Metaanalyse: Quotenverhältnis
| Befehl: | Statistiken MetaanalyseQuotenverhältnis |
|---|
Einen kurzen Überblick über die Metaanalyse in MedCalc finden Sie unter Metaanalyse: Einleitung.
MedCalc verwendet die Mantel-Haenszel-Methode (Mantel & Haenszel, 1959) zur Berechnung des gewichteten gepoolten Quotenverhältnisses nach dem Modell mit festen Effekten. Anschließend wird die Heterogenitätsstatistik einbezogen, um das zusammenfassende Quotenverhältnis nach dem Modell mit zufälligen Effekten zu berechnen (DerSimonian & Laird, 1986).
Eingabe von Daten
Die Daten der verschiedenen Studien können wie folgt in das Tabellenblatt eingegeben werden:
| A | B | C | D | E | F | |
|---|---|---|---|---|---|---|
| Study | Treated_N | Treated_Pos | Placebo_N | Placebo_Pos | ||
| 1 | Taylor, 2008 | 73 | 15 | 23 | 3 | |
| 2 | Anderson, 2006 | 35 | 7 | 32 | 2 | |
| 3 | White, 2009 | 20 | 8 | 20 | 2 | |
| 4 | Harris, 2010 | 12 | 3 | 10 | 1 | |
| 5 | González, 2008 | 42 | 6 | 42 | 3 |
In diesem Beispiel wurden in einer ersten Studie 73 Fälle mit einem Wirkstoff behandelt, von denen 15 ein positives Ergebnis hatten. 23 Fälle erhielten ein Placebo, von denen 3 ein positives Ergebnis hatten. In den folgenden Zeilen des Tabellenblatts folgen die Daten von 4 weiteren Studien.
Erforderliche Eingabe
Das Dialogfeld für „Metaanalyse: Quotenverhältnis“ kann anschließend ausgefüllt werden.
Studien: eine Variable, die eine Kennung der verschiedenen Studien enthält.
Interventionsgruppen
- Gesamtzahl der Fälle: eine Variable, die die Gesamtzahl der Fälle in den Interventionsgruppen der verschiedenen Studien enthält
- Zahl mit positivem Ergebnis: eine Variable, die die Anzahl der Fälle mit positivem Ergebnis in den Interventionsgruppen der verschiedenen Studien enthält
Kontrollgruppen
- Gesamtzahl der Fälle: eine Variable, die die Gesamtzahl der Fälle in den Kontrollgruppen der verschiedenen Studien enthält
- Zahl mit positivem Ergebnis: eine Variable, die die Anzahl der Fälle mit positivem Ergebnis in den Kontrollgruppen der verschiedenen Studien enthält
Filter
Ein Filter, um nur eine ausgewählte Untergruppe von Studien in die Metaanalyse einzubeziehen.
Filter: ein Filter, um nur eine ausgewählte Untergruppe von Fällen in das Diagramm einzubeziehen.
Optionen
- Walddiagramm (Forest-Plot): Erstellt ein Walddiagramm (Forest-Plot).
- Markierungsgröße relativ zu Studiengewichtung: Option, die Größe der Markierungen, die die Effekte der Studien darstellen, entsprechend den den verschiedenen Studien zugewiesenen Gewichten variieren zu lassen. Sie können die Gewichte des Modells mit festen Effekten oder die Gewichte des Modells mit zufälligen Effekten wählen.
- Gepoolten Effekt zeichnen – Modell mit festen Effekten: Option, den gepoolten Effekt nach dem Modell mit festen Effekten in das Walddiagramm einzubeziehen.
- Gepoolten Effekt zeichnen – Modell mit zufälligen Effekten: Option, den gepoolten Effekt nach dem Modell mit zufälligen Effekten in das Walddiagramm einzubeziehen.
- Diamanten für gepoolte Auswirkungen: Option, die gepoolten Effekte mithilfe eines Diamanten darzustellen (die Position des Diamanten stellt die geschätzte Effektstärke dar, und die Breite des Diamanten spiegelt die Präzision der Schätzung wider).
- Trichterdiagramm: Erstellt ein Trichterdiagramm, um auf das Vorliegen eines Publikationsbias zu prüfen. Siehe Metaanalyse: Einleitung.
Ergebnisse
Variable für Studien | Study |
|---|---|
1. Interventionsgruppen | |
Variable für Gesamtzahl der Fälle | Treated_N |
Variable für Anzahl der positiven Fälle | Treated_Pos |
2. Kontrollgruppen | |
Variable für Gesamtzahl der Fälle | Placebo_N |
Variable für Anzahl der positiven Fälle | Placebo_Pos |
Studie | Intervention | Kontrollen | Quotenverhältnis | 95 % CI | z | P | Gewicht (%) | |
|---|---|---|---|---|---|---|---|---|
Fest | Zufällig | |||||||
Taylor, 2008 | 15/73 | 3/23 | 1.724 | 0.452 bis 6.583 |
|
| 29.30 | 29.30 |
Anderson, 2006 | 7/35 | 2/32 | 3.750 | 0.717 bis 19.599 |
|
| 19.23 | 19.23 |
White, 2009 | 8/20 | 2/20 | 6.000 | 1.082 bis 33.275 |
|
| 17.92 | 17.92 |
Harris, 2010 | 3/12 | 1/10 | 3.000 | 0.260 bis 34.576 |
|
| 8.80 | 8.80 |
González, 2008 | 6/42 | 3/42 | 2.167 | 0.504 bis 9.312 |
|
| 24.74 | 24.74 |
Summe (feste Effekte) | 39/182 | 11/127 | 2.806 | 1.363 bis 5.778 | 2.800 | 0.005 | 100.00 | 100.00 |
Summe (zufällige Effekte) | 39/182 | 11/127 | 2.781 | 1.347 bis 5.744 | 2.765 | 0.006 | 100.00 | 100.00 |
Test auf Heterogenität
Q | 1.5056 |
|---|---|
DF | 4 |
Signifikanzniveau | P = 0.8256 |
I2 (Inkonsistenz) | 0.00% |
95 % CI für I2 | 0.00 bis 47.99 |
Publikationsbias
Egger-Test | |
|---|---|
Achsenabschnitt | 1.5073 |
95 % CI | -3.1713 bis 6.1858 |
Signifikanzniveau | P = 0.3807 |
Beggs Test | |
Kendalls Tau | 0.6000 |
Signifikanzniveau | P = 0.1416 |
  |
Das Programm listet die Ergebnisse der einzelnen Studien auf: Anzahl der positiven Fälle, Gesamtzahl der Fälle sowie das Quotenverhältnis mit 95 %-KI.
Das gepoolte Quotenverhältnis mit 95 %-KI wird sowohl für das Modell mit festen Effekten als auch für das Modell mit zufälligen Effekten angegeben. Liegt der Wert 1 nicht innerhalb des 95 %-KI, ist das Quotenverhältnis auf dem 5 %-Niveau statistisch signifikant (P<0,05).
Das Modell mit zufälligen Effekten liefert tendenziell eine konservativere Schätzung (d. h. mit breiterem Konfidenzintervall), aber die Ergebnisse der beiden Modelle stimmen meist überein, wenn keine Heterogenität vorliegt. Siehe Metaanalyse: Einleitung zur Interpretation der Heterogenitätsstatistiken Cochrans Q und I2. Liegt Heterogenität vor, sollte das Modell mit zufälligen Effekten das bevorzugte Modell sein.
Siehe Metaanalyse: Einleitung zur Interpretation der verschiedenen Publikationsbias-Tests.
Zu beachten ist: Wenn eine Studie sowohl in der Interventions- als auch in der Kontrollgruppe keine Ereignisse (oder ausschließlich Ereignisse) berichtet, liefert diese Studie keine Information über die relative Wahrscheinlichkeit des Ereignisses und wird automatisch von der Metaanalyse ausgeschlossen (Higgins & Green, 2011).
Walddiagramm (Forest-Plot)
Die Ergebnisse der verschiedenen Studien mit 95 %-KI sowie der gesamte Effekt mit 95 %-KI werden in einem Walddiagramm (Forest-Plot) dargestellt:
Zu beachten ist, dass die Quotenverhältnisse mit 95 %-KI auf einer logarithmischen Skala dargestellt werden.
Fachliteratur
- Borenstein M, Hedges LV, Higgins JPT, Rothstein HR (2009) Introduction to meta-analysis. Chichester, UK: Wiley.
- DerSimonian R, Laird N (1986) Meta-analysis in clinical trials. Controlled Clinical Trials 7:177-188.
- Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. The Cochrane Collaboration, 2011. Available from www.cochrane-handbook.org
- Higgins JP, Thompson SG, Deeks JJ, Altman DG (2003) Measuring inconsistency in meta-analyses. BMJ 327:557-560.
- Mantel N, Haenszel W (1959) Statistical aspects of the analysis of data from the retrospective analysis of disease. Journal of the National Cancer Institute 22:719-748.
- Petrie A, Bulman JS, Osborn JF (2003) Further statistics in dentistry. Part 8: systematic reviews and meta-analyses. British Dental Journal 194:73-78.