Heterogeniczność badania

W statystyce heterogeniczność (między) badaniami jest zjawiskiem powszechnie występującym przy próbie przeprowadzenia metaanalizy . W uproszczonym scenariuszu wszystkie badania, których wyniki mają zostać połączone w metaanalizie, zostałyby przeprowadzone w ten sam sposób i zgodnie z tymi samymi protokołami eksperymentalnymi. Różnice między wynikami wynikałyby jedynie z błędu pomiaru (w związku z tym badania byłyby jednorodne ). Heterogeniczność badania oznacza zmienność w wynikach, które wykraczają poza to, czego można by się spodziewać (lub które można wyjaśnić) z powodu samego błędu pomiaru.

Wstęp

Metaanaliza to metoda stosowana do łączenia wyników różnych badań w celu uzyskania ilościowej syntezy. Rozmiar poszczególnych badań klinicznych jest często zbyt mały, aby wiarygodnie wykryć efekty leczenia. Metaanaliza zwiększa moc analiz statystycznych, łącząc wyniki wszystkich dostępnych badań.

Gdy ktoś próbuje wykorzystać metaanalizę do oszacowania łącznego efektu z grupy podobnych badań, efekty znalezione w poszczególnych badaniach muszą być na tyle podobne, aby można było mieć pewność, że łączne oszacowanie będzie sensownym opisem zbioru studia. Jednak indywidualne szacunki efektu leczenia będą się różnić przypadkowo; oczekuje się pewnych odchyleń z powodu błędu obserwacyjnego . Każda nadmierna zmienność (czy jest widoczna, wykrywalna lub nie) nazywana jest (statystyczną) heterogenicznością . Obecność pewnej heterogeniczności nie jest niczym niezwykłym, np. analogiczne efekty są często spotykane nawet wewnątrz w badaniach wieloośrodkowych (heterogeniczność między ośrodkami ).

Przyczyną dodatkowej zmienności są zwykle różnice w samych badaniach, badanych populacjach, schematach leczenia, definicjach punktów końcowych lub innych okolicznościach (różnorodność kliniczna). Różne rodzaje miar efektu (np. iloraz szans vs. względne ryzyko ) mogą być również mniej lub bardziej podatne na heterogeniczność.

Modelowanie

W przypadku, gdy można zidentyfikować źródło heterogeniczności i można je przypisać pewnym cechom badań, analizę można podzielić na warstwy (poprzez uwzględnienie podgrup badań, które wtedy, miejmy nadzieję, byłyby bardziej jednorodne) lub poprzez rozszerzenie analizy do meta -regresji , uwzględnianie (ciągłych lub kategorycznych ) zmiennych moderatora . Niestety metaanaliza oparta na literaturze często nie pozwala na zebranie danych o wszystkich (potencjalnie) odpowiednich moderatorach.

Ponadto heterogeniczność jest zwykle dostosowywana za pomocą modelu efektów losowych , w którym heterogeniczność stanowi składnik wariancji . Model reprezentuje brak wiedzy o tym, dlaczego efekty leczenia mogą się różnić, traktując (potencjalne) różnice jako niewiadome. Środek tego symetrycznego rozkładu opisuje średnią efektów, podczas gdy jego szerokość opisuje stopień heterogeniczności. Oczywistym i konwencjonalnym wyborem rozkładu jest rozkład normalny . Trudno jest ustalić słuszność jakiegokolwiek założenia dotyczącego dystrybucji i jest to powszechna krytyka metaanaliz efektów losowych. Jednak zmiany dokładnej formy dystrybucji mogą nie mieć większego znaczenia, a symulacje wykazały, że metody są stosunkowo niezawodne nawet przy ekstremalnych założeniach dotyczących dystrybucji, zarówno w szacowaniu heterogeniczności, jak i obliczaniu ogólnej wielkości efektu.

Włączenie efektu losowego do modelu powoduje, że wnioski są (w pewnym sensie) bardziej konserwatywne lub ostrożne, ponieważ (niezerowa) heterogeniczność doprowadzi do większej niepewności (i uniknięcia nadmiernej pewności) w szacowaniu ogólnych efektów. W szczególnym przypadku wariancji zerowej heterogeniczności model efektów losowych ponownie sprowadza się do szczególnego przypadku efektu wspólnego .

Jednak wspólne modele metaanalizy nie powinny być oczywiście stosowane na ślepo lub naiwnie do zebranych zestawów szacunków. W przypadku, gdy wyniki, które mają być połączone, różnią się znacznie (w ich kontekście lub w ich szacowanych efektach), wyprowadzona średnia metaanalityczna może ostatecznie nie odpowiadać rozsądnemu oszacowaniu . Kiedy poszczególne badania wykazują sprzeczne wyniki, prawdopodobnie istnieją pewne powody, dla których wyniki się różnią; na przykład dwie subpopulacje mogą doświadczać różnych szlaków farmakokinetycznych . W takim scenariuszu ważna byłaby zarówno znajomość, jak i uwzględnienie odpowiednich zmiennych towarzyszących w analizie.

Testowanie

Testy statystyczne dla niezerowej wariancji heterogeniczności są często przeprowadzane w oparciu o Q Cochrana lub powiązane procedury testowe. Ta powszechna procedura jest jednak wątpliwa z kilku powodów, a mianowicie z małej mocy takich testów, zwłaszcza w bardzo powszechnym przypadku, gdy w analizie łączy się tylko kilka oszacowań, a także określenia jednorodności jako hipotezy zerowej , która jest wtedy odrzucana tylko w obecności wystarczających dowodów przeciwko niemu.

Oszacowanie

Podczas gdy głównym celem metaanalizy jest zwykle oszacowanie efektu głównego , badanie heterogeniczności ma również kluczowe znaczenie dla jej interpretacji. Dostępna jest duża liczba estymatorów ( częstotliwościowych i bayesowskich ) . Ocena bayesowska heterogeniczności zwykle wymaga określenia odpowiedniego rozkładu a priori .

Podczas gdy wiele z tych estymatorów zachowuje się podobnie w przypadku dużej liczby badań, w szczególności różnice pojawiają się w ich zachowaniu w powszechnym przypadku tylko kilku estymatorów. Często uzyskuje się błędne oszacowanie zerowej wariancji między badaniami, co prowadzi do fałszywego założenia o jednorodności. Ogólnie rzecz biorąc, wydaje się, że heterogeniczność jest konsekwentnie niedoceniana w metaanalizach.

Ujęcie ilościowe

Wariancja heterogeniczności jest zwykle oznaczana przez τ², a odchylenie standardowe (jego pierwiastek kwadratowy) przez τ. Heterogeniczność jest prawdopodobnie najłatwiejsza do zinterpretowania w kategoriach τ, ponieważ jest to parametr skali rozkładu heterogeniczności , który jest mierzony w tych samych jednostkach , co sam efekt ogólny.

Inną powszechną miarą heterogeniczności jest I², statystyka wskazująca procent wariancji w metaanalizie, który można przypisać heterogeniczności badania (nieco podobnie do współczynnika determinacji ). I² wiąże wielkość wariancji heterogeniczności z wielkością wariancji poszczególnych oszacowań (kwadrat błędów standardowych ); jednak przy tej normalizacji nie jest całkiem oczywiste, co dokładnie stanowiłoby „małe” lub „duże” ilości heterogeniczności. W przypadku stałej heterogeniczności (τ) dostępność mniejszych lub większych badań (z odpowiednio różnymi błędami standardowymi) wpłynęłaby na miarę I²; więc rzeczywista interpretacja wartości I² nie jest prosta.

Wspólne rozważenie przedziału predykcji wraz z przedziałem ufności dla efektu głównego może pomóc w lepszym zrozumieniu udziału heterogeniczności w niepewności wokół oszacowania efektu.

Zobacz też

Dalsza lektura

Pobrane z „ https://en.wikipedia.org/w/index.php?title=Study_heterogeneity&oldid=1138532445 ”