Kalkulator Gratis Editverse
Kalkulator Meta-Analisis & Plot Hutan
Gabungkan efek studi dengan bobot varians terbalik (efek tetap atau efek acak DerSimonian-Laird), buat plot hutan dan baca I² dan tau², dengan perintah R di belakang hasilnya. Masukkan setiap efek dengan CI 95% pada skala aditif: perbedaan rata-rata dan perbedaan rata-rata terstandarisasi sebagaimana adanya, dan rasio odds, risiko, atau bahaya sebagai logaritma natural (logaritma dari estimasi dan dari kedua batas), kemudian eksponensialkan hasil gabungan tersebut. Panduan interpretasi lengkap akan dijelaskan di bawah ini. Divalidasi terhadap R 4.3.3.
Dalam Kata Sederhana
Meta -analisis menggabungkan hasil beberapa studi menjadi satu estimasi gabungan, memberikan bobot pada setiap studi berdasarkan ketelitiannya — studi yang lebih besar dan lebih presisi memiliki bobot lebih besar. Plot hutan menunjukkan setiap studi sebagai titik dengan interval kepercayaannya, dan hasil gabungan sebagai bentuk berlian di bagian bawah.
Karena penelitian tidak pernah identik, analisis ini juga melaporkan heterogenitas : seberapa besar perbedaan efek sebenarnya antar penelitian di luar kebetulan. Statistik I² menyatakan hal ini sebagai persentase dari total variasi, membantu Anda menilai apakah angka gabungan tunggal tersebut bermakna.
Kapan Menggunakan Meta-Analisis?
Gunakan meta-analisis ketika beberapa studi membahas pertanyaan yang sama dan cukup serupa secara klinis dan metodologis untuk digabungkan — misalnya, uji coba intervensi yang sama yang melaporkan hasil yang sama. Penggabungan meningkatkan ketelitian dan dapat menyelesaikan hasil individual yang bertentangan, tetapi hanya jika studi tersebut benar-benar sebanding.
Pilih model efek acak ketika Anda memperkirakan efek sebenarnya akan bervariasi antar studi, dan model efek tetap hanya ketika Anda dapat mengasumsikan satu efek umum. Selalu laporkan I² bersamaan dengan ukuran efek gabungan dan interval kepercayaannya . Tidak yakin apakah studi Anda harus digabungkan sama sekali? Pemilih Tes interaktif kami dapat membantu Anda memutuskan.
Format yang diharapkan: Studi: Label, Efek, Batas Bawah CI, Batas Atas CI (satu per baris)
Seret file CSV di sini atau klik untuk memilih. Diproses di browser Anda: tidak ada yang diunggah.
Format yang diharapkan: Studi: Label, Efek, Batas Bawah CI, Batas Atas CI (satu per baris)
library(meta) studlab <- c({meta_studlab}) TE <- c({meta_te}) lower <- c({meta_lower}) upper <- c({meta_upper}) seTE <- (upper - lower) / (2 * 1.96) # SE dari 95% CI, seperti yang dilakukan kalkulator m <- metagen(TE, seTE, studlab = studlab, sm = "SMD", common = {meta_common}, random = {meta_random}, method.tau = "DL") summary(m) # efek gabungan, Cochran's Q, I2, tau2Buku petunjuk
Kapan digunakan. Gabungkan ukuran efek dari berbagai studi dan kuantifikasi heterogenitas (I-squared).
Asumsi. Studi-studi tersebut cukup sebanding secara klinis dan metodologis untuk digabungkan.
Kesalahan umum. Nilai I-squared yang tinggi (>75%) menandakan heterogenitas yang substansial: interpretasikan estimasi gabungan dengan hati-hati.
Contoh yang dikerjakan
Klik Muat data contoh di atas, lalu Jalankan Analisis untuk melihat hasil lengkap dengan angka, rumus, dan interpretasi untuk pengujian ini.
Referensi
- DerSimonian R, Laird N. Meta-analisis dalam uji klinis. Control Clin Trials. 1986;7:177-188.
Contoh yang berhasil
Contoh 1 — Menggabungkan empat studi
Empat studi melaporkan perbedaan rata-rata terstandarisasi sebesar 0.45, 0.60, 0.32, dan 0.55, masing-masing dengan interval kepercayaannya sendiri. Model efek acak memberi bobot pada studi-studi tersebut berdasarkan presisi dan menggabungkannya menjadi estimasi gabungan mendekati 0.48. Pada plot hutan, setiap studi digambarkan sebagai persegi dengan ukuran sesuai bobotnya, dan efek gabungannya adalah berlian yang lebarnya adalah interval kepercayaan 95%.
Contoh 2 — Membaca heterogenitas
Analisis yang sama menghasilkan I² = 17%, dan Cochran's Q (3.62 pada 3 derajat kebebasan, p = 0.31) tidak signifikan, sehingga studi-studi tersebut cukup konsisten dan estimasi gabungan dapat dipercaya. Seandainya I² sebesar 80%, efek sebenarnya akan sangat bervariasi antar studi dan satu angka gabungan tidak akan berarti banyak — Anda akan menyelidiki sumber heterogenitas melalui subkelompok atau meta-regresi sebagai gantinya.
Asumsi yang Perlu Diperiksa
Studi yang sebanding (klinis dan metodologis). Studi-studi tersebut harus membahas pertanyaan yang sama dengan populasi, intervensi, dan definisi hasil yang serupa. Menggabungkan studi yang tidak sebanding akan menghasilkan estimasi gabungan yang tidak menjawab pertanyaan sebenarnya.
Model yang tepat untuk pertanyaan ini. Model efek tetap mengasumsikan satu efek sebenarnya yang sama; model efek acak memungkinkan efek sebenarnya bervariasi. Memilih model efek tetap ketika heterogenitas nyata akan meremehkan ketidakpastian dalam estimasi gabungan.
Estimasi efek yang independen dan tidak bias. Setiap studi harus memberikan satu efek independen, dan kumpulan data tidak boleh terdistorsi oleh publikasi selektif. Nilai bias publikasi sebelum mempercayai hasil gabungan.
Kesalahan Umum
Menggabungkan studi-studi yang secara klinis berbeda
Menggabungkan studi dengan populasi atau hasil yang berbeda hanya karena memiliki topik yang sama akan menghasilkan rata-rata yang tidak bermakna. Perbandingan adalah yang utama; statistik tidak dapat menyelamatkan kumpulan data yang tidak koheren.
Menganggap nilai I² yang tinggi sebagai hasil yang perlu dilaporkan dan dilanjutkan.
Nilai I² yang besar merupakan sinyal untuk melakukan investigasi, bukan sekadar angka untuk catatan kaki. Jelajahi heterogenitas dengan analisis subkelompok atau meta-regresi sebelum mengutip efek gabungan apa pun.
Menggunakan efek tetap secara default untuk mendapatkan interval yang lebih ketat.
Model efek tetap memberikan interval kepercayaan yang lebih sempit, tetapi hanya karena model ini mengabaikan variasi antar studi. Ketika heterogenitas ada, interval sempit tersebut memberikan rasa aman yang keliru.
Mengabaikan bias publikasi
Studi-studi kecil yang hasilnya negatif seringkali tidak dipublikasikan, sehingga memperbesar efek gabungan. Periksa plot corong dan lakukan pengujian formal sebelum menarik kesimpulan.
Pertanyaan yang Sering Diajukan
Apa sebenarnya yang diukur oleh I²?
Ini adalah proporsi dari total variasi antar studi yang disebabkan oleh heterogenitas nyata dan bukan kebetulan — kira-kira, 25% rendah, 50% sedang, dan 75% tinggi.
Efek tetap atau efek acak?
Gunakan model efek acak ketika Anda yakin efek sebenarnya bervariasi antar studi, yang biasa terjadi dalam pengaturan klinis; simpan model efek tetap untuk kasus langka di mana hanya ada satu efek umum yang diasumsikan.
Berapa banyak studi yang saya butuhkan?
Tidak ada batasan minimum yang pasti, tetapi dengan jumlah studi yang sangat sedikit, varians antar studi sulit diperkirakan dan statistik heterogenitas menjadi tidak stabil; interpretasikan meta-analisis kecil dengan hati-hati.
Apakah hasilnya sesuai dengan R, Stata, dan RevMan?
Ya, pada skala yang Anda masukkan. Kalkulator ini menggunakan pembobotan varians terbalik standar dengan efek acak DerSimonian-Laird dan memperoleh setiap kesalahan standar dari CI 95% sebagai (atas − bawah) / 3.92. Perintah R yang ditampilkan menggunakan sm = "SMD"; untuk rasio log, atur sm ke "OR", "RR" atau "HR" dan berikan estimasi log sehingga R mentransformasikan kembali nilai gabungan.
Kalkulator Terkait
Referensi
- Higgins JPT, Thompson SG. Mengukur heterogenitas dalam meta-analisis. Statistik Medis. 2002;21(11):1539–1558. PMID 12111919.
- Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mengukur inkonsistensi dalam meta-analisis. BMJ. 2003;327(7414):557–560. PMID 12958120.
- DerSimonian R, Laird N. Meta-analisis dalam uji klinis. Uji Klinis Kontrol. 1986;7(3):177–188.
Apakah Anda Membutuhkan Analisis Ini untuk Manuskrip Anda?
Para ahli biostatistik PhD kami menjalankan meta-analisis Anda dari awal hingga akhir — efek gabungan, heterogenitas, analisis subkelompok dan sensitivitas, uji bias publikasi, dan plot hutan siap publikasi dengan keluaran R yang dapat direproduksi.