OD PYTANIA BADAWCZEGO

DO OCENY KRYTYCZNEJ META-ANALIZ.

WYBRANE ZAGADNIENIA PODSTAWOWE

1. PYTANIE KLINICZNIE ISTOTNE (26)

2. MOC STATYSTYCZNA BADANIA I

MIARY WIELKOŚCI EFEKTU (49)

3. ELEMENTY WYKRESU FOREST PLOT (62)

4. HETEROGENICZNOŚĆ (71)

5. MODELE ŁĄCZENIA ILORAZÓW ZDARZEŃ (83)

Artur Sołtysiak, luty 2019

Treść licencji: http://creativecommons.org/licenses/by-nc-nd/3.0/pl/legalcode

„Każda pielęgniarka czy pielęgniarz powinien przynajmniej rozumieć cel i proces praktyki opartej na dowodzie, umieć zadać klinicznie istotne pytania i wiedzieć kto w jego środowisku może mu pomóc na nie odpowiedzieć”

​

�Donna Ciliska, Evid.Based Nurs. 2006;9;38-40 doi:10.1136/ebn.9.2.38,

tłumaczenie: Artur Sołtysiak

ZAMIAST WSTĘPU:

​

• HIPOTEZA ZEROWA (H₀) I HIPOTEZA ALTERNATYWNA (H₁)�
• HIPOTEZA PRZYCZYNOWA/KIERUNKOWA (causal hypothesis)�
• HIPOTEZA BEZKIERUNKOWA (nondirectional hypothesis)�
• HIPOTEZA ASOCJACYJNA (associative hypothesis)�
• ZMIENNA ZALEŻNA I ZMIENNA NIEZALEŻNA�
• ZMIENNA ZEWNĘTRZNA (extraneous variable)�
• ZMIENNA UWIKŁANA (confounding variable)

PYTANIE BADAWCZE:

​

Czy obecność rodziców w pokoju zabiegowym w trakcie zakładania obwodowego kontaktu żylnego wpływa na poziom lęku u dzieci w wieku przedszkolnym?

ISTNIEJĄ RÓŻNE HIPOTEZY NA TEN TEMAT...

HIPOTEZA ZEROWA (H₀) zwana hipotezą statystyczną:

BADACZ JEST PRZEKONANY ŻE ZWIĄZEK POMIĘDZY ZMIENNYMI LUB WŚRÓD ZMIENNYCH W BADANIU NIE ISTNIEJE LUB WIEDZA EMPIRYCZNA LUB TEORETYCZNA

JEST NIEWYSTARCZAJĄCA BY POSTAWIĆ PYTANIE BADAWCZE.

PRZYKŁAD:

Obecność rodziców w gabinecie zabiegowym w trakcie zakładania obwodowego kontaktu żylnego nie ma wpływu na poziom lęku u dzieci w wieku przedszkolnym.

POZIOM ISTOTNOŚCI (significance level)

Są tylko dwa wyjścia:

1) nie odrzucamy H₀�(nie ma wystarczającego dowodu przeciw H₀ na korzyść H₁)

2) odrzucamy H₀ na korzyść H₁

HIPOTEZA ZEROWA (H₀)

​

H₀ to twierdzenie które testujemy

H₁ to hipoteza alternatywna. Twierdzenie hipotezy alternatywnej zostanie przyjęte jeśli H₀ zostanie odrzucona.

Wynik testu statystycznego prezentujemy w świetle H₀.

Wniosek "nie odrzucam H₀"

nie oznacza to automatycznie że H₀ jest prawdziwa.

Oznacza to, że nie ma wystarczającego dowodu by odrzucić H₀ na korzyść H₁.

​

Wniosek "odrzucam H₀" na korzyść H₁,

czyli sugeruję że H₁ MOŻE być prawdziwa�(a nie że z pewnością H₁ jest prawdziwa).

POZIOM ISTOTNOŚCI (significance level)

MOŻLIWE SĄ DWA BŁĘDY

​

Type I error (α-error)

H₀ jest odrzucona chociaż jest prawdziwa

(obrona: test istotności)

​

Type II error (β-error)

H₀ zostaje zaakceptowana chociaż na prawdę jest fałszywa. (Nie znaleziono różnicy pomiędzy próbami chociaż ona naprawdę istnieje = słaba moc badania)

POZIOM ISTOTNOŚCI (significance level)

HIPOTEZA KIERUNKOWA (przyczynowa):

PROGNOZUJE ŚCIEŻKĘ I KIERUNEK RELACJI POMIĘDZY MINIMUM DWIEMA ZMIENNYMI. ZMIENNA NIEZALEŻNA JEST PRZYCZYNĄ INNEJ ZMIENNEJ - ZALEŻNEJ

​

PRZYKŁAD:

A: Obecność rodziców w gabinecie zabiegowym w trakcie zakładania obwodowego kontaktu żylnego zmniejsza poziom lęku u dzieci w wieku przedszkolnym.

​

B: Obecność rodziców w gabinecie zabiegowym w trakcie zakładania obwodowego kontaktu żylnego zwiększa poziom lęku u dzieci w wieku przedszkolnym.

HIPOTEZA BEZKIERUNKOWA:

PROGNOZUJE RELACJĘ POMIĘDZY MINIMUM DWIEMA ZMIENNYMI BEZ WSKAZYWANIA NA NATURĘ LUB KIERUNEK TEJ RELACJI

​

Zazwyczaj gdy niewiele wiemy o przedmiocie badania lub gdy poprzednie prace badawcze są sprzeczne.

​

PRZYKŁAD:

Obecność rodziców w gabinecie zabiegowym w trakcie zakładania obwodowego kontaktu żylnego wpływa na poziom lęku u dzieci w wieku przedszkolnym.

HIPOTEZA ASOCJACYJNA:

ZMIANIE JEDNEJ ZMIENNEJ TOWARZYSZY ZMIANA INNEJ ZMIENNEJ. BEZ SUGESTII ŻE ZMIANA W JEDNEJ ZMIENNEJ SPOWODOWAŁA ZMIANĘ W INNEJ ZMIENNEJ.

ZMIENNE (variables):

MIERZALNE JAKOŚCI LUB CECHY CHARAKTERYSTYCZNE OSÓB, RZECZY LUB SYTUACJI KTÓRE MOGĄ PODLEGAĆ ZMIANIE, ZRÓŻNICOWANIU LUB PRZYPADKOWYM ODCHYLENIOM

​

TO PODSTAWA BADAŃ ILOŚCIOWYCH:

STANOWIĄ PRZEDMIOT BADAŃ W DANEJ POPULACJI

ZMIENNA NIEZALEŻNA (independent variable):

• jest w badaniu od samego początku
• badacz nią manipuluje
• ma wpływ na inną zmienną (zależną)

PRZYKŁADY:

• LEK I JEGO POSZCZEGÓLNE DAWKI
• DANY SPOSÓB PIELĘGNACJI�(np: zmiana ułożenia pacjenta nieprzytomnego w łóżku)
• CZĘSTOTLIWOŚĆ, CZAS TRWANIA EKSPOZYCJI LUB INTERWENCJI
• OBECNOŚĆ LUB NIEOBECNOŚĆ CZYNNIKA, OSÓB�(np: obecność rodziców przy dzieciach w trakcie bolesnych zabiegów)

ZMIENNA ZALEŻNA (dependent variable):

• pojawia się w przebiegu badania jako skutek
• nie podlega manipulacji lecz obserwacji i pomiarom
• jej wartość/wielkość zależy od wartości/wielkości zmiennej niezależnej

PRZYKŁADY:

• ODPOWIEDŻ NA LEK I JEGO POSZCZEGÓLNE DAWKI
• EFEKT DANEGO SPOSOBU PIELĘGNACJI�(np: pobudzenie procesów naprawczych skóry, zachowanie integracji tkanki skórnej)
• POJAWIENIE SIĘ FENOMENU (np: zmniejszony lęk, zwiększone zaufanie, sprawniejsza komunikacja, lepsza współpraca z pacjentem, zwiększenie liczby osób biorących udział w badaniach przesiewowych dla danej populacji)

ZMIENNA ZEWNĘTRZNA (extraneous variable):

• niechciana “zmienna niezależna”
• ma wpływ na efekt badania choć nie jest zmienną niezależną wprowadzoną przez badacza
• zagraża trafności wyników badania�(validity of study results)

PRZYKŁADY:

• ALERGIA / UZALEŻNIENIE / INNE LEKI WCHODZĄCE W INTERAKCJE�A ODPOWIEDŹ NA DANY LEK I JEGO POSZCZEGÓLNE DAWKI
• CHOROBY WSPÓŁISTNIEJĄCE U PACJENTA A EFEKT DANEGO SPOSOBU PIELĘGNACJI (np: niski poziom białka a pobudzenie procesów naprawczych skóry)
• WIEK I ZDOLNOŚCI POZNAWCZE A POJAWIENIE SIĘ FENOMENU�(np: lęk, zwiększone zaufanie, sprawniejsza komunikacja, lepsza współpraca z pacjentem, zwiększenie liczby osób biorących udział w badaniach przesiewowych dla danej populacji)

ZMIENNE ZEWNĘTRZNE:�

• należy je rozpoznać i jeśli to możliwe wyeliminować we wstępnej fazie projektu badania

​

• jeśli nie można ich wyeliminować - należy zastosować środki by je maksymalnie zmniejszyć lub wprowadzić kontrolę zmiennych zewnętrznych w badaniu

​

JEŚLI NIE MAMY KONTROLI NAD ZNANĄ ZMIENNĄ ZEWNĘTRZNĄ STAJE SIĘ ONA ZMIENNĄ UWIKŁANĄ (confounding variable)

​

WYNIKI BADANIA SĄ NIETRAFNE (invalid):

wyjaśnienie nie odzwierciedla zjawiska do którego się odwołuje.

BADACZ MOŻE KONTROLOWAĆ / ANALIZOWAĆ

ZMIENNE ZEWNĘTRZNE JEŚLI SĄ ZNANE I MIERZALNE.

​

STRATEGIE REDUKCJI UWIKŁAŃ (confounding):

• randomizacja (randomization) cel: losowa dystrybucja zmiennych uwikłanych (confounding variables) w grupach
• restrykcja (restriction): ograniczenie “wejścia” do badań osobom z czynnikami uwikłanymi (confounding factors) - samo w sobie wiąże się z ryzykim tendencyjności
• dopasowanie (matching) osób lub grup by zapewnić równomierną dystrybucję uwikłań
• stratyfikacja (stratification): uwikłania są równo rozdzielone wewnątrz każdej warstwy (subpopulacji badania)
• dostosowanie (adjustment) - zazwyczaj zniekształcone przez wybór standardu
• analiza wieloczynnikowa (multivariate analysis) ma sens tylko wtedy gdy można rozpoznać i zmierzyć uwikłania

TRZY GŁÓWNE ZAGROŻENIA

DLA TRAFNOŚCI BADANIA

1: TENDENCYJNOŚĆ (bias): błąd systematyczny (systematic error) w sposobie dobrania pacjentów, pomiarze punktów końcowych lub sposobie analizowania danych:

• brak lub defekt randomizacji (nierówne grupy)
• słabe zaślepienie (prowadzi do tendencyjnych wniosków)
• utrata znacznej liczby uczestników badania, brak lub zbyt krótkie śledzenie postępów (follow-up)

​

TENDENCYJNOŚĆ PUBLIKACJI (publication bias):�autor nie zawarł w pracy przeglądowej wszystkich istotnych dla pytania klinicznego badań (nie chciał lub słaba strategia wyszukiwania); charakterystyczne dla meta-analiz, rzadko w przeglądach systematycznych.

FUNNEL PLOT

czyli gdzie się podziała reszta badań?

• wykres opiera się na założeniu, że jeśli wszystkie przeprowadzone na określony temat badania przedstawić graficznie jako funkcję wielkości indywidualnych efektów do wielkości indywidualnych prób (sample size) to uzyska się kształt odwróconego lejka (funnel)

​

• zazwyczaj duże badania mają bardziej precyzyjne rezultaty które niewiele odbiegają od średniej szacunkowej (mean estimate) podczas gdy rezultaty małych badań szeroko odbiegają od średniej szacunkowej

2: PRZYPADKOWOŚĆ (chance): wyniki są dziełem przypadku a nie rezultatem terapii, leczenia, pielęgnacji lub ekspozycji; szczególnie próby małej wielkości są narażone na przypadkowość

3: UWIKŁANIE (confounding): błąd w interpretacji co może być trafnym wyznacznikiem, miarą dla punktu końcowego;��PRZYKŁAD: U ludzi noszących przy sobie zapałki istnieje większe prawdopodobieństwo zachorowania na raka płuc

(zapałki noszą zazwyczaj palacze a u palaczy istnieje wysokie ryzyko raka płuc)

Dowód opiera się na mylnym związku noszenia zapałek a występowaniu raka płuc.�Czynnik uwikłany (confounding factor): palenie papierosów

TRZY GŁÓWNE ZAGROŻENIA

DLA TRAFNOŚCI BADANIA�(ciąg dalszy)

ANALIZA INTENTION-TO-TREAT (ITT)�czyli w przyrodzie nic nie ginie

analiza ITT ma miejsce kiedy wszyscy losowani uczestnicy byli zgłoszeni i analizowani w grupach do których byli przydzieleni przez najważniejszy moment pomiaru punktu końcowego, bez względu na niezgodność (non-compliance) i współ-interwencje (co-interventions).

​

Analiza dotyczy badań z grupą kontrolną (RCTs meta-analizy, przeglądy systematyczne) gdzie badana jest skuteczność interwencji (nie dotyczy jeśli badany jest tylko efekt).

​

Założenie: aby wynik badania był wiarygodny, wszyscy uczestnicy badania są brani pod uwagę jako całość w końcowym etapie badania, nawet jeśli niektórzy go nie ukończyli.

ANALIZA INTENTION-TO-TREAT (ITT) - OCENA

A - TAK: wyraźnie podane przez autorów, że analiza ITT została przeprowadzona co zostało potwierdzone w trakcie oceny badania; lub nie podane ale jasno wynika z oceny badania że została ona przeprowadzona

​

B - NIEJASNE: opisano jako analiza ITT jednak ocena badania tego nie potwierdza, lub nie opisano i ocena badania nie jest w stanie potwierdzić

​

C - NIE: brak analizy ITT potwierdzony w trakcie oceny badania

Przykład: pacjenci którzy byli losowo przydzieleni do grup nie zostali ujęci w analizie ITT ponieważ nie otrzymali przewidzianej w badaniu interwencji, lub wycofali się z badania lub nie byli włączeni ze względu na naruszenie protokołu badania niezależnie od tego czy ITT zgłoszono czy też nie

NA PODSTAWIE: Types of missing data in a meta-analysis, w: Cochrane Handbook (http://handbook.cochrane.org/)

1. PYTANIE KLINICZNIE ISTOTNE

• ELEMENTY PYTANIA KLINICZNIE ISTOTNEGO A HIPOTEZA

​

• DOMENY

​

• PYTANIE KLINICZNIE ISTOTNE A MODEL BADANIA

P

PACJENT, POPULACJA, PROBLEM

(PATIENT, POPULATION, PROBLEM)

- charakterystyczne cechy pacjenta, populacji/problemu

I

INTERWENCJA (INTERVENTION) lub

EKSPOZYCJA (EXPOSURE)�

C

ELEMENT PORÓWNAWCZY (COMPARISON)

- to co jest alternatywą dla interwencji:�placebo, inny lek, operacja, standardowe leczenie/pielęgnacja�

O

PUNKT KOŃCOWY (OUTCOME)

- ostateczny spodziewany wynik (rezultat) interwencji (ekspozycji)�

T

CZAS (TIME)

- ramy czasowe, śledzenie skutków, efektów etc

Eplerenone in patients with systolic heart failure and mild symptoms.

Zannad F, McMurray JJ, Krum H, van Veldhuisen DJ, Swedberg K, Shi H, Vincent J, Pocock SJ, Pitt B; EMPHASIS-HF Study Group. N Engl J Med 2011; 364:11-21 January 6,

2011DOI: 10.1056/NEJMoa1009492 (OPIS W JĘZYKU POLSKIM)

​

JAKIE ROZWIĄZANIE?

P I C O T

ODDZIAŁ CHIRURGICZNY

DLA DOROSŁYCH,

GODZ. 09:10

PACJENTKA KTÓRA MA W DNIU DZISIEJSZYM OK GODZ 13:00 PRZEJŚĆ PLANOWANY ZABIEG OPERACYJNY NA JELICIE GRUBYM PYTA CIĘ, CZY MOŻE NAPIĆ SIĘ ODTŁUSZCZONEGO,BULIONU.

​

JAKA JEST TWOJA ODPOWIEDŹ?

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3840027/

HIERARCHIA DOWODU DLA BADAŃ INTERWENCYJNYCH

HIERARCHIA DOWODU DLA BADAŃ INTERWENCYJNYCH - ciąg dalszy

Adaptacja i tłumaczenie Artur Sołtysiak, na podstawie: “Evidence-based Practice in nursing and healthcare: a guide to best practice”. Melnyk B.M., Fineout-Overholt E. (editors); wyd. pierwsze, Philadelphia USA, Lippincott Wiliams & Wilkins; 2005, str. 3-24

HIERARCHIA DOWODU DLA BADAŃ INTERWENCYJNYCH - ciąg dalszy

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3839878/

2. MOC STATYSTYCZNA BADANIA�

• WIELKOŚĆ PRÓBY (sample size)
• WIELKOŚĆ EFEKTU (effect size)
• ISTOTNOŚĆ STATYSTYCZNA�(statistical significance)

POZIOM ISTOTNOŚCI (significance level)

WIELKOŚĆ PRÓBY (sample size)

WIELKOŚĆ EFEKTU (effect size)

MOC STATYSTYCZNA BADANIA

(statistical power)

WIELKOŚĆ PRÓBY (sample size)

• OBLICZANA PRZEZ STATYSTYKÓW ZANIM ROZPOCZNIE SIĘ BADANIE.�RAPORT Z BADANIA POWINIEN ZAWIERAĆ SZCZEGÓŁOWE WYLICZENIA�
• OBLICZENIA WIELKOŚCI PRÓBY POWINNY WZIĄĆ POD UWAGĘ:
• liczbę różnych właściwości
• liczbę grup
• różnorodność, zmienność badanej właściwości
• szacunkową proponowaną różnicę między porównywanymi grupami (najmniejsza prawdziwa średnia różnica która byłaby klinicznie możliwa)
• wymagany poziom istotności (np p<0.05)
• wymagany stopień mocy (by nie popełnić Type II Error, przyjmuje się 0.8=80% prawdopodobieństwo)

WIELKOŚĆ EFEKTU (effect size)

• WYBRANA MIARA PUNKTU KOŃCOWEGO WYRAŻA WIELKOŚĆ EFEKTU (np OR, RR, NNT, NNH, ARI, ARR...)�
• MIARY PUNKTU KOŃCOWEGO MOGĄ BYĆ RELATYWNE LUB ABSOLUTNE

​

MIARY WIELKOŚCI EFEKTU W METAANALIZACH

Materiał uzupełniający TUTAJ

NA PODSTAWIE: Perera R., Heneghan C., Badenoch D., Statistics Toolkit, Blackwell Publishing, BMJ Books, 2008, USA & UK� MATERIAŁ UZUPEŁNIAJĄCY TUTAJ i TUTAJ

P-VALUE� czyli wartość p

- to umowna wartość prawdopodobieństwa wyrażająca szansę uzyskania danego rezultatu w świetle prawdziwej hipotezy zerowej

(H₀ null hypothesis)

​

Istotne rezultaty (significant results): p<0.05�wykazano statystycznie że jest wątpliwe by były dziełem przypadku

(H₀ jest fałszywa, odrzucają H₀).

​

Nie-istotne rezultaty (non-significant results): p>0.05

nie wyeliminowano roli przypadku w uzyskaniu danego rezultatu;

(nie obalono H₀)

P-VALUE czyli wartość p (ciąg dalszy)

Jeśli nie odrzucam H₀ (nie ma wystarczającego dowodu przeciw H₀ na korzyść H₁):

​

• p<0.5 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:2�
• p<0.1 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:10�
• p<0.05 możliwość że dany rezultat jest dziełem przypadku,�jest mniejsza niż 1:20 (5%)�
• p<0.025 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:40�
• p<0.01 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:100

p>0.05 OZNACZA STATYSTYCZNĄ�NIE-ISTOTNOŚĆ

​

​

STATYSTYCZNA NIE-ISTOTNOŚĆ

NIE ZNACZY ŻE COŚ JEST NIEISTOTNE!

​

​

STATYSTYCZNA ISTOTNOŚĆ NIE OZNACZA ŻE COŚ JEST ISTOTNE KLINICZNIE!

CONFIDENCE INTERVAL (CI)

czyli Przedział Ufności

• tradycyjnie CI przyjmuje się jako CI95% (p<0.05)�
• odnosi się do wielkości efektu terapii, ekspozycji, interwencji�
• ideał: duża próba z wąskimi przedziałami�
• przed interpretacją CI należy zbadać tendencyjność badań�(biased studies)

Przedział wartości, w którym z danym prawdopodobieństwem (wyrażonym w %) znajduje się wartość parametru

(np: RR, RRR, ARR, ARI, NNT, średnia itp.) dla populacji ogólnej

CONFIDENCE INTERVAL (CI)

(ciąg dalszy)

• efekt statystycznie istotny niekoniecznie musi być klinicznie ważny�(wielkość efektu określa jego kliniczną doniosłość)�
• wielkość efektu (effect size) może być mierzona na różne sposoby�(RRR, ARR, NNT), gdzie względne wartości (relative measures) podkreślają potencjalne korzyści; wartości absolutne dają lepszy obraz�
• "nie-istotność" (non-significance) nie oznacza braku efektu; małe badania często podają "nie-istotność" nawet wtedy kiedy są ważne: gdyby badanie było większe, istotność byłaby wykryta

3. ELEMENTY WYKRESU FOREST PLOT

FOREST PLOT�czyli przez las na skróty do celu

• wykres charakterystyczny dla prac przeglądowych�(metaanaliza i przegląd systematyczny z metaanalizą)�
• umożliwia analizę i porównanie wielu badań odnoszących się do postawionego w pracy przeglądowej pytania�
• zawiera informację o cząstkowej wartości każdego badania, poziomie heterogeniczności, podaje wartość p oraz przedział ufności (istotność statystyczna), RR, NNT

​

NA PODSTAWIE: Karin Ried, Interpreting and understanding meta-analysis graphs. A practical Guide. Australian Family Physician Vol. 35, No. 8, August 2006

0.1 0.2 0.5 1 2 5 10

WSPIERA INTERWENCJĘ WSPIERA GR. KONTROLNĄ

WIELKOŚĆ KWADRATÓW WSKAZUJE NA ILOŚĆ INFORMACJI KTÓRE DOSTARCZA BADANIE

LINIA BRAKU EFEKTU

LINIA PRZEDZIAŁU UFNOŚCI

PUNKT SZACUNKOWY

PRZEDZIAŁ UFNOŚCI

WYKRES FOREST PLOT DLA MIAR PUNKTÓW KOŃCOWYCH

(DANE BINARNE)

METAANALIZA DYCHOTOMICZNYCH PUNKTÓW KOŃCOWYCH

POMOC TUTAJ

4. HETEROGENICZNOŚĆ W METAANALIZIE

​

• testy heterogeniczności

PRZEGLĄD SYSTEMATYCZNY

vs

METAANALIZA

HETEROGENICZNOŚĆ (heterogeneity)

MATERIAŁ POMOCNICZY TUTAJ

TO NIEJEDNORODNOŚĆ, ODMIENNOŚĆ MIĘDZY BADANIAMI W PRACY PRZEGLĄDOWEJ.

​

SĄ RÓŻNE TYPY HETEROGENICZNOŚCI:

• KLINICZNA (clinical diversity lub clinical heterogeneity)

/uczestnicy, interwencje, punkty końcowe/

• METODOLOGICZNA (methodological diversity LUB�methodological heterogeneity)

/projekt badania, ryzyko tendencyjności/

• STATYSTYCZNA (statistical heterogeneity)

/efekty interwencji/

HOMOGENICZNOŚĆ

• PRZEGLĄD SYSTEMATYCZNY:

ŁĄCZENIE WSZYSTKICH NIETENDENCYJNYCH BADAŃ KTÓRE DAJĄ ODPOWIEDŹ NA PYTANIE PICO

​

• CECHY KLINICZNE I METODOLOGICZNE WŁĄCZONYCH BADAŃ MUSZĄ BYĆ ZBLIŻONE

​

• METAANALIZA: ŁĄCZENIE DANYCH Z BADAŃ

​

• ŁĄCZENIE DANYCH MUSI BYĆ TRAFNE

​

• CEL TESTÓW STATYSTYCZNEJ HOMOGENICZNOŚCI: ZBADANIE CZY DANE PRZEDSTAWIONE W BADANIACH CZĄSTKOWYCH SĄ DO SIEBIE PODOBNE I JAKO TAKIE MOGĄ BYĆ ŁĄCZONE

CHI-SQUARE TEST (X²)

• GDY MASZ ZBIÓR POMIARÓW I CHCESZ SIĘ DOWIEDZIEĆ CZY RÓŻNIĄ SIĘ MIĘDZY SOBĄ BARDZIEJ NIŻ MOŻNA BY OCZEKIWAĆ OD PRZYPADKU

​

• TRZY WAŻNE WIELKOŚCI:

- KWADRAT CHI (X²)

- LICZBA STOPNI SWOBODY: (df,degrees of freedom)

- WARTOŚĆ-P: (p-value) zazwyczaj dla statystycznie� istotnego X² przyjmuje się p-value < 0.1

CHI-SQUARE TEST (X²)

słabe strony testu

• NISKA MOC W WYKRYWANIU HETEROGENICZNOŚCI GDY JEST MAŁO BADAŃ W METAANALIZIE

​

• MOŻE WYKAZAĆ HETEROGENICZNOŚĆ W METAANALIZIE WIELU DUŻYCH BADAŃ NAWET JEŚLI JEST MAŁO PRAWDOPODOBNE BY MIAŁA ONA WPŁYW NA WNIOSKI

​

• TUTAJ Z POMOCĄ PRZYCHODZI TEST (I²)

I-SQUARE TEST (I²)

• BARDZIEJ STABILNY NIŻ X² BO NIE JEST ZALEŻNY OD:

- liczby badań� - typu danych punktu końcowego

- wybranej miary mocy badania (np OR, RR)

• POKAZUJE % CAŁKOWITEJ WARIANCJI (variance) W PRZEKROJU DANYCH KTÓRA MA RACZEJ ZWIĄZEK Z HETEROGENICZNOŚCIĄ NIŻ Z PRZYPADKIEM

​

• IM WIĘKSZA WARTOŚĆ WYRAŻONA W % TYM WIĘKSZA HETEROGENICZNOŚĆ

I-SQUARE TEST (I²)

Jak dużo to już za dużo?

• UMOWNE WARTOŚCI PROGOWE MOGĄ BYĆ MYLĄCE - WAGA NIEZGODNOŚCI ZALEŻY OD RÓŻNYCH CZYNNIKÓW

TAU-SQUARE lub TAU² (T²)

• TO SZACUNKOWA WARIANCJI POMIĘDZY BADANIAMI DLA METAANALIZ W MODELU Z EFEKTEM ZMIENNYM (RE)

TEST-T (t-test)

• BADANIE 2 ŚREDNICH POPULACYJNYCH

​

• DLA MAŁYCH PRÓB GDY ODCHYLENIE STANDARDOWE (standard deviation, SD) NIE JEST ZNANE

​

• USTALA PRAWDOPODOBIEŃSTWO (p-value) CZY ŚREDNIE POPULACYJNE SIĘ RÓŻNIĄ

​

• DO PORÓWNANIA WIĘKSZEJ LICZBY ZMIENNYCH UŻYWAMY ANALIZY WARIANCJI

(ANOVA - analysis of variance)

ANalysis Of VAriance

analiza wariancji (pomiędzy grupami)

• GRUPA TECHNIK STATYSTYCZNYCH DLA PORÓWNANIA ŚREDNICH (mean) DWU LUB WIĘCEJ PRÓB (sample) BY USTALIĆ CZY POCHODZĄ Z TEJ SAMEJ POPULACJI

​

• TEST 2 LUB WIĘCEJ ZMIENNYCH NIEZALEŻNYCH�(independent variable):

model wieloczynnikowy ANOVA (two-way ANOVA)

TEST-Z (z-test)

• BY USTALIĆ CZY DWIE ŚREDNIE POPULACJI SĄ RÓŻNE GDY WARIANCJE SĄ ZNANE A PRÓBA JEST DUŻA
• MOŻNA PRZEPROWADZIĆ GDY:

- ISTNIEJE ROZKŁAD NORMALNY (rozkład Gaussa)

- KŁOPOTLIWY PARAMETR JEST ZNANY

(np odchylenie standardowe, standard deviation, SD)

• GDY SD NIE JEST ZNANE - ZAKŁADA SIĘ ŻE WARIANCJA PRÓBY JEST RÓWNA WARIANCJI POPULACJI

5. MODELE ŁĄCZENIA ILORAZÓW ZDARZEŃ W META-ANALIZACH

​

• Model z efektem stałym
• Model z efektem zmiennym

BŁĄD STANDARDOWY

(Standard Error, SE)

• BIERZE POD UWAGĘ WIELKOŚĆ BADANIA I CZĘSTOŚĆ ZDARZEŃ

​

• IM MNIEJSZY SE W REZULTATACH BADANIA TYM WIĘKSZE ZNACZENIE TEGO BADANIA (TYM PRECYZYJNIEJSZE OSZACOWANIE PARAMETRU)

​

• UZALEŻNIONY OD WIELKOŚCI ZRÓŻNICOWANIA WARIANCJI (variance) DANEJ CECHY

​

• IM WIĘKSZA ZMIENNOŚĆ BADANEJ WIELKOŚCI W POPULACJI TYM OSZACOWANIE PRAWDZIWEJ WARTOŚCI JEST MNIEJ PRECYZYJNE

WARIANCJA (VARIANCE)

• WYLICZENIE ŚREDNIEJ WYLICZENIE WARIANCJI

​

• DAJE OBRAZ JAK DUŻE JEST ZRÓŻNICOWANIE WYNIKÓW W DANYM ZBIORZE WYNIKÓW

(CZY SĄ SKONCENTROWANE WOKÓŁ ŚREDNIEJ,

JEŚLI NIE - JAK BARDZO OD NIEJ ODBIEGAJĄ)

​

• PRZYJMUJE WARTOŚCI OD 0 DO NIESKOŃCZONOŚCI

​

• MAŁA WARIANCJA = PUNKTY BLISKO OCZEKIWANEJ ŚREDNIEJ

(np: diament OR na linii CI względem linii braku efektu)

​

• PIERWIASTEK KWADRATOWY Z WARIANCJI TO ODCHYLENIE STANDARDOWE (standard deviation, SD)

MODELE ŁĄCZENIA

ILORAZÓW ZDARZEŃ:

​

• MODEL Z EFEKTEM STAŁYM�lub WSPÓLNYM (common)

Fixed Effect Model (FE)

​

• MODEL Z EFEKTEM ZMIENNYM�(efekty losowe)

Random Effects Model (RE)

Wyjaśnienie i komentarz w języku polskim TUTAJ

MODEL Z EFEKTEM STAŁYM (FE)

ZAŁOŻENIE: PRAWDZIWY EFEKT INTERWENCJI (WIELKOŚĆ I KIERUNEK) MA TĘ SAMĄ WARTOŚĆ W KAŻDYM BADANIU A EWENTUALNE OBSERWOWANE RÓŻNICE W EFEKTACH SĄ DZIEŁEM PRZYPADKU

(błąd doboru próby sampling error).

BRAK STATYSTYCZNEJ HETEROGENICZNOŚCI.

OCENIA POZIOM NIEPEWNOŚCI (przedział ufności)

BIORĄC POD UWAGĘ DOBÓR PRÓBY (sampling)

WEWNĄTRZ BADANIA A NIE ZMIENNOŚĆ (variation) POMIĘDZY BADANIAMI

MODEL Z EFEKTEM STAŁYM (FE)

• metoda Mantel-Haenszel (M-H)

gdy wskaźnik zdarzeń jest niski lub wielkość badania mała w zależności od miary wielkości efektu dobiera się stosowny schemat ważenia

(weighting scheme)

• metoda Peto

tylko do sumowania niewielkich ilorazów zdarzeń (OR) - bliskich 1

gdy grupy E i C w poszczególnych badaniach są ilościowo równe

MODEL Z EFEKTEM ZMIENNYM (RE)

ZAŁOŻENIE: WIELKOŚĆ I KIERUNEK EFEKTU W KAŻDYM BADANIU MOGĄ BYĆ RÓŻNE

​

CEL: UZYSKANIE ŚREDNIEJ DLA DYSTRYBUCJI EFEKTÓW INDYWIDUALNYCH BADAŃ

​

SKUTEK: BARDZIEJ OSTROŻNY SZACUNEK ŁĄCZONYCH ILORAZÓW ZDARZEŃ. SZERSZE PRZEDZIAŁY UFNOŚCI I MNIEJSZA PEWNOŚĆ CO DO PRAWDZIWEJ WARTOŚCI

BIERZE POD UWAGĘ ZARÓWNO:

• BŁĄD DOBORU PRÓBY (sampling error)�W KAŻDYM BADANIU
• ZMIENNOŚĆ (variation) POMIĘDZY BADANIAMI

MODEL Z EFEKTEM ZMIENNYM (RE)

metoda DerSimonian-Laird

​

• wykorzystywana gdy istnieje dowód na heterogeniczność danych;�
• zakłada że choć badania w meta-analizie oceniają różne efekty interwencji to są one zbliżone�
• błędy standardowe (standard error) szacunków poszczególnych badań są dostosowane tak by zawrzeć w niej miarę stopnia zmienności lub heterogeniczności wśród efektów interwencji zaobserwowanych w różnych badaniach (to zróżnicowanie często określane jako tau-square T²)

�

• Ilość zmian, a tym samym korektę, można oszacować na podstawie efektów interwencji i błędów standardowych badań włączonych do metaanalizy.

Wpływ leczenia operacyjnego na pełne wyzdrowienie złamania trzonu kości ramiennej.

​

MODEL Z EFEKTEM ZMIENNYM

(DerSimonian-

Laird)

​

EFEKT LECZENIA STATYSTYCZNIE NIEISTOTNY.

​

OR=0.88

95% CI (0.27-2.88)

HETEROGEN.:

X2(8)=39.61

P=0.001

WARIANCJA: 2.26

Liu G, Zhang C, Wu H. Comparison of Initial Nonoperative and Operative Management of Radial Nerve Palsy Associated With Acute Humeral Shaft Fractures.�ORTHOPEDICS. 2012; 35: 702-708. doi: 10.3928/01477447-20120725-10

Wpływ leczenia operacyjnego na pełne wyzdrowienie złamania trzonu kości ramiennej.

​

MODEL Z EFEKTEM STAŁYM (FE), METODA M-H

​

EFEKT LECZENIA STATYSTYCZNIE NIEISTOTNY.

​

EFEKT OGÓLNY:

OR=1.09

95% CI (0.73-1.64)

HETEROGEN.: X2(8)=39.73

P<0.001

Wpływ leczenia operacyjnego na pełne wyzdrowienie złamania trzonu kości ramiennej.

​

MODEL Z EFEKTEM ZMIENNYM

(DerSimonian-

Laird)

​

EFEKT LECZENIA STATYSTYCZNIE NIEISTOTNY.

​

OR=0.88

95% CI (0.27-2.88)

HETEROGEN.:

X2(8)=39.61

P=0.001

WARIANCJA: 2.26

Arezzo, A., Passera, R., Scozzari, G., Verra, M. and Morino, M. 2012. Laparoscopy for rectal cancer reduces short-term mortality and morbidity: results of a systematic review and meta-analysis. Surgical endoscopy, pp. 1--18.

Seitz DP, Adunuri N, Gill SS, Gruneir A, Herrmann N, Rochon P. Antidepressants for agitation and psychosis in dementia. Cochrane Database of Systematic Reviews 2011, Issue 2. Art. No.: CD008191. DOI: 10.1002/14651858.CD008191.pub2.

Co to jest CMAI? Odpowiedź TUTAJ

O'Meara S, Al-Kurdi D, Ologun Y, Ovington LG, Martyn-St James M, Richardson R. Antibiotics and antiseptics for venous leg ulcers. Cochrane Database of Systematic Reviews 2014, Issue 1. Art. No.: CD003557. DOI: 10.1002/14651858.CD003557.pub5.

Sophia Zoungas, Toshiharu Ninomiya, Rachel Huxley, Alan Cass, Meg Jardine, Martin Gallagher, Anushka Patel, Ali Vasheghani-Farahani, Gelareh Sadigh, Vlado Perkovic; Systematic Review: Sodium Bicarbonate Treatment Regimens for the Prevention of Contrast-Induced Nephropathy. Annals of Internal Medicine. 2009 Nov;151(9):631-638.

PREZENTACJA ZOSTAŁA OPRACOWANA NA PODSTAWIE:

1. StatSoft, Internetowy Podręcznik Statystyki.

http://www.statsoft.pl/textbook/glosfra_stat.html

2. Borenstein, M., Hedges, L. V., Higgins, J. P.T. and Rothstein, H. R. (2010),

A basic introduction to fixed-effect and random-effects models for meta-analysis. Res. Synth. Method, 1: 97–111. doi: 10.1002/jrsm.12

3. Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. The Cochrane Collaboration, 2011.

4. Boswell C., Cannon S. Introduction to Nursing Research. Incorporating Evidence-Based Practice

Jones&Bartlett Learning, 3rd edition, 2014

5. Steven H. Woolf The Meaning of Translational Research and Why It Matters, JAMA, (styczeń 2008) Vol 299

6. Khoury MJ, Gwinn M, Ioannidis JP The emergence of translational epidemiology: from scientific discovery to population health impact, Am J Epidemiol. 2010 Sep 1;172(5):517-24. doi: 10.1093/aje/kwq211. Epub 2010 Aug 5.�7. Olajide Ajetunmobi, Hodder Arnold, Making sense of critical appraisal, 2002,Oxford University Press Inc,. USA

Statistics Toolkit, Perera R., Heneghan C., Badenoch D. January 2008, Wiley-Blackwell, BMJ Books�8. Trisha Greenhalgh, How to read a paper. The basics of Evidence-Based Medicine, May 2010, 4th edition, Wiley-Blackwell�9. Ian Shrier, Structural Approach to Bias in Meta-analyses, Research Synthesis Methods, Volume 2, Issue 4, pages 223–237, December 2011

10. Mark C. Simmonds, Jayne Tierney, Jack Bowden and Julian PT Higgins, Meta-analysis of time-to-event data: a comparison of two-stage methods, Research Synthesis Methods, Volume 2, Issue 3, September 2011, Pages: 139–149�11. Megan D. Higgs, Do We Really Need the S-word?, American Scientist, styczeń-luty 2013, Vol 101, No 1, str 6�12. Anne Dabrow Woods, Ellen Fineout-Overholt, Shawn Kennedy,Demystifying Research: Simplifying Critical Appraisal, OvidSP live presentation, March 2012 (notatki własne z wykładu “na żywo”)���

​