PMC

Jak można ją wykryć i czy ma znaczenie?

Niejednorodność statystyczna jest widoczna dopiero po analizie wyników. Heterogeniczność można ocenić graficznie (patrząc na wykres leśny) i zmierzyć statystycznie. Na wykresie leśnym pochodzącym z przeglądu systematycznego dotyczącego suplementacji wapnia,2 słupki błędów dla każdego badania zawierają wynik sumaryczny, co sugeruje, że niejednorodność statystyczna nie jest problemem, a przesłanie jest spójne (ryc. 22).

Aby określić, czy istnieje znacząca heterogeniczność, należy sprawdzić wartość P dla testu heterogeniczności χ2. Wysoka wartość P jest dobrą wiadomością, ponieważ sugeruje, że heterogeniczność jest nieistotna i że można iść dalej i podsumować wyniki. Ponieważ testy statystyczne dla heterogeniczności nie są zbyt silne, rozsądnie jest używać wyższej wartości P niż zwykle (powiedzmy, P>0,1) jako punktu odcięcia dla decyzji i tak myśleć o heterogeniczności klinicznej.

Przegląd systematyczny suplementacji wapnia przechodzi test, a autorzy słusznie podsumowali wpływ na gęstość kości za pomocą prostego modelu efektów stałych. Model ten zakłada, że wszystkie badania próbują zmierzyć to samo i że większy wpływ należy przypisać większym badaniom przy obliczaniu średniego efektu.4

Ale co zrobić, jeśli wartość P dla testu χ2 heterogeniczności jest niska, co sugeruje znaczącą heterogeniczność? Co można zrobić? Możliwe są dwa podejścia. Możemy albo uniknąć podsumowania wyniku i poszukać przyczyn heterogeniczności, albo podsumować efekty za pomocą innej metody – modelu efektów losowych. Przyczyny niejednorodności, inne niż różnice kliniczne, mogą obejmować kwestie metodologiczne, takie jak problemy z randomizacją, wczesne kończenie badań, stosowanie bezwzględnych, a nie względnych miar ryzyka oraz tendencyjność publikacji.

Autorzy systematycznego przeglądu leków stosowanych w celu zapobiegania reakcjom alergicznym wywołanym przez środki kontrastowe przyjęli pierwsze podejście.1 Działki leśne sugerują, że dwie klasy leków mają różne efekty, szczególnie w przypadku reakcji skórnych, a wartość P dla testu statystycznego na heterogeniczność była istotna na poziomie 0,03. Zdecydowano się nie podsumowywać średniego efektu i uznano, że różnica między leczeniem jest częścią przesłania przeglądu.

Autorzy przeglądu interwencji zapobiegających upadkom i złamaniom przyjęli drugie podejście.3 Wykres leśny dla upadków w szpitalu pokazuje szeroki rozrzut wyników (ryc. 33). Niektóre badania sugerują korzyści, a inne szkody wynikające z wieloaspektowych interwencji. Autorzy przedstawiają statystykę I 2, która mierzy procent zmienności, która nie wynika z przypadku. Wysoki odsetek, np. 80%, sugeruje istotną heterogeniczność. (Wartość I 2 wynosząca <25% jest uważana za niską.5)

Mimo to autorzy uznali, że wszystkie badania próbowały zmierzyć zasadniczo to samo i że warto podsumować wyniki. Zastosowali model efektów losowych, który wykorzystuje inną formułę do obliczenia bardziej konserwatywnych 95% przedziałów ufności. Zakłada się, że efekty leczenia zmieniają się wokół jakiegoś ogólnego średniego efektu leczenia, w przeciwieństwie do modelu efektów stałych, w którym zakłada się, że każde badanie ma ten sam stały wspólny efekt leczenia.4

Przeglądy systematyczne z metaanalizą próbują dostarczyć lepszych liczbowych odpowiedzi na pytania: „jaki jest efekt tej interwencji i jak bardzo jesteśmy tego pewni?”. Zanim jednak uwierzymy w wyniki tej metody, warto rozważyć cztery pytania (patrz ramka).