PMC

Hogyan lehet kimutatni és számít-e?

A statisztikai heterogenitás csak az eredmények elemzése után válik nyilvánvalóvá. A heterogenitás grafikusan megítélhető (az erdődiagramot megnézve) és statisztikailag mérhető. A kalciumpótlás szisztematikus áttekintéséből származó erdődiagramon2 az egyes vizsgálatok hibasávjai tartalmazzák az összesített eredményt, ami arra utal, hogy a statisztikai heterogenitás nem jelent problémát, és hogy az üzenet következetes (22. ábra).).

Annak megállapításához, hogy fennáll-e szignifikáns heterogenitás, keresse a χ2 heterogenitási teszt P-értékét. A magas P-érték jó hír, mert arra utal, hogy a heterogenitás nem szignifikáns, és hogy tovább lehet menni és összegezni az eredményeket. Mivel a heterogenitásra vonatkozó statisztikai tesztek nem túl erősek, célszerű a szokásosnál magasabb P-értéket (mondjuk P>0,1) használni a döntés határértékeként, és mindenképpen a klinikai heterogenitásra gondolni.

A kalciumpótlás szisztematikus áttekintése átmegy a teszten, és a szerzők helyesen összegezték a csontsűrűségre gyakorolt hatásokat egy egyszerű fix hatású modell segítségével. Ez a modell feltételezi, hogy minden vizsgálat ugyanazt próbálja mérni, és hogy az átlagos hatás kiszámításakor nagyobb befolyást kell adni a nagyobb vizsgálatoknak.4

De mi van akkor, ha a χ2 heterogenitási teszt P-értéke alacsony, ami jelentős heterogenitásra utal? Mit lehet tenni? Két megközelítés lehetséges. Vagy elkerülhetjük az eredmény összegzését, és kereshetjük a heterogenitás okait, vagy összegezhetjük a hatásokat egy másik módszerrel – a véletlenszerű hatások modelljével. A heterogenitás okai a klinikai különbségeken kívül olyan módszertani problémák lehetnek, mint a randomizálással kapcsolatos problémák, a vizsgálatok korai befejezése, a kockázat abszolút, nem pedig relatív mérőszámok használata, valamint a publikációs torzítás.

A kontrasztanyag okozta allergiás reakciók megelőzésére használt gyógyszerek szisztematikus áttekintésének szerzői az első megközelítést alkalmazták.1 Az erdődiagramok azt sugallják, hogy a két gyógyszerosztály eltérő hatással rendelkezik, különösen a bőrreakciók tekintetében, és a heterogenitás statisztikai tesztjének P-értéke szignifikánsan 0,03 volt. Úgy döntöttek, hogy nem foglalnak össze egy átlagos hatást, és úgy vélték, hogy a kezelések közötti különbség része a felülvizsgálat üzenetének.

Az esések és törések megelőzésére irányuló beavatkozások áttekintésének szerzői a második megközelítést választották.3 A kórházi esésekre vonatkozó erdődiagram az eredmények széles szórását mutatja (33. ábra).). Egyes vizsgálatok a sokrétű beavatkozások előnyére, mások pedig hátrányára utalnak. A szerzők bemutatják az I 2 statisztikát, amely a nem véletlenből adódó eltérések százalékos arányát méri. A magas százalékos arány, mint például az itt látható 80%, jelentős heterogenitásra utal. (A <25%-os I 2 érték alacsony értéknek számít.5)

Mindazonáltal a szerzők úgy vélték, hogy az összes vizsgálat lényegében ugyanazt próbálta mérni, és érdemes volt összefoglalni az eredményeket. A véletlenszerű hatások modelljét használták, amely más képletet használ a konzervatívabb 95%-os konfidenciaintervallumok kiszámításához. Feltételezik, hogy a kezelés hatásai valamilyen általános átlagos kezelési hatás körül változnak, szemben a fix hatások modelljével, amelyben feltételezik, hogy minden vizsgálatban ugyanaz a fix közös kezelési hatás érvényesül.4

A meta-elemzéssel készült rendszerezett áttekintések jobb számszerű válaszokat próbálnak adni arra a kérdésre, hogy “milyen hatása van ennek a beavatkozásnak, és mennyire vagyunk ebben biztosak”. Mielőtt azonban elhinnénk ennek a módszernek az eredményeit, hasznos lehet megfontolni négy kérdést (lásd a keretes írást).