Неоднородность исследования - Study heterogeneity

В статистика, (между-) исследованиями неоднородность это явление, которое обычно возникает при попытке предпринять метаанализ. В упрощенном сценарии исследования, результаты которых должны быть объединены в метаанализ, будут проводиться одинаково и по одним и тем же экспериментальным протоколам. Различия между результатами будут только из-за погрешность измерения (и исследования, следовательно, были бы однородный ). Неоднородность исследования означает изменчивость в результатах, выходящих за рамки того, что можно было бы ожидать (или можно было бы объяснить) только из-за ошибки измерения.

Вступление

Мета-анализ это метод, используемый для объединения результатов различных испытаний с целью получения количественного синтеза. Размер отдельных клинических испытаний часто слишком мал, чтобы надежно выявить эффекты лечения. Мета-анализ увеличивает мощность статистического анализа за счет объединения результатов всех доступных исследований.

Когда кто-то пытается использовать метаанализ для оценки комбинированного эффекта из группы аналогичных исследований, эффекты, обнаруженные в отдельных исследованиях, должны быть достаточно похожими, чтобы можно было быть уверенным, что комбинированная оценка будет значимым описанием набора исследования. Однако индивидуальные оценки лечебного эффекта могут варьироваться случайно; ожидается некоторое изменение из-за ошибка наблюдения. Любая избыточная вариация (явная, обнаруживаемая или нет) называется (статистическая) неоднородность.[1]Наличие некоторой неоднородности не является необычным, например, аналогичные эффекты также часто встречаются даже в исследования, в многоцентровые исследования (между-центр неоднородность).

Причины дополнительной вариабельности обычно заключаются в различиях в самих исследованиях, исследуемых популяциях, графиках лечения, определениях конечных точек или других обстоятельствах. Различные типы меры воздействия (например., отношение шансов против. относительный риск ) также могут быть более или менее подвержены неоднородности.[2]

Моделирование

В случае, если происхождение неоднородности может быть идентифицировано и может быть отнесено к определенным характеристикам исследования, анализ может быть стратифицированный (рассматривая подгруппы исследований, которые, будем надеяться, будут более однородными), или расширив анализ до мета-регрессия, с учетом (непрерывного или категоричный ) переменные модератора. Кроме того, неоднородность обычно устраняется с помощью модель случайных эффектов, в котором неоднородность представляет собой компонент дисперсии.[3]

Модель отражает отсутствие знаний о том, почему эффекты лечения могут различаться, если рассматривать (потенциальные) различия как неизвестные. Центр этого симметричного распределения описывает среднее значение эффектов, а его ширина описывает степень неоднородности. Очевидный и традиционный выбор распределения - это нормальное распределение. Трудно установить справедливость любого предположения о распределении, и это обычная критика метаанализов случайных эффектов. Однако вариации точной формы распределения могут не иметь большого значения,[4] а моделирование показало, что методы относительно устойчивы даже при экстремальных предположениях о распределении, как при оценке неоднородности, так и при оценке неоднородности.[5] и расчет общей величины эффекта.[6]

Включение случайный эффект к модели делает выводы (в некотором смысле) более консервативными или осторожными, поскольку (отличная от нуля) неоднородность приведет к большей неопределенности (и позволит избежать чрезмерной уверенности) в оценке общих эффектов. В частном случае нулевой дисперсии неоднородности модель случайных эффектов снова сводится к частному случаю общий эффект модель.[7]

Тестирование

Статистическое тестирование ненулевой дисперсии неоднородности часто проводится на основе Кокран Q[8] или соответствующие процедуры тестирования. Однако эта распространенная процедура вызывает сомнения по нескольким причинам, а именно: мощность таких тестов[9] особенно в очень частом случае, когда в анализе комбинируется всего несколько оценок,[10][5] а также спецификацию однородность как нулевая гипотеза который затем отклоняется только при наличии достаточных доказательств против него.[11]

Оценка

Хотя основной целью метаанализа обычно является оценка главный эффект, расследование неоднородность также имеет решающее значение для его интерпретации. Большое количество (частотник и Байесовский ) оценщики доступен.[12] Байесовская оценка неоднородности обычно требует указания соответствующего предварительное распространение.[7][13]

Хотя многие из этих оценщиков ведут себя одинаково в случае большого количества исследований, различия, в частности, возникают в их поведении в общем случае всего нескольких оценок.[14] Часто получается неверная оценка нулевой дисперсии между исследованиями, что приводит к ложному предположению об однородности. В целом, похоже, что метаанализы постоянно недооценивают неоднородность.[5]

Количественная оценка

Неоднородность отклонение обычно обозначается τ², или стандартное отклонение (квадратный корень) на τ. Неоднородность, вероятно, легче всего интерпретировать в терминах τ, поскольку это распределение неоднородности. параметр масштаба, который измеряется тем же единицы как сам общий эффект.[13]

Другой распространенный показатель неоднородности - I², статистика, указывающая на процент отклонения в метаанализе, который можно отнести к изучению неоднородности (что-то вроде коэффициент детерминации ).[15]I² связывает величину дисперсии неоднородности с величиной дисперсии отдельных оценок (в квадрате стандартные ошибки ); однако при такой нормализации не совсем очевидно, что именно будет составлять «малую» или «большую» степень неоднородности. Для постоянной неоднородности (τ) доступность более мелких или крупных исследований (с соответствующими соответствующими стандартными ошибками) повлияет на меру I²; поэтому фактическая интерпретация значения I² непроста.[16][17]

Совместное рассмотрение интервал прогноза наряду с доверительным интервалом для основного эффекта может помочь лучше понять вклад неоднородности в неопределенность оценки эффекта.[3][18][19]

Смотрите также

Рекомендации

  1. ^ Сингх, А .; Hussain, S .; Наджми, А. (2017), «Количество исследований, неоднородность, обобщаемость и выбор метода метаанализа», Журнал неврологических наук, 15 (381): 347, Дои:10.1016 / j.jns.2017.09.026
  2. ^ Дикс, Дж. Дж .; Альтман, Д.Г. (2001), «Меры воздействия для метаанализа испытаний с бинарными исходами», в Egger, M .; Дэйви Смит, G .; Альтман, Д. (ред.), Систематические обзоры в здравоохранении: метаанализ в контексте (2-е изд.), BMJ Publishing, стр. 313–335, Дои:10.1002 / 9780470693926.ch16
  3. ^ а б Riley, R.D .; Higgins, J.P .; Дикс, Дж. Дж. (2011), "Интерпретация метаанализов случайных эффектов", BMJ, 342: d549, Дои:10.1136 / bmj.d549, PMID  21310794
  4. ^ Bretthorst, G.L. (1999), «Почти несоответствие частотных распределений дискретизации», в von der Linden, W .; и другие. (ред.), Максимальная энтропия и байесовские методы, Kluwer Academic Publishers, стр. 21–46, Дои:10.1007/978-94-011-4710-1_3
  5. ^ а б c Kontopantelis, E .; Спрингейт, Д. А .; Ривз, Д. (2013). «Повторный анализ данных Кокрановской библиотеки: опасность ненаблюдаемой неоднородности в метаанализах». PLoS ONE. 8 (7): e69930. Дои:10.1371 / journal.pone.0069930. ЧВК  3724681. PMID  23922860.
  6. ^ Kontopantelis, E .; Ривз, Д. (2012). «Эффективность статистических методов метаанализа, когда истинные эффекты исследования распределены ненормально: имитационное исследование». Статистические методы в медицинских исследованиях. 21 (4): 409–26. Дои:10.1177/0962280210392008. PMID  21148194.
  7. ^ а б Рёвер, К. (2020), «Байесовский мета-анализ случайных эффектов с использованием пакета Bayesmeta R», Журнал статистического программного обеспечения, 93 (6): 1–51, Дои:10.18637 / jss.v093.i06
  8. ^ Кокран, W.G. (1954), "Комбинация оценок из разных экспериментов", Биометрия, 10 (1): 101–129, Дои:10.2307/3001666
  9. ^ Харди, Р.Дж .; Томпсон, С.Г. (1998), "Обнаружение и описание неоднородности в метаанализе", Статистика в медицине, 17 (8): 841–856, Дои:10.1002 / (SICI) 1097-0258 (19980430) 17: 8 <841 :: AID-SIM781> 3.0.CO; 2-D
  10. ^ Davey, J .; Тернер, R.M .; Clarke, M.J .; Хиггинс, J.P.T. (2011), «Характеристики метаанализов и их компонентов исследований в Кокрановской базе данных систематических обзоров: перекрестный описательный анализ», BMC Методология медицинских исследований, 11 (1): 160, Дои:10.1186/1471-2288-11-160
  11. ^ Li, W .; Лю, Ф .; Снавели, Д. (2020), «Пересмотр методов тестирования и объединения и некоторые практические соображения», Фармацевтическая статистика, 19 (5): 498–517, Дои:10.1002 / pst.2009
  12. ^ Veroniki, A.A .; Джексон, Д .; Viechtbauer, W .; Бендер, Р .; Bowden, J .; Knapp, G .; Kuß, O .; Хиггинс, J.P.T .; Langan, D .; Саланти, Г. (2016), «Методы оценки дисперсии между исследованиями и ее неопределенности в метаанализе», Методы исследования синтеза, 7 (1): 55–79, Дои:10.1002 / jrsm.1164
  13. ^ а б Röver, C .; Бендер, Р .; Dias, S .; Schmid, C.H .; Schmidli, H .; Sturtz, S .; Вебер, С .; Friede, T. (2020), О малоинформативных априорных распределениях для параметра неоднородности в метаанализе байесовских случайных эффектов, arXiv:2007.08352
  14. ^ Friede, T .; Röver, C .; Wandel, S .; Нойеншвандер, Б. (2017), «Мета-анализ нескольких небольших исследований орфанных болезней», Методы исследования синтеза, 8 (1): 79–91, arXiv:1601.06533, Дои:10.1002 / jrsm.1217, PMID  27362487
  15. ^ Хиггинс, Дж. П. Т .; Thompson, S.G .; Дикс, Дж. Дж .; Альтман, Д. Г. (2003), "Измерение несогласованности в метаанализах", BMJ, 327 (7414): 557–560, Дои:10.1136 / bmj.327.7414.557, ЧВК  192859, PMID  12958120
  16. ^ Rücker, G .; Schwarzer, G .; Карпентер, J.R .; Шумахер, М. (2008), «Чрезмерное использование I² при оценке неоднородности может ввести в заблуждение», BMC Методология медицинских исследований, 8 (79), Дои:10.1186/1471-2288-8-79
  17. ^ Borenstein, M .; Хиггинс, J.P.T .; Hedges, L.V .; Ротштейн, Х.Р. (2017), «Основы метаанализа: I² не является абсолютной мерой неоднородности», Методы исследования синтеза, 8 (1): 5–18, Дои:10.1002 / jrsm.1230
  18. ^ Чиолеро, А; Санчи, В .; Burnand, B .; Platt, R.W .; Paradis, G. (2012), "Мета-анализ: с достоверностью или с интервалами прогноза?", Европейский журнал эпидемиологии, 27 (10): 823–5, Дои:10.1007 / s10654-012-9738-у, PMID  23070657
  19. ^ Бендер, Р .; Kuß, O .; Koch, A .; Schwenke, C .; Хаушке, Д. (2014), Применение интервалов прогнозирования в метаанализе со случайными эффектами (PDF), Совместное заявление IQWiG, GMDS и IBS-DR

дальнейшее чтение