Meta-analyse Flashcards
Hva er en metaanalyse?
En metaanalyse er en kvantitativ tilnærming for å systematisk oppsummere og analysere resultatene fra flere studier som omhandler samme tema eller problemstilling.
Formålet med en metaanalyse er å kombinere data fra flere uavhengige studier for å gi en mer presis estimat av en effektstørrelse.
Dette gjøres ved å veie resultatene fra de ulike studiene, slik at større og mer pålitelige studier får større innflytelse på den samlede konklusjonen.
Hva er fordelene med metaanalyse?
Reduserer subjektivitet: En metaanalyse reduserer subjektiviteten som ofte er til stede i kvalitative oppsummeringer.
Øker statistisk styrke: Ved å kombinere data fra flere studier, øker den statistiske styrken, noe som bedrer presisjonen i resultatene.
Vektet effektstørrelse: Meta-analyser oppsummerer resultatene i en vektet effektstørrelse, som gir en mer presis estimat ved å gi mer vekt til studier med større utvalgsstørrelser og lavere varians.
Vurdering av publikasjonsbias: De kan undersøke om publikasjonsbias er et problem, noe som er viktig for å sikre at analysen ikke bare inkluderer studier med positive funn.
Beskriver variasjon i effekt: Meta-analyser gir en detaljert oversikt over heterogeniteten (variasjon i effektstørrelser) mellom studier og mulighet til å undersøke årsaker til denne variasjonen.
Generering av nye forskningsspørsmål: Resultatene kan hjelpe med å identifisere nye forskningsspørsmål basert på funnene og analysen av eksisterende data.
Hva er forskjellen mellom en systematisk review og en metaanalyse?
En systematisk review er en kvalitativ syntese av forskning, mens en metaanalyse er en kvantitativ analyse som statistisk kombinerer resultatene fra flere studier
Hva er stegene i en metaanalyse?
1. Identifisere kunnskapshull og formulere forskningsspørsmål: Start med å identifisere et spesifikt kunnskapshull eller problemstilling som skal undersøkes. Deretter formuleres et forskningsspørsmål og en testbar hypotese.
2. Bestemme inklusjons- og eksklusjonskriterier: Definer klare kriterier for hvilke studier som skal inkluderes eller ekskluderes fra analysen basert på relevans, metodekvalitet, og andre faktorer.
3. Gjennomføre litteratursøk: Systematisk søk etter relevante studier i databaser som PubMed, PsycINFO, og Cochrane, og fjern duplikater.
4. Planlegge metoder: Utarbeide et kodeskjema og bestemme hvordan data skal trekkes ut fra de inkluderte studiene. Dette kan inkludere detaljer om populasjon, intervensjoner, utfall, og kontrollgrupper.
5. Registrere og kode data: Data fra de inkluderte studiene blir systematisk kodet ved bruk av de forhåndsdefinerte kriteriene.
6. Analysering og oppsummering av resultater: Utfør den statistiske analysen, inkludert beregning av effektstørrelser. Undersøk også heterogenitet (variasjon mellom studier) og publikasjonsskjevhet (publikasjonsbias).
7. Tolke og trekke konklusjoner: Basert på analysene trekkes konklusjoner om funnene, og man reflekterer over betydningen og implikasjonene av resultatene. Dette kan inkludere forslag til videre forskning.
Hvordan fungerer vektingen av effektstørrelser til de ulike studiene i en metaanalyse med fasteffekt-modellen?
Hver studie har en opprinnelig effektstørrelse.
Deretter finner vi variansen til hver studie (SE^2).
Deretter finner vi vekten til hver studie (1/SE^2).
Så finner vi den vektede effektstørrelsen til hver studie, ved å gange vekten med den opprinnelige effektstørrelsen.
Når utvalgsstørrelsen øker, reduseres standardfeilen, noe som igjen øker vekten til den aktuelle studien.
Hva er de fire kravene til en studie som skal inngå i en metaanalyse, og hvilken modell er det basert på?
De fire kravene til en studie som skal inngå i en metaanalyse er basert på PICO-modellen:
1. Participants (Deltakere): Studiene må beskrive deltakernes karakteristika, som (sosio)demografi, beskrivelse av populasjonen, eller spesifikke pasientkarakteristika. Det bør også inkluderes informasjon om klinisk setting og metoder som brukes, for eksempel målinger, diagnoser, og vurdering av klinisk personells kompetanse.
2. Interventions (Intervensjoner): Intervensjonen eller eksponeringen må være godt beskrevet. Dette inkluderer detaljert informasjon om innholdet i intervensjonen, eventuelle variasjoner, dosering, varighet, og hvordan den er implementert.
3. Comparison (Sammenligningsbetingelser): Det bør være klart definert hva kontrollbetingelsene er, som for eksempel placebo, venteliste, eller en annen form for behandling. Det er viktig å spesifisere om det er brukt enkle eller doble blindinger i studiene.
4. Outcomes (Utfall): Studiene må beskrive hvilke utfallsmål som er brukt, og skille mellom primære og sekundære utfallsmål. Dette inkluderer også informasjon om når post- og oppfølgingstester ble utført, og om eventuelle bivirkninger eller alvorlige bivirkninger ble rapportert.
Hvilke program kan man bruke for å gjennomfører en metaanalyse?
SPSS, R eller CMA.
Hva er Cohen´s d og hvordan regner man det?
Cohens´d er den typiske effektstørrelsen å regne.
Effektstørrelsen d beregnes som forskjellen mellom to gruppers gjennomsnitt (M1 og M2), delt på den samlede standardavviket (SDpooled).
Nevn de vanligste effektstørrelsene som brukes i en metaanalyse.
Standardiserte gjennomsnittsforskjeller:
- Cohen’s d
- Hedge’s g (mer konservativ ved lav N)
Assosiasjoner/korrelasjoner:
- Pearson r, Spearman rho
- Odds-ratio (OR), Risk-ratio (RR)
Andre:
- Prevalenser (proporsjoner, %)
- Overlevelse (hazard-ratio)
Hvorfor konverterer vi effektstørrelser i en metaanalyse?
Det er uproblematisk å kombinere ulike typer effektstørrelser (ES), ettersom de fleste kan konverteres til en felles ES.
Dette gjør det mulig å analysere og sammenligne resultater på tvers av studier som bruker forskjellige mål.
For eksempel kan Cohen’s d konverteres til Pearson r for å harmonisere data fra studier med forskjellige målemetoder, og omvendt kan Pearson r konverteres tilbake til Cohen’s d for sammenligning.
Hvilke to modeller brukes for å beregne den samlede effektstørrelsen? Si kort om de to
Fasteffektmodellen (Fixed Effect Model):
Antas at alle studiene deler en felles effektstørrelse. Variasjonene skyldes utvalgsfeil, og større studier får mer vekt.
Tilfeldige effekter-modellen (Random Effects Model):
Tar hensyn til både utvalgsfeil og reelle forskjeller mellom studiene. Brukes når studiene er heterogene, altså når effektstørrelsene varierer på grunn av ulike faktorer.
Valg av modell avhenger av om man antar at studiene har en felles effektstørrelse eller om det finnes reelle forskjeller mellom dem.
Beskriv Fasteffektmodellen (Fixed Effect Model)
Denne modellen antar at alle studier anvender de samme metodene og har samme validitetsbetingelser som utvalg, metodisk oppsett og gjennomføring.
Studiene antas å komme fra én populasjon med en felles effektstørrelse, og eventuelle variasjoner i effektstørrelser mellom studier skyldes utvalgsfeil (sampling error).
Effektstørrelsene vektes basert på standardfeilen, som bestemmes av studienes utvalgsstørrelse.
Hvordan finner vi den samlede vektet effektstørrelsen i fast-effekt modellen?
ES: summen av ES*weight delt på summen av vektene
Hvilken formel er dette?
SE til Cohens d
Beskriv random-effects modellen. Hvordan beregner man vekten til hver studie?
Denne modellen antar at studiene har variasjoner i hvordan designbetingelsene er operasjonalisert (ulike implementeringer) eller at validitetsbetingelsene varierer (forskjellige utvalg, målemetoder).
Variasjonen i effektstørrelser (ES) skyldes både utvalgsfeil og reelle forskjeller mellom studiene.
Vekten til hver studie beregnes som
1 / (variance within + variance between), hvor både variansen innen og mellom studiene tas med i beregningen.