Kelas Induk Analisis Meta: Contoh Langkah demi Langkah daripada Percubaan Diterbitkan

Diterbitkan 20 Jun 2026 | Kemas kini terakhir 26 Ogos 2026

Meta-analisis yang dijalankan dengan baik boleh mengubah berpuluh-puluh percubaan berselerak menjadi satu nombor yang cukup tepat untuk mengubah cara ubat diresepkan di seluruh dunia. Itu berlaku pada tahun 2020, apabila penyelidik Cochrane mengumpulkan 27 percubaan kortikosteroid antenatal dan mengesahkan bahawa satu kursus mengurangkan risiko kematian neonatal sebanyak 22%, satu kesimpulan yang dibina daripada 11,272 wanita di 20 negara.1 Mencapai nombor seperti itu, ^dan mempercayainya, bermakna mengerjakan urutan yang sama setiap kali. Pengulas memilih model statistik, menyemak sejauh mana percubaan yang disertakan tidak bersetuju antara satu sama lain, mencari kajian yang tidak pernah dicetak, dan melaporkan setiap langkah dengan cukup jelas untuk penyelidik lain mengulangi analisis.

Panduan ini menerangkan urutan tersebut menggunakan tiga meta-analisis sebenar yang diterbitkan dan bukannya angka yang direka-reka. Setiap contoh membawa nisbah risiko sebenar, selang keyakinan dan statistik heterogeniti, yang diambil daripada kertas kerja asal dan disemak silang dengan PubMed. Liputan merangkumi memilih antara model kesan tetap dan kesan rawak, membaca I², Cochran's Q dan tau² tanpa menganggap sebarang nombor tunggal sebagai ujian lulus-gagal, melihat bagaimana berlian plot hutan mendapat lebarnya dan menggunakan plot corong untuk menangkap jenis penerbitan terpilih yang pernah menjadikan kelas antidepresan kelihatan jauh lebih berkesan daripada data percubaan FDA yang sebenarnya disokong. ²

Apa yang Ditambah oleh Meta-Analisis yang Tidak Dapat Dilakukan oleh Ulasan Naratif

Sebelum meneliti mekanik di bawah, adalah wajar untuk mengesahkan bahawa kajian anda harus dikumpulkan sama sekali. Panduan kami untuk bilangan minimum kajian untuk meta-analisis merangkumi empat semakan yang menentukannya, termasuk statistik mana yang tidak lagi boleh ditafsirkan di bawah lima kajian.

Kajian naratif menerangkan apa yang ditemui oleh satu set kajian. Meta-analisis mengira anggaran terkumpul daripadanya, dengan selang keyakinan yang mencerminkan berapa banyak jumlah bukti yang berada di sebalik nombor tersebut. Percubaan rintis empat puluh pesakit dan kajian berbilang pusat lima ratus pesakit yang menanyakan soalan yang sama jarang sekali bersetuju dengan tepat, dan ringkasan naratif tidak mempunyai cara formal untuk menyelaraskan perbezaan tersebut melangkaui keputusan penghakiman pengarang. Meta-analisis memberi berat kepada setiap kajian mengikut ketepatannya, biasanya songsangan variansnya, jadi percubaan dengan 2,000 peserta menarik anggaran terkumpul ke arah dirinya sendiri jauh lebih tinggi daripada percubaan dengan 40.

Mendapatkan nombor terkumpul yang boleh dipercayai bermula sebelum sebarang statistik. Soalan penyelidikan yang ditakrifkan yang dibina berdasarkan rangka kerja PICO , populasi, intervensi, perbandingan, hasil, menetapkan sempadan yang mana kajian layak. Percubaan yang menjawab soalan yang sedikit berbeza, dos yang berbeza, populasi yang berbeza, definisi hasil yang berbeza, tidak sepatutnya berada dalam kumpulan tanpa mengira sejauh mana ia dijalankan. Melangkau langkah ini adalah sebab mengapa beberapa meta-analisis yang diterbitkan menggabungkan kajian yang tidak pernah benar-benar setanding, menghasilkan anggaran terkumpul yang tidak menggambarkan populasi sebenar.

Model Kesan Tetap dan Kesan Rawak

Dua model statistik mendominasi meta-analisis, dan memilih model yang salah akan mengubah anggaran titik dan, yang lebih penting, lebar selang keyakinannya. Model kesan tetap mengandaikan setiap percubaan yang disertakan menganggarkan kesan sebenar yang sama, dengan sebarang perbezaan antara kedua-duanya dikaitkan semata-mata dengan ralat persampelan. Andaian itu sesuai dengan satu set keadaan yang sempit, protokol, populasi dan dos yang pada asasnya sama, merentasi berbilang tapak percubaan yang sama.

Model kesan rawak mengandaikan sesuatu yang lebih hampir dengan realiti untuk kebanyakan persoalan klinikal, dengan premis bahawa kesan sebenar berbeza dari kajian ke kajian kerana populasi, rejimen dos dan tempoh susulan benar-benar berbeza, dengan ralat persampelan menjadi faktor tambahan dalam variasi tersebut. Rebecca DerSimonian dan Nan Laird memformalkan pendekatan standard untuk model ini pada tahun 1986, memperkenalkan istilah varians antara kajian (tau²) yang ditambah kepada varians persampelan setiap kajian sebelum pemberat dikira.3 ^Oleh kerana pemberat kesan rawak meratakan pengaruh mana-mana percubaan besar tunggal, selang keyakinannya biasanya lebih luas daripada analisis kesan tetap yang dijalankan pada data yang sama dan anggaran titiknya boleh beralih ke arah purata mudah hasil kajian dan bukannya didominasi oleh kajian terbesar. Kebanyakan meta-analisis yang diterbitkan dalam perubatan klinikal kini lalai kepada kesan rawak atas sebab ini, menempah model kesan tetap untuk data yang benar-benar homogen seperti replikasi berbilang tapak yang dirancang bagi satu protokol.

Pemilihan ukuran kesan berlaku bersama-sama dengan pilihan model. Hasil berterusan biasanya menggunakan perbezaan min atau, apabila kajian mengukur konstruk yang sama dengan skala yang berbeza, perbezaan min piawai seperti Hedges' g atau Cohen's d. Hasil binari menggunakan nisbah risiko, nisbah kemungkinan atau perbezaan risiko, dan ketiga-tiganya tidak boleh ditukar ganti, nisbah kemungkinan akan melayang lebih jauh daripada nisbah risiko apabila kadar peristiwa asas meningkat melebihi kira-kira 20%. Penukar saiz kesan percuma Editverse mengendalikan aritmetik antara format ini apabila manuskrip perlu membandingkan hasil yang dilaporkan dalam metrik yang berbeza merentasi kajian yang disertakan.

Membaca Plot Hutan Langkah demi Langkah

Plot hutan hanyalah bentuk visual purata berwajaran, dan setiap elemen di atasnya membawa maklumat. Setiap garisan mendatar mewakili satu percubaan yang disertakan, dengan segi empat sama menandakan anggaran titiknya dan panjang garisan menunjukkan selang keyakinan 95%. Saiz segi empat sama diskalakan dengan pemberat kajian dalam analisis terkumpul, jadi pandangan sekilas pada plot menunjukkan percubaan mana yang sebenarnya memacu keputusan sebelum membaca satu nombor. Berlian di bahagian bawah mewakili anggaran terkumpul, lebarnya sama dengan selang keyakinan terkumpul, dan kedudukan mendatarnya relatif kepada garis menegak tanpa kesan (1.0 untuk nisbah risiko, 0 untuk perbezaan min) adalah perkara pertama yang perlu disemak.

Ulasan Cochrane 2020 mengenai kortikosteroid antenatal menawarkan nombor nyata untuk dianalisis secara mekanikal dan bukannya secara abstrak. Emma McGoldrick dan rakan sekerja menggabungkan 26 percubaan yang meliputi 11,183 bayi untuk hasil sindrom kesusahan pernafasan dan mendapati nisbah risiko 0.71, dengan selang keyakinan 95% dari 0.65 hingga 0.78.1 ^Pada plot hutan, setiap satu daripada 26 garis percubaan tersebut akan terletak sekurang-kurangnya sebahagiannya di sebelah kiri 1.0, dan berlian yang dikumpulkan juga terletak sepenuhnya di sebelah kirinya, memandangkan batas atas 0.78 tidak pernah mencapai garis tanpa kesan. Berlian yang tidak menyentuh garis menegak adalah seperti apa yang kelihatan seperti kepentingan statistik pada plot hutan. GRADE menilai penemuan khusus ini sebagai bukti kepastian tinggi, bermakna penyelidikan lanjut tidak mungkin mengubah anggaran secara bermakna.

Hasil kematian neonatal dalam ulasan yang sama telah mengumpulkan 22 percubaan dan 10,609 bayi ke dalam nisbah risiko 0.78 (95% CI, 0.70 hingga 0.87), yang bermaksud kira-kira 2.6 kematian yang lebih sedikit bagi setiap 100 bayi yang dirawat (95% CI, 1.5 hingga 3.6 lebih sedikit) ^.1 Melaporkan perbezaan risiko mutlak di samping nisbah risiko relatif adalah penting secara klinikal. Pengurangan relatif 22% kedengaran sama sama ada risiko asas adalah 1% atau 20%, tetapi bilangan bayi yang memerlukan rawatan untuk mencegah satu kematian berbeza sebanyak dua puluh kali antara kedua-dua senario tersebut. Kalkulator meta-analisis percuma Editverse menjana anggaran terkumpul dan plot hutan daripada satu set input peringkat kajian, yang merupakan cara yang lebih pantas untuk menyemak kewarasan plot yang dibina dengan tangan sebelum ia dimasukkan ke dalam manuskrip.

Mengukur Heterogeniti dengan I², Cochran's Q, dan Tau²

Heterogeniti ialah istilah teknikal untuk berapa banyak kajian yang disertakan tidak bersetuju melebihi apa yang diramalkan oleh ralat persampelan sahaja, dan tiga statistik mengukurnya dari sudut yang berbeza. Q Cochran menguji sama ada perbezaan pendapat itu signifikan secara statistik, tetapi kuasanya sangat bergantung pada berapa banyak percubaan yang dikumpulkan, jadi meta-analisis dengan hanya empat atau lima kajian boleh membawa heterogeniti sebenar yang gagal ditandai oleh Q, manakala meta-analisis dengan enam puluh kajian boleh menandakan heterogeniti remeh sebagai signifikan. Julian Higgins dan rakan sekerja menangani kelemahan itu dengan membangunkan I², yang menyatakan heterogeniti sebagai peratusan jumlah variasi merentasi kajian dan bukannya ujian keertian mentah, menjadikannya setanding merentasi meta-analisis dengan saiz yang berbeza. Satu kertas kerja 2003 yang dipetik secara meluas menterjemahkan statistik tersebut kepada panduan praktikal untuk khalayak klinikal, menunjukkan bahawa nilai hampir 25% mewakili heterogeniti rendah, hampir 50% sederhana, dan hampir 75% substansial, sambil memberi amaran agar tidak menggunakan potongan tersebut secara mekanikal kerana kepentingan klinikal heterogeniti bergantung pada soalan yang ditanya. ⁴

Meta-analisis JAMA Psychiatry 2018 tentang latihan senaman rintangan dan simptom kemurungan menunjukkan bagaimana rupa I² yang tinggi dalam set data sebenar. Brett Gordon dan rakan sekerja mengumpulkan 54 saiz kesan daripada 33 percubaan rawak yang melibatkan 1,877 peserta dan mendapati manfaat antidepresan yang sederhana, Hedges' d sebanyak 0.66 (95% CI, 0.48 hingga 0.83), di samping heterogeniti yang besar, Q Cochran sebanyak 216.92 pada 53 darjah kebebasan (P kurang daripada .001) dan I² sebanyak 76.0% (95% CI, 72.7% hingga 79.0%). ⁵ Daripada menganggap heterogeniti itu sebagai alasan untuk tidak mempercayai anggaran terkumpul, penulis menjalankan meta-regresi merentasi empat moderator yang telah ditentukan terlebih dahulu, jumlah isipadu senaman yang ditetapkan, status kesihatan asas peserta, sama ada peruntukan dan penilaian hasil telah dibutakan, dan sama ada intervensi menghasilkan peningkatan kekuatan yang boleh diukur. Status pembutaan ternyata menjelaskan sebahagian daripada variasi tersebut, percubaan dengan penilaian pembutaan melaporkan kesan yang lebih kecil, manakala tiga moderator yang lain tidak mencapai kepentingan. Menyiasat kemungkinan sumbernya dengan analisis subkumpulan atau meta-regresi, daripada mengabaikannya atau meninggalkan anggaran terkumpul sama sekali, adalah tindak balas yang tepat terhadap heterogeniti yang tinggi.

Tau² mengukur konsep asas yang sama pada skala saiz kesan itu sendiri dan bukannya sebagai peratusan, dan ia memberi kesan terus kepada sejauh mana selang keyakinan kesan rawak berakhir. Gerta Rücker dan rakan sekerja mengingatkan bahawa I² sahaja boleh mengelirukan kerana nilainya sebahagiannya bergantung pada ketepatan kajian individu dan bukannya semata-mata pada variasi kesan sebenar, yang merupakan salah satu sebab bahagian kaedah yang teliti melaporkan tau² dan Q Cochran bersama I² dan bukannya I² secara berasingan. Kalkulator heterogeniti percuma Editverse mengira ketiga-tiga statistik daripada data peringkat kajian, dan panduan khusus tapak tentang mengurus dan menilai heterogeniti dalam ulasan sistematik merangkumi strategi subkumpulan dan meta-regresi dengan lebih mendalam daripada yang sesuai di sini.

Mengesan Bias Penerbitan dengan Plot Corong dan Ujian Egger

Bias penerbitan berlaku apabila kajian dengan keputusan positif atau signifikan secara statistik lebih kerap sampai ke cetakan berbanding kajian dengan keputusan nol atau negatif, sekali gus memesongkan sebarang meta-analisis yang dibina hanya daripada literatur yang diterbitkan. Erick Turner dan rakan sekerja menunjukkan skala masalah secara langsung pada tahun 2008 dengan membandingkan pemfailan kawal selia FDA dengan literatur yang diterbitkan untuk 74 percubaan antidepresan yang meliputi 12,564 pesakit merentasi 12 ubat.2 ^Tiga puluh satu peratus daripada percubaan tersebut, yang mewakili 3,449 peserta, tidak pernah diterbitkan langsung. Antara percubaan yang dikelaskan oleh FDA sebagai positif, 37 daripada 38 mencapai cetakan. Antara percubaan yang dikelaskan oleh FDA sebagai negatif atau meragukan, kebanyakannya sama ada hilang sepenuhnya atau ditulis dengan cara yang dibaca sebagai positif. Literatur yang diterbitkan sahaja mencadangkan 94% percubaan antidepresan adalah positif; set data FDA yang lengkap menunjukkan angka sebenar ialah 51%. Hanya menggabungkan percubaan yang diterbitkan telah meningkatkan kesan ubat yang ketara sebanyak 32% secara purata, antara 11% hingga 69% bergantung pada ubat tertentu.

Plot corong ialah pemeriksaan visual standard untuk jenis herotan ini. Setiap kajian diplotkan dengan saiz kesannya pada paksi mendatar dan ukuran ketepatannya, selalunya ralat standard, pada paksi menegak, dengan kajian yang lebih tepat (lebih besar) ke arah atas. Sekiranya tiada bias, kajian yang lebih kecil dan kurang tepat berselerak secara simetri di sekitar anggaran terkumpul, menghasilkan bentuk yang menyerupai corong terbalik. Kajian kecil yang hilang pada satu sisi, biasanya sisi yang menunjukkan keputusan nol atau tidak menguntungkan, menghasilkan asimetri yang kelihatan. Matthias Egger dan rakan sekerja memformalkan pemeriksaan visual ini ke dalam ujian statistik pada tahun 1997, dengan meregresikan kesan piawai setiap kajian terhadap ketepatannya dan menguji sama ada pintasan yang terhasil berbeza daripada sifar, yang berlaku apabila kajian kecil yang tidak tepat secara sistematik menyimpang daripada apa yang ditunjukkan oleh kajian yang lebih besar. ⁶

Apabila ujian Egger atau pemeriksaan plot corong visual menandakan kemungkinan asimetri, kaedah trim-and-fill Sue Duval dan Richard Tweedie menawarkan satu cara untuk menganggarkan impaknya. Kaedah ini mengalih keluar kajian kecil yang paling ekstrem yang memacu asimetri, menggunakan teras simetri yang tinggal untuk menganggarkan kesan terkumpul yang diperbetulkan, kemudian menambah kembali kajian ruang letak cermin untuk memulihkan simetri dan mengira semula selang keyakinan yang mencerminkan kemungkinan kehadiran data yang tidak diterbitkan. ⁷ Trim-and-fill paling baik dianggap sebagai pemeriksaan sensitiviti dan bukannya pembetulan muktamad; ia menganggarkan bagaimana jawapannya jika kajian yang hilang wujud dan sepadan dengan corak kajian yang kelihatan, yang merupakan andaian sebenar dan bukannya kepastian. Kalkulator bias penerbitan percuma Editverse menjalankan ujian Egger dan menjana plot corong daripada input peringkat kajian, dan mekanik penuh kaedah trim-and-fill dan pengesanan berkaitan diliputi dalam panduan Editverse untuk kaedah lanjutan untuk mengesan bias penerbitan dalam ulasan sistematik.

PRISMA 2020 dan Pelaporan Meta-Analisis Telus

Meta-analisis yang kukuh secara statistik masih gagal dalam semakan rakan sebaya jika pembaca tidak dapat membina semula apa yang sebenarnya telah dilakukan, yang mana kenyataan PRISMA 2020 wujud untuk mencegahnya. Kumpulan kerja Matthew Page menerbitkan senarai semak 27 item semasa pada tahun 2021, dan beberapa item dipetakan terus ke langkah-langkah yang diliputi di atas. ⁸ Item 12 meminta penulis untuk menamakan ukuran kesan yang dipilih untuk setiap hasil. Item 13a hingga 13f memerlukan penerangan tentang bagaimana kajian dikumpulkan, kaedah sintesis dan perisian yang menggabungkannya, bagaimana heterogeniti diterokai dan analisis sensitiviti yang dijalankan. Item 14 merangkumi kaedah yang digunakan untuk menilai bias daripada keputusan yang hilang, plot corong dan ujian Egger antaranya, dan item 20a hingga 20d memerlukan keputusan sintesis sebenar, statistik heterogeniti dan penemuan sensitiviti dipaparkan dalam kertas kerja dan bukannya dibiarkan tersirat.

Panduan penuh Editverse tentang garis panduan PRISMA 2020 dan senarai semak lengkap merangkumi setiap item secara terperinci, termasuk gambar rajah alir yang menjejaki rekod daripada carian awal hingga rangkuman akhir. Membina gambar rajah tersebut daripada nombor saringan mentah adalah lebih mudah dengan penjana gambar rajah alir PRISMA 2020 percuma Editverse , yang menghasilkan angka sedia untuk penerbitan terus daripada kiraan pada setiap peringkat saringan.

Analisis Subkumpulan, Analisis Kepekaan dan Meta-Regresi

Sebaik sahaja anggaran terkumpul dan heterogenitinya tersedia, tiga teknik akan mengkaji hasilnya dengan lebih lanjut. Analisis subkumpulan membahagikan kajian yang disertakan mengikut ciri yang telah ditentukan terlebih dahulu, peringkat dos, jalur umur pesakit, kawasan kajian dan membandingkan kesan terkumpul merentasi kumpulan, yang merupakan sebahagian daripada heterogeniti dalam contoh latihan rintangan di atas. Analisis sensitiviti menjalankan semula anggaran terkumpul selepas mengecualikan kajian satu demi satu, atau selepas mengecualikan keseluruhan kategori seperti percubaan berisiko tinggi berat sebelah, untuk memeriksa sama ada kesimpulan keseluruhan sangat bergantung pada mana-mana kajian tunggal atau pilihan reka bentuk. Meta-regresi melanjutkan analisis subkumpulan kepada pembolehubah peringkat kajian berterusan, menguji sama ada sesuatu seperti purata umur peserta atau tahun penerbitan meramalkan saiz kesan merentasi kajian, walaupun ia memerlukan bilangan kajian yang disertakan yang agak besar, biasanya sepuluh atau lebih, untuk menghasilkan keputusan yang boleh dipercayai.

Ketiga-tiga teknik tersebut harus dinyatakan dalam protokol sebelum data dikumpulkan, bukan dipilih selepas itu berdasarkan subkumpulan mana yang menghasilkan hasil yang paling baik. Perbandingan subkumpulan yang dijalankan hanya selepas melihat bahawa ia mungkin mengukuhkan dapatan tajuk utama adalah satu bentuk pelaporan terpilih yang sama yang cuba dikesan oleh pengesanan bias penerbitan pada peringkat kajian, hanya dipindahkan ke dalam satu analisis.

Kesilapan Lazim Yang Melemahkan Manuskrip Meta-Analisis

Segelintir kesilapan menyumbang kepada bahagian yang tidak seimbang daripada permintaan dan penolakan semakan yang diterima oleh penyerahan meta-analisis. Menggabungkan hasil yang diukur pada skala yang benar-benar berbeza tanpa menukar kepada metrik yang sama terlebih dahulu adalah salah satu daripadanya. Melaporkan I² tanpa melaporkan selang keyakinan di sekelilingnya, yang boleh cukup luas untuk merangkumi heterogeniti "rendah" dan "besar" dalam meta-analisis kecil, adalah satu lagi. Memilih model kesan rawak selepas melihat bahawa ia menyempitkan selang keyakinan yang tidak diingini, bukannya kerana kajian yang mendasarinya benar-benar heterogen, adalah corak ketiga yang cepat ditangkap oleh pengulas, kerana pilihan model haruslah mengikut kepelbagaian klinikal dan metodologi kajian yang disertakan dan bukannya daripada model mana yang menghasilkan hasil yang lebih boleh diterbitkan. Panduan khusus Editverse tentang kesilapan biasa dalam meta-analisis dan cara mengelakkannya berfungsi melalui senarai yang lebih panjang dengan pembetulan untuk setiap satu.

Bagaimana Editverse Menyokong Meta-Analisis dan Manuskrip Semakan Sistematik

Menjalankan meta-analisis yang boleh dipertahankan dan menulisnya supaya pengulas boleh mengikuti setiap keputusan adalah dua set kemahiran yang berbeza, dan manuskrip sering terhenti pada keputusan kedua walaupun statistik asasnya kukuh. Pasukan semakan sistematik dan meta-analisis Editverse berfungsi merentasi kedua-duanya, daripada reka bentuk protokol dan pemilihan model hinggalah pelaporan yang mematuhi PRISMA dan semakan pra-penyerahan terhadap keperluan jurnal tertentu.

• Pemilihan model statistik dan penilaian heterogeniti untuk set data sebenar yang ada
• Pembinaan plot hutan dan plot corong, sedia untuk penerbitan dan penyerahan jurnal
• Penilaian bias penerbitan menggunakan ujian Egger dan trim-and-fill jika sesuai
• Semakan penuh pematuhan senarai semak PRISMA 2020 sebelum penyerahan

Soalan Lazim Mengenai Meta-Analisis

Apakah perbezaan antara kajian sistematik dan meta-analisis?

Kajian sistematik ialah proses berstruktur untuk mencari, menapis dan menilai semua kajian yang ada mengenai sesuatu soalan. Meta-analisis ialah langkah statistik dalam proses tersebut dan hanya terpakai apabila kajian yang disertakan cukup serupa untuk digabungkan menjadi satu anggaran terkumpul. Kajian sistematik boleh wujud tanpa meta-analisis, apabila kajian terlalu berbeza daripada kajian terkumpul, tetapi meta-analisis mengandaikan kajian sistematik berlaku terlebih dahulu.

Bilakah model kesan tetap perlu menggantikan model kesan rawak?

Model kesan tetap sesuai apabila kajian yang disertakan hampir dengan replikasi klinikal dan metodologi antara satu sama lain, seperti cabang berbilang tapak yang dirancang terlebih dahulu bagi protokol percubaan tunggal. Bagi kebanyakan meta-analisis yang menggabungkan percubaan yang dijalankan secara bebas dengan populasi atau dos yang berbeza, kesan rawak adalah lalai yang lebih selamat, kerana ia tidak mengandaikan variasi antara kajian yang sebenar.

Berapakah tinggi I² yang perlu dicapai sebelum ia menjadi masalah?

Tiada had tetap yang terpakai secara universal. Nilai hampir 75% atau lebih tinggi, seperti dalam contoh latihan rintangan di atas, memerlukan penyiasatan sumber yang berkemungkinan melalui analisis subkumpulan atau meta-regresi dan bukannya mengabaikan anggaran terkumpul. Arah klinikal dan konsistensi kesan kajian individu adalah penting di samping peratusan I² mentah.

Adakah plot corong simetri menolak bias penerbitan?

Tidak. Plot corong dengan kurang daripada kira-kira sepuluh kajian yang disertakan jarang mempunyai titik data yang mencukupi untuk menilai asimetri dengan andal dalam kedua-dua arah, dan beberapa bentuk bias, seperti pelaporan hasil terpilih dalam percubaan yang diterbitkan, langsung tidak menghasilkan asimetri plot corong. Ujian Egger dan pemeriksaan daftar percubaan terhadap literatur yang diterbitkan, pendekatan yang digunakan oleh Turner dan rakan sekerja untuk antidepresan, menangkap beberapa bias yang terlepas pandang oleh pemeriksaan visual sahaja.

Bolehkah meta-analisis menggunakan kedua-dua kajian rawak dan pemerhatian bersama-sama?

Secara amnya tidak dalam anggaran terkumpul yang sama. Reka bentuk rawak dan pemerhatian membawa risiko asas pengelirukan yang berbeza, dan pencampurannya tanpa justifikasi metodologi yang jelas, dan analisis sensitiviti yang berasingan, menjejaskan kebolehtafsiran hasil terkumpul. Kebanyakan jurnal menjangkakan jenis kajian ini dianalisis dan dilaporkan secara berasingan walaupun dalam satu ulasan.

Berapakah saiz sampel yang diperlukan oleh meta-regresi untuk menjadi boleh dipercayai?

Sepuluh kajian yang disertakan bagi setiap kovariat merupakan minimum yang biasa disebut, dan meta-regresi terhasil daripada ulasan dengan lebih sedikit kajian daripada yang sepatutnya digambarkan sebagai penerokaan dan bukannya pengesahan. Regresi yang dijalankan merentasi lima kajian dan tiga kovariat mempunyai kuasa statistik yang terlalu sedikit untuk membezakan moderator sebenar daripada hingar.

Rujukan

1. McGoldrick E, Stewart F, Parker R, Dalziel SR. Kortikosteroid antenatal untuk mempercepatkan kematangan paru-paru janin bagi wanita yang berisiko kelahiran pramatang. Pangkalan Data Cochrane saia Rev. 2020;12(12):CD004454. PMID: 33368142
2. Turner EH, Matthews AM, Linardatos E, Tell RA, Rosenthal R. Penerbitan terpilih percubaan antidepresan dan pengaruhnya terhadap keberkesanan yang ketara. N Engl J Med. 2008;358(3):252-260. PMID: 18199864
3. DerSimonian R, Laird N. Meta-analisis dalam ujian klinikal. Kawal Ujian Klin. 1986;7(3):177-188. PMID: 3802833
4. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mengukur ketidakkonsistenan dalam meta-analisis. BMJ. 2003;327(7414):557-560. PMID: 12958120
5. Gordon BR, McDowell CP, Hallgren M, Meyer JD, Lyons M, Herring MP. Hubungan keberkesanan latihan senaman rintangan dengan gejala kemurungan: meta-analisis dan analisis meta-regresi percubaan klinikal rawak. JAMA Psikiatri. 2018;75(6):566-576. PMID: 29800984
6. Egger M, Davey Smith G, Schneider M, Minder C. Bias dalam meta-analisis dikesan melalui ujian grafik yang mudah. BMJ. 1997;315(7109):629-634. PMID: 9310563
7. Duval S, Tweedie R. Potong dan isi: kaedah mudah berasaskan plot corong untuk menguji dan melaraskan bias penerbitan dalam meta-analisis. Biometrik. 2000;56(2):455-463. PMID: 10877304
8. Page MJ, McKenzie JE, Bossuyt PM, dkk. Kenyataan PRISMA 2020: garis panduan terkini untuk pelaporan ulasan sistematik. BMJ. 2021;372:n71. PMID: 33782057

Pasukan Penyelidikan Editverse | Dikemas kini Ogos 2026