Mengurus dan Menilai Keheterogenan dalam Kajian Sistematik dan Meta-Analisis

Diterbitkan 20 Jun 2026 | Kemas kini terakhir 26 Ogos 2026

Satu meta-analisis tunggal yang menggabungkan tiga belas percubaan vaksin BCG terhadap tuberkulosis menghasilkan nisbah risiko terkumpul hampir 0.5, satu keputusan yang kelihatan seperti kemenangan kesihatan awam yang jelas sehingga anggaran percubaan individu disusun bersebelahan antara satu sama lain. Satu percubaan mendapati vaksin mengurangkan risiko tuberkulosis hampir 80%. Satu lagi, yang terletak berhampiran dengan khatulistiwa, pada dasarnya tidak menemui kesan perlindungan langsung. Penilaian heterogeniti ialah satu set alat yang menjelaskan mengapa tiga belas percubaan vaksin yang sama menghasilkan jawapan yang jauh berbeza, dan sama ada menggabungkannya ke dalam satu nombor pernah boleh dipertahankan sejak awal. Q, I², tau² Cochran, dan amalan baharu dalam melaporkan selang ramalan di samping anggaran terkumpul masing-masing menjawab soalan yang berbeza, dan tiada satu pun daripadanya yang menggantikan yang lain.

Panduan ini melangkaui rawatan pengenalan I² dan Q Cochran yang diliputi dalam Kelas Induk Meta-Analisis Editverse , yang membincangkan masalah kuasa rendah yang terbina dalam Q Cochran, cara khusus I² disalahbaca sebagai ukuran betapa besarnya heterogeniti dan bukannya perkadaran jumlah varians yang dipertanggungjawabkannya, mengapa selang ramalan sering memberitahu pengulas lebih daripada I² sahaja, dan bagaimana analisis subkumpulan dan meta-regresi digunakan untuk mencari sumber perselisihan faham antara percubaan. Setiap statistik di bawah dikira semula terus daripada set data sebenar yang diterbitkan dan bukannya dibentangkan sebagai formula abstrak.

Apakah Maksud Heterogeniti dalam Kajian Sistematik dan Mengapa Ia Penting

Pengulas biasanya memisahkan heterogeniti kepada tiga kategori yang bertindih. Heterogeniti klinikal menerangkan perbezaan dalam pesakit yang mendaftar, dos atau versi intervensi yang diuji, atau definisi hasil yang digunakan merentasi percubaan. Heterogeniti metodologi merangkumi perbezaan dalam reka bentuk kajian, seperti pembutaan, kaedah peruntukan, atau tempoh susulan, jenis variasi yang dibina oleh alat seperti ROBINS-I untuk ditandai dalam kajian bukan rawak. Heterogeniti statistik ialah akibat yang boleh diperhatikan bagi kedua-duanya, muncul sebagai variasi dalam anggaran kesan yang dilaporkan yang melebihi apa yang akan dihasilkan oleh ralat persampelan sahaja. Higgins dan rakan sekerja membingkai soalan praktikal yang sebenarnya perlu dijawab oleh pengulas sebagai sama ada kajian yang dikumpulkan cukup serupa sehingga satu nombor ringkasan bermakna apa-apa, soalan yang boleh dimaklumkan oleh ujian statistik tetapi tidak pernah diselesaikan sepenuhnya dengan sendirinya. ¹

Heterogeniti menggambarkan perselisihan pendapat antara kajian yang sebenarnya ditemui dan disertakan, masalah yang berbeza daripada bias penerbitan, yang melibatkan kajian yang tidak pernah masuk ke dalam kumpulan sama sekali dan mendapat rawatannya sendiri dalam panduan Editverse untuk mengesan bias penerbitan dalam ulasan sistematik . Meta-analisis ubat tunggal yang diuji pada satu dos dalam populasi percubaan yang hampir sama sepatutnya menunjukkan heterogeniti yang sangat sedikit, dan menemui jumlah yang besar dalam tetapan itu akan menjadi tanda amaran yang patut disiasat sebelum penerbitan. Meta-analisis yang menggabungkan percubaan merentasi negara yang berbeza, jadual dos dan umur pesakit sepatutnya dijangka menunjukkan heterogeniti sebenar, dan persoalan saintifik yang menarik menjadi apa yang mendorongnya dan bukannya sama ada bilangan yang dikumpulkan itu harus dipercayai sama sekali. Memutuskan sama ada sejumlah bukti memerlukan carian sistematik dan dipacu protokol terlebih dahulu diliputi dalam perbandingan pendekatan ulasan naratif dan sistematik Editverse.

Ujian Q Cochran dan Masalah Kuasa Rendahnya

Masalah kuasa rendah itu adalah salah satu sebab bilangan kajian yang disertakan mengubah apa yang boleh diberitahu oleh statistik heterogeniti kepada anda. Panduan kami untuk bilangan kajian minimum untuk meta-analisis menetapkan kiraan di mana tau-kuasa dua menjadi stabil dan ujian plot corong menjadi sesuai.

Q Cochran merupakan ujian heterogeniti utama yang lebih lama, bertarikh daripada kertas kerja tahun 1954 tentang menggabungkan anggaran merentasi eksperimen, dan ia berfungsi sebagai jumlah pemberat sisihan kuasa dua bagi kesan setiap kajian daripada anggaran terkumpul, berbanding taburan khi kuasa dua dengan k tolak 1 darjah kebebasan, dengan k ialah bilangan kajian yang disertakan.2 ^Nilai Q yang signifikan menunjukkan penyebaran keputusan yang diperhatikan adalah lebih besar daripada yang dihasilkan secara kebetulan sahaja.

Ujian itu membawa kelemahan statistik tertentu yang perlu difahami sebelum bergantung padanya. Q mempunyai kuasa yang rendah untuk mengesan heterogeniti sebenar apabila meta-analisis merangkumi beberapa percubaan, yang menggambarkan kebanyakan meta-analisis dalam praktik, kerana bilangan median kajian yang dikumpulkan dalam ulasan Perpustakaan Cochrane adalah tujuh atau kurang.3 Meta-analisis empat atau lima percubaan kecil boleh membawa heterogeniti tulen dan penting secara klinikal yang gagal ditandakan oleh ^Q sebagai signifikan secara statistik hanya kerana ujian tersebut tidak pernah mempunyai kajian yang mencukupi untuk mengesannya. Masalah sebaliknya muncul di hujung julat saiz sampel yang lain, di mana meta-analisis yang mengumpulkan enam puluh atau lebih percubaan boleh mengembalikan nilai Q yang signifikan untuk heterogeniti yang terlalu kecil untuk dianggap penting secara klinikal. Q Cochran menjawab soalan yang lebih sempit daripada yang sering diandaikan oleh penyelidik, iaitu sama ada penyebaran yang diperhatikan serasi dengan kebetulan, bukan betapa besar atau betapa pentingnya penyebaran itu sebenarnya.

Statistik I²: Perkadaran Heterogeniti, Bukan Magnitudnya

Higgins dan Thompson memperkenalkan I² khusus untuk menetapkan kebergantungan Q pada bilangan kajian yang disertakan, menyatakan heterogeniti sebagai peratusan jumlah variasi merentasi kajian yang disebabkan oleh perbezaan sebenar antara mereka dan bukannya ralat persampelan, dikira sebagai 100% darab kuantiti Q tolak darjah kebebasannya, dibahagikan dengan Q. ¹ Kertas kerja yang sama pada tahun 2003 mencadangkan nilai hampir 25%, 50% dan 75% sebagai penanda kasar untuk heterogeniti rendah, sederhana dan substansial, sambil memberi amaran secara eksplisit terhadap penggunaan jalur tersebut sebagai ujian lulus-gagal mekanikal, satu peringatan yang digugurkan lebih kerap daripada ambang itu sendiri dalam petikan kertas kerja kemudian.

Salah baca khusus tentang I² sering kali berulang sehingga tidak dapat dinamakan secara langsung. I² melaporkan bahagian varians keseluruhan yang disebabkan oleh heterogeniti, bukan berapa besar heterogeniti itu sebenarnya secara mutlak, dan kedua-duanya tidak boleh ditukar ganti. Rücker dan rakan sekerja menunjukkan perkara ini dengan meningkatkan saiz sampel setiap kajian secara buatan dalam meta-analisis sebenar sambil memastikan varians antara kajian sebenar tetap, memerhatikan I² meningkat ke arah 100% walaupun tiada apa-apa tentang heterogeniti sebenar telah berubah, semata-mata kerana kajian yang lebih besar mengecilkan ralat persampelan dan I² mengukur heterogeniti berbanding penyebut yang mengecut itu.4 ^Dua meta-analisis boleh melaporkan I² yang sama sebanyak 80% manakala satu membawa tau² hampir kepada sifar pada skala klinikal yang remeh dan yang satu lagi membawa tau² yang cukup besar untuk membalikkan arah kesan antara kajian, perbezaan I² sahaja tidak dapat disampaikan.

Meta-analisis kecil merumitkan lagi gambaran tersebut. Von Hippel mengira bahawa I² membawa bias yang besar apabila meta-analisis merangkumi beberapa percubaan, yang menggambarkan amalan biasa memandangkan median tujuh kajian bagi setiap ulasan Cochrane yang dinyatakan di atas. ³ Dengan tujuh kajian dan heterogeniti sebenar yang benar-benar sifar, I² menganggarkan heterogeniti secara purata sebanyak 12 mata peratusan, dan dengan tujuh kajian dan heterogeniti sebenar sebanyak 80%, I² memandang rendahnya dengan purata 28 mata peratusan dalam arah yang bertentangan. ³ Ulasan data prevalens menunjukkan corak sebaliknya dalam amalan. Migliavaca dan rakan sekerja mengkaji 134 meta-analisis prevalens yang diterbitkan dan mendapati median I² sebanyak 96.9% (julat antara kuartil, 90.5% hingga 98.7%), nilai yang mencerminkan variasi sebenar antara populasi dalam anggaran prevalens sebanyak mana kecacatan dalam kajian asas. ⁵ Kedua-dua contoh menunjukkan pengajaran yang sama. I² memerlukan selang keyakinannya, bilangan kajian terkumpul, dan tau² asas yang dibaca di sebelahnya, tidak disebut sebagai peratusan bebas tunggal.

Tau² dan Heterogeniti Skala Terus Bertahan

Tau² mengukur ketidaksepakatan asas yang sama seperti I² tetapi pada skala saiz kesan itu sendiri dan bukannya sebagai peratusan jumlah varians, dan ia adalah nombor yang sebenarnya memasuki pengiraan kesan rawak. Penganggar kaedah momen DerSimonian dan Laird 1986 kekal sebagai cara yang paling banyak dilaksanakan untuk mengiranya, menambah tau² kepada varians persampelan setiap kajian sebelum pemberat varians songsang dikira, itulah sebabnya selang keyakinan kesan rawak biasanya lebih lebar daripada selang kesan tetap setara yang dijalankan pada data yang sama. ⁶ Memilih antara kedua-dua model itu sendiri merupakan keputusan heterogeniti dalam amalan. Model kesan tetap menganggap tau² adalah sifar dan setiap kajian menganggarkan satu kesan sebenar yang dikongsi, satu andaian yang hanya sesuai dengan percubaan yang hampir sama, manakala model kesan rawak menganggap kesan sebenar berbeza-beza dari kajian ke kajian atas sebab-sebab yang mungkin dijelaskan atau tidak dijelaskan oleh data.

Tau² membawa masalah anggarannya sendiri yang tidak didedahkan sepenuhnya oleh I². Ioannidis dan rakan sekerja menunjukkan bahawa anggaran heterogeniti membawa ketidakpastian yang ketara, cukup luas sehingga selang keyakinan di sekitar nilai tau² atau I² tunggal daripada meta-analisis kecil boleh merangkumi julat yang digambarkan oleh pembaca sebagai heterogeniti rendah dan besar bergantung pada hujung mana yang dipetik. ⁷ Tau² yang dilaporkan tanpa selang keyakinannya sendiri, atau tanpa menyatakan berapa banyak kajian yang menyumbang kepada anggaran, menunjukkan betapa tidak pastinya nombor tunggal itu sebenarnya, terutamanya setelah analisis terkumpul jatuh di bawah sepuluh atau lebih percubaan yang merangkumi.

Mengapa Selang Ramalan Mengalahkan I² untuk Tafsiran Praktikal

Selang keyakinan 95% di sekitar anggaran terkumpul menjawab soalan yang sempit, iaitu bagaimana tepatnya kesan purata telah dianggarkan merentasi kajian yang sebenarnya disertakan. Selang itu tidak menyatakan apa-apa tentang berapa banyak kesan sebenar yang mungkin berubah jika intervensi diuji sekali lagi dalam suasana baharu, soalan yang perlu dijawab oleh doktor atau pembuat dasar yang memutuskan sama ada untuk bertindak ke atas keputusan terkumpul. Selang ramalan menjawab soalan kedua itu secara langsung, menggabungkan tau² dengan bilangan kajian yang disertakan untuk menganggarkan julat di mana kesan sebenar kajian baharu yang serupa dijangka akan jatuh. ⁸

IntHout dan rakan sekerja berhujah bahawa selang ramalan wajar dilaporkan secara rutin kerana I² dan tau² sukar untuk diterjemahkan oleh pembaca klinikal kepada pertimbangan praktikal, manakala selang ramalan yang dinyatakan pada skala saiz kesan asal tidak memerlukan terjemahan langsung.8 ^Meta -analisis boleh melaporkan selang keyakinan yang ketat dan signifikan secara statistik di sekitar anggaran terkumpulnya manakala selang ramalannya masih melintasi garisan tiada kesan, yang bukanlah satu percanggahan. Jika dibaca bersama, kedua-dua selang bermakna kesan purata merentasi kajian dianggarkan dengan baik walaupun kajian masa depan dalam populasi baharu secara munasabah boleh berada di kedua-dua belah pihak, maklumat sebenar yang tidak akan dilihat oleh pembaca yang bergantung pada I² dan selang keyakinan sahaja. Mengira semula meta-analisis sebenar yang diterbitkan secara langsung, yang diusahakan seterusnya, menunjukkan corak ini dengan tepat menggunakan data percubaan sebenar dan bukannya hipotesis.

Contoh yang Berkesan: Mengira Semula Heterogeniti Daripada Data Percubaan Vaksin BCG Asal

Colditz dan rakan-rakannya menerbitkan meta-analisis tiga belas percubaan yang menguji vaksin BCG terhadap tuberkulosis pada tahun 1994, satu set data yang sejak itu menjadi salah satu contoh pengajaran standard dalam metodologi meta-analisis kerana ia menunjukkan heterogeniti yang teruk antara percubaan intervensi yang sama.9 Mengira ^semula analisis secara langsung daripada kiraan kumpulan yang divaksin dan kawalan peringkat percubaan yang diterbitkan dalam kertas kerja itu, menggunakan model kesan rawak dengan anggaran kemungkinan maksimum yang terhad, menghasilkan nisbah risiko terkumpul sebanyak 0.49 (95% CI, 0.34 hingga 0.70), bermakna kumpulan yang divaksin menyaksikan kira-kira separuh risiko tuberkulosis daripada kumpulan yang tidak divaksin secara purata.

Statistik heterogeniti menceritakan kisah yang lebih tajam daripada yang dicadangkan oleh nombor terkumpul tunggal itu, dengan Q Cochran mencapai 152.2 pada 12 darjah kebebasan (P < .0001) dan I² pada 92.2%, kedua-duanya menunjukkan bahawa tiga belas percubaan tidak bersetuju antara satu sama lain jauh lebih banyak daripada yang dapat dijelaskan oleh ralat persampelan. Nisbah risiko percubaan individu adalah dari 0.20, dalam percubaan 1949 oleh Ferguson dan Simes, hingga 1.56, dalam percubaan 1969 oleh Comstock dan Webster yang tidak menemui kesan perlindungan sama sekali. Tau² untuk set data ini bersamaan dengan 0.313 pada skala nisbah risiko log.

Dikira semula oleh Editverse terus daripada kiraan peringkat percubaan yang diterbitkan dalam Colditz et al. 1994, menggunakan pakej metafor dalam R dengan penganggar varians REML. ^{9 Pembaca boleh menjalankan statistik yang sama pada set data mereka sendiri menggunakan} kalkulator heterogeniti percuma Editverse.

Jurang antara selang keyakinan dan selang ramalan adalah tempat contoh ini digunakan sebagai alat pengajaran. Had keyakinan 0.34 hingga 0.70 terletak sepenuhnya pada bahagian perlindungan nisbah risiko 1.0, menyokong dakwaan yakin bahawa vaksinasi BCG mengurangkan risiko tuberkulosis secara purata merentasi tiga belas percubaan ini. Sebaliknya, selang ramalannya berjalan dari 0.15 hingga 1.55, melintasi 1.0 dan bermaksud percubaan baharu yang dijalankan dalam persekitaran heterogen yang sama mungkin mendapati vaksin tidak menawarkan perlindungan atau risiko yang sedikit lebih tinggi. Kedua-dua selang adalah betul secara serentak, dan pembaca yang hanya menyemak selang keyakinan dan nilai I² akan mendapat gambaran palsu tentang betapa konsistennya kesan perlindungan BCG sebenarnya merentasi tetapan.

Analisis Subkumpulan untuk Meneroka Sumber Heterogeniti

Analisis subkumpulan membahagikan kajian yang disertakan mengikut ciri yang dinyatakan sebelum data dikumpulkan, kemudian membandingkan kesan pengumpulan dalam setiap kumpulan dengan yang lain, mencari perbezaan subkumpulan yang cukup besar sehingga menggabungkan setiap percubaan ke dalam satu nombor pengumpulan tidak lagi masuk akal. Digunakan pada set data BCG di atas, membahagikan tiga belas percubaan dengan kaedah peruntukan, tujuh menggunakan peruntukan rawak kepada kumpulan vaksin dan kawalan berbanding enam yang menggunakan kaedah alternatif atau sistematik, menghasilkan nisbah risiko pengumpulan sebanyak 0.38 dalam percubaan rawak dan 0.62 dalam percubaan bukan rawak. Pembahagian itu kelihatan bermakna sehingga ujian sebenar perbezaan subkumpulan dijalankan, yang mengembalikan nilai P sebanyak .18, bermakna kaedah peruntukan sahaja tidak dapat ditunjukkan untuk menjelaskan perselisihan faham antara percubaan di luar kebetulan memandangkan sampel yang tersedia. ⁹

Keputusan negatif seumpamanya sama pentingnya dengan keputusan positif. Protokol yang menentukan kaedah peruntukan, jalur umur pesakit atau rejimen dos sebagai subkumpulan calon dan melaporkan mana-mana pecahan yang mencapai dan gagal, kepentingannya, memberikan gambaran yang jauh lebih jujur ​​tentang apa yang sebenarnya menjelaskan heterogeniti tersebut daripada laporan yang hanya memaparkan perbandingan subkumpulan yang kebetulan menunjukkan hasil yang signifikan. Menjalankan perbandingan subkumpulan selepas melihat keputusan terkumpul, kemudian hanya membentangkan pecahan yang menyokong kesimpulan yang diutamakan, adalah satu bentuk pelaporan terpilih yang menjejaskan semakan sama berkesannya dengan mengecualikan percubaan yang menyusahkan secara langsung. Panduan Editverse untuk penilaian risiko bias Cochrane merangkumi disiplin pra-spesifikasi yang berkaitan untuk menilai kualiti percubaan individu sebelum penilaian tersebut dimasukkan ke dalam analisis subkumpulan atau kepekaan.

Meta-Regresi: Sumber Variasi Peringkat Kajian Pemodelan

Meta-regresi meluaskan analisis subkumpulan kepada pembolehubah peringkat kajian berterusan, menguji sama ada sesuatu yang diukur pada skala berangka, seperti purata umur pesakit, tahun penerbitan atau lokasi geografi tapak percubaan, meramalkan saiz kesan merentasi kajian dan bukannya sekadar membahagikan kajian kepada kumpulan diskret. Berkey dan rakan sekerja memformalkan pendekatan regresi kesan rawak untuk tujuan ini pada tahun 1995, menggunakan set data vaksin BCG itu sendiri sebagai contoh kerja kertas kerja, dengan alasan bahawa kovariat yang menjelaskan varians antara kajian yang tulen harus mengurangkan tau² baki sebaik sahaja ia memasuki model. ¹⁰

Menjalankan regresi itu sekali lagi pada tiga belas percubaan yang sama, menggunakan latitud mutlak setiap tapak percubaan sebagai kovariat tunggal, menurunkan baki I² daripada 92.2% kepada 68.4% dan menyumbang 75.6% daripada tau² asal (P < .0001 untuk pekali latitud), bermakna jarak dari khatulistiwa sahaja menjelaskan kebanyakan perselisihan faham antara percubaan. Wilson dan rakan sekerja, yang mengkaji subset literatur percubaan yang sama yang terhad kepada kajian prospektif sahaja, melaporkan bahawa latitud menyumbang 41% daripada varians antara kajian menggunakan subset percubaan yang berbeza dan kaedah anggaran varians yang berbeza, satu peringatan bahawa keputusan meta-regresi bergantung pada kajian dan penganggar yang digunakan, bukan sahaja pada kovariat yang diuji. ¹¹ Beberapa penjelasan alam sekitar dan imunologi telah dicadangkan untuk kesan latitud, termasuk pendedahan kepada mikobakteria alam sekitar yang berbeza-beza mengikut iklim, walaupun regresi itu sendiri hanya mewujudkan perkaitan, bukan mekanisme yang mendasarinya.

Saiz sampel mengehadkan sejauh mana meta-regresi boleh dicapai. Ambang yang biasa disebut memerlukan kira-kira sepuluh kajian yang disertakan bagi setiap kovariat yang diuji, memandangkan regresi yang dijalankan merentasi beberapa percubaan dan beberapa calon kovariat mempunyai kuasa statistik yang terlalu sedikit untuk membezakan moderator tulen daripada hingar. Kovariat yang dipilih dengan baik, yang diuji kerana terdapat sebab klinikal atau biologi yang munasabah untuknya sebelum data diperiksa, adalah apa yang membezakan meta-regresi daripada carian untuk mana-mana pembolehubah yang berkorelasi dengan keputusan dalam satu set data tertentu. Kalkulator meta-analisis percuma Editverse menjana anggaran terkumpul dan plot hutan daripada input peringkat kajian, berguna untuk menyemak kewarasan analisis yang dibina sendiri sebelum ia dimasukkan ke dalam manuskrip.

Piawaian Pelaporan Yang Membolehkan Pengulas Mengesahkan Kerja

PRISMA 2020 melipatgandakan pelaporan heterogeniti ke dalam item senarai semak tertentu dan bukannya menganggapnya sebagai titik perbincangan pilihan. Item kaedah sintesis, yang dibahagikan kepada subitem 13a hingga 13f, meminta penulis untuk menyatakan bagaimana heterogeniti diterokai, sama ada melalui analisis subkumpulan, meta-regresi, atau analisis sensitiviti, dan item hasil sintesis, yang dibahagikan kepada 20a hingga 20d, memerlukan statistik heterogeniti sebenar itu sendiri muncul di bahagian keputusan dan bukannya dibiarkan tersirat atau hanya disebut dalam perbincangan. ¹² Panduan lengkap Editverse tentang senarai semak PRISMA 2020 merangkumi setiap item dalam versi 27 item semasa, termasuk gambar rajah alir dan keperluan strategi carian yang berada di samping item sintesis, dan panduan Editverse tentang tahap bukti dalam penyelidikan klinikal merangkumi bagaimana reka bentuk setiap kajian yang disertakan harus mengambil kira berapa banyak pemberat yang diberikan oleh pengulas kepada himpunan heterogen.

Memenuhi item-item tersebut dalam praktik bermakna melaporkan Q Cochran dengan nilai P-nya, I² dengan selang keyakinan di sekelilingnya dan bukannya peratusan kosong, tau² pada skala asalnya, dan, jika bilangan kajian yang disertakan menyokongnya, selang ramalan, bersama-sama dengan rasional yang dinyatakan untuk mana-mana analisis subkumpulan atau meta-regresi yang dijalankan. Bahagian kaedah yang menamakan I² tanpa menyatakan berapa banyak kajian yang menyumbang kepada anggaran, atau melaporkan analisis subkumpulan tanpa mendedahkan sama ada ia dirancang dalam protokol atau ditambah selepas melihat hasilnya, menyebabkan pengulas tidak dapat menilai berapa banyak pemberat yang sebenarnya sepatutnya diberikan oleh penilaian heterogeniti.

Kesilapan Biasa Yang Melemahkan Analisis Heterogeniti

Segelintir kesilapan berulang menyumbang kepada sebahagian besar kekecewaan yang dijana oleh penilaian heterogeniti semasa semakan rakan sebaya.

• Melayan jalur I² 25/50/75 sebagai ujian lulus-gagal. Higgins dan rakan sekerja mencadangkan nombor-nombor tersebut sebagai panduan kasar, bukan ambang yang secara automatik mengesahkan atau membatalkan penyatuan, dan I² yang substansial dalam set percubaan yang koheren secara klinikal bukanlah alasan untuk meninggalkan analisis secara automatik.¹
• Melaporkan I² tanpa selang keyakinannya atau bilangan kajian terkumpul. Peratusan kosong daripada meta-analisis lima percubaan membawa lebih banyak ketidakpastian berbanding peratusan yang sama daripada meta-analisis lima puluh percubaan, dan anggaran bias von Hippel menunjukkan mengapa konteks itu mengubah cara nombor itu harus dibaca.³
• Menjalankan perbandingan subkumpulan selepas melihat hasil terkumpul. Pemisahan yang tidak dinyatakan dalam protokol dan dilaporkan hanya kerana ia kebetulan mencapai kepentingan adalah satu bentuk pelaporan terpilih, bukan penerokaan tulen sumber heterogeniti.
• Melangkau selang ramalan sepenuhnya. Migliavaca dan rakan sekerja mendapati bahawa hanya tiga daripada 134 meta-analisis prevalens yang mereka tinjau, kira-kira 2%, melaporkan selang ramalan sama sekali, walaupun median I² melebihi 95% dalam sampel tersebut, tepat pada tetapan di mana selang ramalan menambah maklumat paling banyak selain I² sahaja.⁵
• Memaksa meta-regresi ke atas terlalu sedikit kajian. Model yang dipasang merentasi enam atau tujuh percubaan dengan dua atau tiga calon kovariat mempunyai kuasa yang terlalu kecil untuk memisahkan moderator tulen daripada hingar, tidak kira betapa besarnya R² yang dilaporkan kelihatan.

Bagaimana Editverse Menyokong Penilaian Heterogeniti dalam Kajian Sistematik

Menjalankan analisis heterogeniti yang betul dan menulisnya supaya pengulas rakan sebaya boleh mengikuti setiap keputusan adalah dua 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 memilih antara model kesan tetap dan kesan rawak hingga reka bentuk subkumpulan dan meta-regresi dan semakan pematuhan PRISMA 2020 penuh sebelum penyerahan.

• Penilaian heterogeniti menggunakan Q, I², tau² dan selang ramalan Cochran untuk set data sebenar yang ada
• Reka bentuk subkumpulan dan meta-regresi, dinyatakan sebelum analisis untuk mengelakkan pelaporan terpilih pasca hoc
• Plot hutan dan visualisasi selang ramalan dibina untuk penyerahan jurnal
• Semakan pematuhan senarai semak PRISMA 2020 yang lengkap, termasuk item pelaporan sintesis dan heterogeniti
• Sokongan manuskrip yang lebih luas berdasarkan panduan Editverse untuk kesilapan biasa dalam meta-analisis dan bagaimana pengulas cenderung untuk menangkap mereka

Soalan Lazim Mengenai Heterogeniti dalam Meta-Analisis

Apakah perbezaan antara heterogeniti klinikal, metodologi dan statistik?

Heterogeniti klinikal merujuk kepada perbezaan dalam pesakit, intervensi atau definisi hasil merentasi kajian yang disertakan. Heterogeniti metodologi merangkumi perbezaan dalam reka bentuk dan pengendalian kajian. Heterogeniti statistik ialah variasi yang boleh diukur dalam kesan yang dilaporkan yang dihasilkan oleh perbezaan asas ini, dan ia adalah apa yang sebenarnya diukur oleh Q, I² dan tau² Cochran.

Adakah I² yang tinggi merupakan sebab untuk mengelakkan kajian gabungan dalam meta-analisis?

Bukan secara automatik. Higgins dan rakan sekerja mencadangkan jalur 25%, 50%, dan 75% sebagai panduan deskriptif dan bukannya had yang ketat, dan I² yang tinggi dalam set percubaan yang koheren secara klinikal selalunya mencerminkan variasi yang tulen dan boleh dijelaskan dan bukannya sebab untuk meninggalkan anggaran terkumpul. Menyiasat sumber melalui analisis subkumpulan atau meta-regresi biasanya lebih bermaklumat daripada menganggap I² yang tinggi sebagai hilang kelayakan dengan sendirinya.

Mengapakah Cochran's Q kadangkala gagal mengesan heterogeniti sebenar?

Q mempunyai kuasa statistik yang rendah apabila meta-analisis merangkumi beberapa kajian, yang menggambarkan kebanyakan meta-analisis yang diterbitkan memandangkan bilangan median kajian yang dikumpulkan dalam ulasan Perpustakaan Cochrane adalah tujuh atau kurang. Heterogeniti tulen dalam meta-analisis kecil boleh menghasilkan keputusan Q yang tidak signifikan hanya kerana ujian tersebut tidak pernah mempunyai kajian yang mencukupi untuk mengesannya.

Apakah maksudnya apabila selang ramalan melintasi garisan tiada kesan?

Selang ramalan yang melintasi garisan tiada kesan, nisbah risiko 1.0 atau perbezaan min sifar, bermakna kajian baharu yang dijalankan dalam tetapan yang serupa tetapi tidak sama mungkin tidak menemui sebarang kesan atau kesan yang terbalik, walaupun selang keyakinan di sekitar anggaran terkumpul kekal sepenuhnya di satu sisi garisan tersebut. Kedua-dua pernyataan boleh benar pada masa yang sama, kerana ia menjawab soalan yang berbeza tentang ketepatan dan kebolehubahan.

Berapa banyak kajian yang diperlukan oleh meta-regresi untuk menjadi boleh dipercayai?

Kira-kira sepuluh kajian yang disertakan bagi setiap kovariat yang diuji adalah minimum yang biasa disebut, dan larian meta-regresi dengan lebih sedikit kajian daripada itu harus dianggap sebagai penerokaan. Regresi merentasi enam atau tujuh percubaan dengan beberapa calon kovariat mempunyai kuasa statistik yang terlalu sedikit untuk memisahkan moderator tulen daripada kebetulan dengan andal.

Perlukah analisis subkumpulan dirancang sebelum atau selepas melihat hasil terkumpul?

Sebelum. Protokol yang menentukan subkumpulan calon terlebih dahulu, bersama-sama dengan rasional klinikal atau biologi yang dinyatakan untuk setiap satunya, menghasilkan penerokaan sumber heterogeniti yang boleh dipercayai. Memilih pemisahan subkumpulan selepas melihat bahawa ia menguatkan atau menjelaskan hasilnya adalah satu bentuk pelaporan terpilih yang biasanya akan dikesan oleh pengulas rakan sebaya yang teliti.

Rujukan

1. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mengukur ketidakkonsistenan dalam meta-analisis. BMJ. 2003;327(7414):557-560. PMID: 12958120
2. Cochran WG. Gabungan anggaran daripada eksperimen yang berbeza. Biometrik. 1954;10(1):101-129. DOI: 10.2307 / 3001666
3. von Hippel PT. Statistik heterogeniti I² boleh menjadi berat sebelah dalam meta-analisis kecil. BMC Med Res Methodol. 2015; 15: 35. PMID: 25880989
4. Rücker G, Schwarzer G, Carpenter JR, Schumacher M. Pergantungan yang tidak wajar pada I² dalam menilai heterogeniti boleh mengelirukan. BMC Med Res Methodol. 2008; 8: 79. PMID: 19036172
5. Migliavaca CB, Stein C, Colpani V, Barker TH, Ziegelmann PK, dkk. Meta-analisis kelaziman: statistik I2 dan cara menangani heterogeniti. Kaedah Synth Res. 2022;13(3):363-367. PMID: 35088937
6. DerSimonian R, Laird N. Meta-analisis dalam ujian klinikal. Kawal Ujian Klin. 1986;7(3):177-188. PMID: 3802833
7. Ioannidis JPA, Patsopoulos NA, Evangelou E. Ketidakpastian dalam anggaran heterogeniti dalam meta-analisis. BMJ. 2007;335(7626):914-916. PMID: 17974687
8. IntHout J, Ioannidis JPA, Rovers MM, Goeman JJ. Rayuan untuk pembentangan selang ramalan secara rutin dalam meta-analisis. Terbuka BMJ. 2016; 6 (7): e010247. PMID: 27406637
9. Colditz GA, Brewer TF, Berkey CS, Wilson ME, Burdick E, dkk. Keberkesanan vaksin BCG dalam pencegahan tuberkulosis. Meta-analisis literatur yang diterbitkan. JAMA. 1994;271(9):698-702. PMID: 8309034
10. Berkey CS, Hoaglin DC, Mosteller F, Colditz GA. Model regresi kesan rawak untuk meta-analisis. Stat Med. 1995;14(4):395-411. PMID: 7746979
11. Wilson ME, Fineberg HV, Colditz GA. Latitud geografi dan keberkesanan vaksin bacillus Calmette-Guérin. Klinik Jangkitan Dis. 1995;20(4):982-991. PMID: 7795103
12. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, dkk. Kenyataan PRISMA 2020: garis panduan terkini untuk pelaporan ulasan sistematik. BMJ. 2021;372:n71. PMID: 33782057

Pasukan Penyelidikan Editverse | Dikemas kini Ogos 2026