Studujte heterogenitu - Study heterogeneity

v statistika, (mezi) studovat heterogenitu je jev, který se běžně vyskytuje při pokusu o provedení a metaanalýza. Ve zjednodušujícím scénáři by studie, jejichž výsledky mají být kombinovány v metaanalýze, byly prováděny stejným způsobem a podle stejných experimentálních protokolů. Rozdíly mezi výsledky by byly způsobeny pouze chyba měření (a studie by tedy byly homogenní ). Heterogenita studie označuje variabilita ve výsledcích, které jdou nad rámec toho, co by se dalo očekávat (nebo by bylo možné vysvětlit) pouze kvůli chybě měření.

Úvod

Metaanalýza je metoda používaná ke kombinování výsledků různých pokusů za účelem získání kvantitativní syntézy. Velikost jednotlivých klinických studií je často příliš malá na to, aby spolehlivě detekovala účinky léčby. Metaanalýza zvyšuje sílu statistických analýz sloučením výsledků všech dostupných studií.

Jelikož se člověk pokusí použít metaanalýzu k odhadu kombinovaného účinku ze skupiny podobných studií, musí být účinky zjištěné v jednotlivých studiích dostatečně podobné, aby bylo možné věřit, že kombinovaný odhad bude smysluplným popisem souboru studie. Jednotlivé odhady účinku léčby se však budou náhodně lišit; některé variace se očekávají kvůli pozorovací chyba. Je volána jakákoli nadměrná variace (ať už je zřejmá, zjistitelná nebo ne) (statistická) heterogenita.[1]Přítomnost určité heterogenity není neobvyklá, například analogické účinky se také běžně vyskytují dokonce v rámci studia, v multicentrické studie (mezi-centrum heterogenita).

Důvody pro další variabilitu jsou obvykle rozdíly v samotných studiích, zkoumaných populacích, harmonogramech léčby, definicích koncových bodů nebo jiných okolnostech. Různé typy opatření opatření (např., poměr šancí vs. relativní risk ) může být také více či méně náchylný k heterogenitě.[2]

Modelování

V případě, že lze určit původ heterogenity a lze jej připsat určitým rysům studie, může být analýza rozvrstvené (zvážením podskupin studií, které by pak snad byly homogennější), nebo rozšířením analýzy na meta-regrese, účtování (průběžné nebo kategorický ) moderátorské proměnné. Kromě toho je heterogenita obvykle přizpůsobena použitím a model náhodných efektů, ve kterém heterogenita potom představuje a varianční složka.[3]

Tento model představuje nedostatek znalostí o tom, proč se účinky léčby mohou lišit tím, že se s (potenciálními) rozdíly zachází jako s neznámými. Střed tohoto symetrického rozdělení popisuje průměr účinků, zatímco jeho šířka popisuje stupeň heterogenity. Zřejmá a konvenční volba distribuce je a normální distribuce. Je obtížné určit platnost jakéhokoli distribučního předpokladu, což je běžná kritika metaanalýz náhodných efektů. Variace přesné distribuční formy však nemusí mít velký rozdíl,[4] a simulace ukázaly, že metody jsou relativně robustní i za extrémních distribučních předpokladů, a to jak při odhadu heterogenity,[5] a výpočet celkové velikosti efektu.[6]

Zahrnutí a náhodný efekt Výsledkem modelu je, že závěry jsou (v jistém smyslu) konzervativnější nebo opatrnější, protože (nenulová) heterogenita povede k větší nejistotě (a vyhne se nadměrné důvěře) v odhadu celkových účinků. Ve zvláštním případě nulové odchylky heterogenity se model náhodných efektů opět redukuje na speciální případ společný efekt Modelka.[7]

Testování

Statistické testování pro nenulovou variabilitu heterogenity se často provádí na základě Cochran je Q[8] nebo související zkušební postupy. Tento společný postup je však sporný z několika důvodů, konkrétně z nízkých Napájení takových testů[9] zejména ve velmi běžném případě, kdy je v analýze kombinováno jen několik odhadů,[10][5] stejně jako specifikace stejnorodost jako nulová hypotéza který je poté odmítnut pouze za přítomnosti dostatečných důkazů proti němu.[11]

Odhad

Zatímco hlavním účelem metaanalýzy je obvykle odhad hlavní efekt, vyšetřování heterogenita je také zásadní pro jeho výklad. Velký počet (častý a Bayesian ) odhady je k dispozici.[12] Bayesovský odhad heterogenity obvykle vyžaduje specifikaci vhodného předchozí distribuce.[7][13]

Zatímco mnoho z těchto odhadů se chová podobně v případě velkého počtu studií, v jejich chování vznikají zejména rozdíly v běžném případě jen několika odhadů.[14] Často se získává nesprávný odhad odchylky mezi studiemi, což vede k falešnému předpokladu homogenity. Celkově se zdá, že heterogenita je v metaanalýzách neustále podceňována.[5]

Kvantifikace

Heterogenita rozptyl se běžně označuje τ² nebo standardní odchylka (druhá odmocnina) od τ. Heterogenita je pravděpodobně nejsnadněji interpretovatelná, pokud jde o τ, protože se jedná o distribuci heterogenity parametr měřítka, který se měří stejně Jednotky jako celkový účinek sám o sobě.[13]

Dalším běžným měřítkem heterogenity je I², statistika, která označuje procento rozptylu v metaanalýze, kterou lze přičíst studijní heterogenitě (poněkud podobně jako a koeficient stanovení ).[15]I² vztahuje velikost odchylky heterogenity k velikosti odchylek jednotlivých odhadů (na druhou) standardní chyby ); s touto normalizací však není zcela zřejmé, co přesně by představovalo „malé“ nebo „velké“ množství heterogenity. Pro konstantní heterogenitu (τ) by dostupnost menších nebo větších studií (s přidruženými odpovídajícími odlišnými standardními chybami) ovlivnila míru I²; takže skutečná interpretace hodnoty I² není přímá.[16][17]

Společná úvaha o a interval predikce spolu s intervalem spolehlivosti pro hlavní účinek může pomoci získat lepší představu o příspěvku heterogenity k nejistotě kolem odhadu účinku.[3][18][19]

Viz také

Reference

  1. ^ Singh, A .; Hussain, S .; Najmi, A.N. (2017), „Počet studií, heterogenita, zobecnitelnost a volba metody pro metaanalýzu“, Časopis neurologických věd, 15 (381): 347, doi:10.1016 / j.jns.2017.09.026
  2. ^ Deeks, J.J .; Altman, D.G. (2001), „Effect measures for meta-analysis of tries with binary outcomes“, in Egger, M .; Davey Smith, G .; Altman, D. (eds.), Systematické recenze ve zdravotnictví: Metaanalýza v kontextu (2. vyd.), BMJ Publishing, s. 313–335, doi:10.1002 / 9780470693926.ch16
  3. ^ A b Riley, R. D .; Higgins, J. P .; Deeks, J. J. (2011), „Interpretace metaanalýz náhodných efektů“, BMJ, 342: d549, doi:10.1136 / bmj.d549, PMID  21310794
  4. ^ Bretthorst, G.L. (1999), „Téměř irelevance distribucí vzorkovací frekvence“, von der Linden, W .; et al. (eds.), Maximální entropie a Bayesovské metody„Kluwer Academic Publishers, s. 21–46, doi:10.1007/978-94-011-4710-1_3
  5. ^ A b C Kontopantelis, E .; Springate, D. A .; Reeves, D. (2013). „Re-analýza dat Cochrane Library: Nebezpečí nepozorované heterogenity v metaanalýzách“. PLOS ONE. 8 (7): e69930. doi:10.1371 / journal.pone.0069930. PMC  3724681. PMID  23922860.
  6. ^ Kontopantelis, E .; Reeves, D. (2012). "Výkon statistických metod pro metaanalýzu, když skutečné účinky studie nejsou normálně distribuovány: Simulační studie". Statistické metody v lékařském výzkumu. 21 (4): 409–26. doi:10.1177/0962280210392008. PMID  21148194.
  7. ^ A b Röver, C. (2020), „Bayesovská metaanalýza náhodných efektů pomocí balíčku bayesmeta R“, Žurnál statistického softwaru, 93 (6): 1–51, doi:10.18637 / jss.v093.i06
  8. ^ Cochran, W.G. (1954), „Kombinace odhadů z různých experimentů“, Biometrie, 10 (1): 101–129, doi:10.2307/3001666
  9. ^ Hardy, R.J .; Thompson, S.G. (1998), „Detekce a popis heterogenity v metaanalýze“, Statistika v medicíně, 17 (8): 841–856, doi:10.1002 / (SICI) 1097-0258 (19980430) 17: 8 <841 :: AID-SIM781> 3.0.CO; 2-D
  10. ^ Davey, J .; Turner, R.M .; Clarke, M. J.; Higgins, J.P.T. (2011), „Charakteristika metaanalýz a jejich komponentních studií v Cochrane Database of Systematic Reviews: průřezová, popisná analýza“, Metodika lékařského výzkumu BMC, 11 (1): 160, doi:10.1186/1471-2288-11-160
  11. ^ Li, W .; Liu, F .; Snavely, D. (2020), „Revisit of test-then-pool methods and some praktical considerations“, Farmaceutická statistika, 19 (5): 498–517, doi:10.1002 / pst.2009
  12. ^ Veroniki, A.A .; Jackson, D .; Viechtbauer, W .; Bender, R .; Bowden, J .; Knapp, G .; Kuß, O .; Higgins, J.P.T .; Langan, D .; Salanti, G. (2016), „Metody pro odhad rozptylu mezi studiemi a jeho nejistoty v metaanalýze“, Výzkumné metody syntézy, 7 (1): 55–79, doi:10,1002 / jrsm.1164
  13. ^ A b Röver, C .; Bender, R .; Dias, S .; Schmid, C.H .; Schmidli, H .; Sturtz, S .; Weber, S .; Friede, T. (2020), Na slabě informativní předchozí distribuci pro parametr heterogenity v Bayesovské metaanalýze náhodných efektů, arXiv:2007.08352
  14. ^ Friede, T .; Röver, C .; Wandel, S .; Neuenschwander, B. (2017), „Metaanalýza několika malých studií o onemocněních vzácných onemocnění“, Výzkumné metody syntézy, 8 (1): 79–91, arXiv:1601.06533, doi:10.1002 / jrsm.1217, PMID  27362487
  15. ^ Higgins, J. P. T .; Thompson, S. G .; Deeks, J. J .; Altman, D. G. (2003), „Měření nekonzistence v metaanalýzách“, BMJ, 327 (7414): 557–560, doi:10.1136 / bmj.327.7414.557, PMC  192859, PMID  12958120
  16. ^ Rücker, G .; Schwarzer, G .; Carpenter, J. R.; Schumacher, M. (2008), „Nepřiměřené spoléhání se na I² při hodnocení heterogenity může být zavádějící“, Metodika lékařského výzkumu BMC, 8 (79), doi:10.1186/1471-2288-8-79
  17. ^ Borenstein, M .; Higgins, J.P.T .; Hedges, L.V .; Rothstein, H. R. (2017), „Základy metaanalýzy: I² není absolutní mírou heterogenity“, Výzkumné metody syntézy, 8 (1): 5–18, doi:10,1002 / jrsm.1230
  18. ^ Chiolero, A; Santschi, V .; Burnand, B .; Platt, R.W .; Paradis, G. (2012), „Metaanalýzy: s intervaly spolehlivosti nebo predikce?“, European Journal of Epidemiology, 27 (10): 823–5, doi:10.1007 / s10654-012-9738-r, PMID  23070657
  19. ^ Bender, R .; Kuß, O .; Koch, A .; Schwenke, C .; Hauschke, D. (2014), Aplikace predikčních intervalů v metaanalýzách s náhodnými efekty (PDF)Společné prohlášení IQWiG, GMDS a IBS-DR

Další čtení