where the proven hypothesis was not confirmed by the work. The creation of a meta-analysis presupposes the acquisition of the largest possible spectrum of relevant data, with which it is subsequently possible to work. That is why it is necessary to search carefully even in sources other than the mentioned main databases. n order to be able to trace back (and refine or review) the individual steps of identifying relevant studies, it is important to properly record the literature search. The freely available [PRISMA diagram], In which the author of the meta-analysis numerically and verbally describes the details of the search.

Selection of suitable studies
After the identification of individual studies, it is necessary to establish "criteria" (e.g. the minimum number of study participants, their age or study design, etc.), according to which only the most suitable citations for the given meta-analysis are selected. The term eligibility criteria is widely used in the English literature.

Methodological biases
The danger that can threaten the credibility of the entire meta-analysis is the influence of systematic and methodological errors. Examples of these errors can be found in a separate article on Sources of error in scientific studies, that cover them in detail. Evaluation methodological bias of individual studies is a crucial step in creating not only meta-analyses, but also systematic reviews. 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 nížší 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:

náhled|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 statiských programů, např. pomocí veřejně dostupného a bezplatného OpenMeta(Analyst).



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

Význam diskuze
Diskuze je nespostradatelnou 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.

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