Metaanaliza: miara ciągła
| Polecenie: | Statystyki MetaanalizaMiara ciągła |
|---|
Krótki przegląd metaanalizy w MedCalc znajdziesz w części Metaanaliza: wprowadzenie.
W metaanalizie badań z miarą ciągłą (porównanie średnich między przypadkami leczonymi a kontrolami) MedCalc stosuje statystykę g Hedgesa jako postać standaryzowanej różnicy średnich według modelu efektów stałych. Następnie statystyka niejednorodności jest uwzględniana przy obliczaniu łącznej standaryzowanej różnicy średnich według modelu efektów losowych (DerSimonian & Laird, 1986).
Standaryzowana różnica średnich g Hedgesa jest różnicą między dwiema średnimi podzieloną przez łączne odchylenie standardowe, z korektą obciążenia dla małych prób:
$$ s_{pooled} = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}} $$
$$ g = \frac{\bar{x}_1 - \bar{x}_2}{s_{pooled}} $$
$$ J(n) = \frac{\Gamma(n/2)}{\sqrt{n/2 \,}\,\Gamma((n-1)/2)} $$
$$ g_{corrected} = g \times J(n_1+n_2-2) $$
gdzie Γ jest funkcją gamma.
Jak wprowadzić dane
Dane z poszczególnych badań można wprowadzić do arkusza kalkulacyjnego w następujący sposób:
| A | B | C | D | E | F | G | H | |
|---|---|---|---|---|---|---|---|---|
| Study | Treated_N | Treated_Mean | Treated_SD | Controls_N | Controls_Mean | Controls_SD | ||
| 1 | Smith, 1998 | 40 | 23,52 | 1,38 | 40 | 20,12 | 3,36 | |
| 2 | Brown, 2003 | 162 | 25,6 | 2,3 | 175 | 23,5 | 1,4 | |
| 3 | Wilson, 1997 | 36 | 21,7 | 2,1 | 36 | 19,7 | 2,9 | |
| 4 | Emerson, 2012 | 20 | 23,13 | 2,12 | 23 | 23,21 | 3 | |
| 5 | Jones, 2006 | 25 | 25,3 | 2,2 | 25 | 24,9 | 2,6 |
W tym przykładzie w pierwszym badaniu leczono 40 przypadków, a średnia interesującego parametru wynosiła 23,52 przy odchyleniu standardowym 1,38. W 40 przypadkach kontrolnych średnia wynosiła 20,12 przy odchyleniu standardowym 3,36. W kolejnych wierszach arkusza kalkulacyjnego znajdują się dane z 4 innych badań.
Wymagane dane wejściowe
Następnie można wypełnić okno dialogowe „Metaanaliza: miara ciągła”.
Badania: zmienna zawierająca identyfikację poszczególnych badań.
Grupy interwencyjne i grupy kontrolne:
Liczba przypadków, średnia, odchylenie standardowe: zmienne zawierające liczbę przypadków, średnią i odchylenie standardowe zaobserwowane w poszczególnych badaniach odpowiednio w grupach interwencyjnych i kontrolnych.
Filtr: filtr umożliwiający uwzględnienie na wykresie tylko wybranej podgrupy przypadków.
Opcje
- Wykres drzewkowy: tworzy wykres drzewkowy (forest plot).
- Rozmiar znacznika punktu proporcjonalny do wagi badania: opcja uzależnienia rozmiaru znaczników przedstawiających efekty badań od wag przypisanych poszczególnym badaniom. Możesz wybrać wagi modelu efektów stałych lub wagi modelu efektów losowych.
- Wykreśl efekt łączny - model efektów stałych: opcja uwzględnienia na wykresie drzewkowym efektu łącznego według modelu efektów stałych.
- Wykreśl efekt łączny - model efektów losowych: opcja uwzględnienia na wykresie drzewkowym efektu łącznego według modelu efektów losowych.
- Romby dla efektów łącznych: opcja przedstawiania efektów łącznych za pomocą rombu (położenie rombu odpowiada oszacowanej wielkości efektu, a jego szerokość odzwierciedla precyzję oszacowania).
- Wykres lejkowy: tworzy wykres lejkowy (funnel plot) do oceny błędu publikacji. Zobacz Metaanaliza: wprowadzenie.
Wyniki
Zmienna dla badań | Study |
|---|---|
1. Grupy interwencyjne | |
Zmienna dla liczby przypadków | Treated_N |
Zmienna dla średniej | Treated_Mean |
Zmienna dla SD | Treated_SD |
2. Grupy kontrolne | |
Zmienna dla liczby przypadków | Controls_N |
Zmienna dla średniej | Controls_Mean |
Zmienna dla SD | Controls_SD |
Badanie | N1 | N2 | Łącznie | SMD | SE | 95% CI | t | P | Waga (%) | |
|---|---|---|---|---|---|---|---|---|---|---|
Stałe | Losowe | |||||||||
Smith, 1998 | 40 | 40 | 80 | 1.311 | 0.245 | 0.824 do 1.798 |
|
| 12.78 | 19.84 |
Brown, 2003 | 162 | 175 | 337 | 1.110 | 0.117 | 0.881 do 1.340 |
|
| 55.90 | 23.65 |
Wilson, 1997 | 36 | 36 | 72 | 0.781 | 0.242 | 0.299 do 1.264 |
|
| 13.03 | 19.92 |
Emerson, 2012 | 20 | 23 | 43 | -0.0299 | 0.300 | -0.636 do 0.576 |
|
| 8.48 | 17.94 |
Jones, 2006 | 25 | 25 | 50 | 0.163 | 0.279 | -0.397 do 0.724 |
|
| 9.82 | 18.66 |
Łącznie (efekty stałe) | 283 | 299 | 582 | 0.904 | 0.0874 | 0.732 do 1.075 | 10.339 | <0.001 | 100.00 | 100.00 |
Łącznie (efekty losowe) | 283 | 299 | 582 | 0.703 | 0.238 | 0.236 do 1.171 | 2.954 | 0.003 | 100.00 | 100.00 |
Test dla niejednorodności
Q | 22.8789 |
|---|---|
DF | 4 |
Poziom istotności | P = 0.0001 |
I2 (sprzeczność) | 82.52% |
95% CI dla I2 | 59.91 do 92.38 |
Błąd publikacji
Test Eggera | |
|---|---|
Stała | -3.9726 |
95% CI | -11.3958 do 3.4507 |
Poziom istotności | P = 0.1871 |
Test Begga | |
Tau Kendalla | -0.8000 |
Poziom istotności | P = 0.0500 |
  |
Program wymienia wyniki poszczególnych badań: liczbę przypadków dodatnich, łączną liczbę przypadków oraz standaryzowaną różnicę średnich (SMD) z 95% CI.
Łączna standaryzowana różnica średnich wraz z 95% CI jest podawana zarówno dla modelu efektów stałych, jak i dla modelu efektów losowych.
Jeśli wartość 0 nie mieści się w 95% CI, SMD jest istotna statystycznie na poziomie 5% (P<0,05).
Zgodnie z regułą praktyczną Cohena dotyczącą interpretacji statystyki SMD wartość 0,2 wskazuje na mały efekt, wartość 0,5 na średni efekt, a wartość 0,8 lub większa na duży efekt.
Model efektów losowych daje zwykle bardziej zachowawcze oszacowanie (tzn. z szerszym przedziałem ufności), ale wyniki obu modeli są zazwyczaj zgodne, gdy nie występuje niejednorodność. Interpretację statystyk niejednorodności Q Cochrana i I2 znajdziesz w części Metaanaliza: wprowadzenie. W przypadku niejednorodności preferowanym modelem jest model efektów losowych.
Interpretację poszczególnych testów błędu publikacji znajdziesz w części Metaanaliza: wprowadzenie.
Wykres drzewkowy
Wyniki poszczególnych badań wraz z 95% CI oraz ogólna standaryzowana różnica średnich wraz z 95% CI są przedstawione na następującym wykresie drzewkowym:
Piśmiennictwo
- 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.
- Hedges LV, Olkin I (1985) Statistical methods for meta-analysis. London: Academic Press.
- Higgins JP, Thompson SG, Deeks JJ, Altman DG (2003) Measuring inconsistency in meta-analyses. BMJ 327:557-560.
- Petrie A, Bulman JS, Osborn JF (2003) Further statistics in dentistry. Part 8: systematic reviews and meta-analyses. British Dental Journal 194:73-78.