Metaanalys Flashcards
Vad är en metaanalys?
En statistisk procedurs som INTEGRERAR resultat från flera oberoende studier som anses gå att KOMBINERA.
Vilka är stegen i processen för en metaanalys?
a) Definiera forskningsfrågan
Definiera forskningsfrågan genom att följa akronymen PICO. Identifiera participants, intervention, kontrollgrupp och outcome. Exempel:
Deltagare = Ungdomar mellan 15-18 år med sömnproblem.
Intervention = KBT för insomni.
Kontrollgrupp = Ungdomar mellan 15-18 år som inte behandlats för insomni.
Utfall = Hur många timmar per natt ungdomarna sover.
Forskningsfrågan får inte vara för bred eller för smal, är den för bred är det svårt att hantera datan och lättare att riskera blanda ihop studier med vitt skilda deltagare, metoder och syften. Är den för smal blir det svårare att hitta studier.
b) Bestäm tillvägagångssätt
Hur ska vi hitta studier? Exempelvis vilka sökord används?
c) Litteratursökning
Sök i elektroniska databaser, detta är dock inte heltäckande och kan kompletteras genom att söka vidare i referenser i lästa studier (backward seeking). Man kan även kontakta forskare på området.
d) Kodning av studier
Anledningen till detta är att effekterna av studierna ofta skiljer sig och man behöver koderna för att kunna se de underliggande faktorerna som påverkar detta.
Exempel på saker som är viktiga att koda: typ av försökspersoner (kön, ålder o.s.v.), hur urvalet har rekryterats, studiens design samt metoder som använts för att samla in data m.m.
e) Uträkning av effektmått.
Ofta genom Cohens d (alltså effektstorlek), odds ratio eller korrelationskoefficienten r kan också användas. Alla studiers effektstorlek + tillhörande standardfel sammanställs och kombineras. Val av effektstorlek styrs av vilken typ av studier det rör sig om i metaanalysen.
f) Kontroll av homogenitet
Här menar man en kontroll utav effektstorlekarnas homogenitet, man kontrollerar alltså att de flesta studier har en effektstorlek med konfidensintervall som överlappar med de andra studierna. Alla effektstorlekar måste inte överlappa för att uppnå homogenitet men ca 95 %. Detta kan mätas genom chi-två eller Q-statistics.
g) Vad utmärker studier med effekter?
Publikationsjäv (bias)
Vi utgår ifrån att resultatet på studierna är normalfördelat i en metaanalys. Det stämmer dock inte alltid eftersom alla studier inte får publiceras, detta kan bero på att forskare ej vill publicera nollresultat eller negativa resultat. Detta innebär att vi då måste kontrollera för publikationsjäv. Det kan kontrolleras för genom att söka fram studier som ej publicerats och inkludera dessa i studien.
Vad kan vara svårt att ta ställning till vid genomförandet av en metaanalys?
- Vilket mått ska användas?
- Vad är det som ska jämföras? Behandling, kotroll?
- Förändring eller slutstatus?
- Hur ska dropours hanteras? Finns två sätt att se på detta
1. Man använder all data och uppskattar vad dropoutsen skulle skattat
2. Det blir konstigt att dra slutsatser om vad dropoutsen skulle svara.
Fördelar med metaanalys?
- En observerad trend i ett flertal studier kan sammanlagt innebära en tydlig effekt vid en metaanalys
- Tvingar oss att vara tydliga vad gäller antagandet om vilka studier som är viktiga, vilka som använder accepterbar metodologi och vilka som har brister
- Tvingar forskaren att läsa studier och granska data
- Kan generera nya hypoteser samt förklara konstigheter i litteraturen
Vad är cohens d?
Ett effektmått, effektstorlekt, räknas ut:
Medel behandling – medel kontroll / sammanvägning av konfidensintervall
d = .20 – liten effekt
d = . 50 – medeleffekt
d = . 80 - storeffekt
Vad finns det för risker med fixering vid en viss signifikansnivå?
- Vad är det egentligen som säger att p<0.05 är drastiskt mycket sämre än p=0.06?
- Det finns en risk för att vi sorterar bort viktiga resultat.
- Att det lurar oss att inte kontrollera för effektstorlekar.
Vad har p-värdet för brister?
- Att P-värdet misstolkas, p-värdet står för sannolikheten att få ett liknade resultat (som erhållits) givet att nollhypotesen är sann. P-värdet anger INTE sannolikheten för replikation. Ett högt p-värde är inte heller samma sak som att nollhypotesen är sann (det är dvs. inte lika med att nollhypotesen är sann).
- Det kan anses problematiskt att p-värdet ska vara mindre än 0.05 för att vara statistiskt signifikant. Vad är det som säger att ett p-värde på 0.06 är så mycket sämre? Det finns en risk för att man sorterar bort viktiga resultat för p-värdet inte är mindre än 0.05.
- P-värdet kan förleda oss till att inte kontrollera effektstorlekar, hur stor effekten på skillnaden man hittat är.
- Det “bevisar” dessutom bara hypotesen genom att visa hur osannolikt resultatet är om nollhypotesen är sann, vilket blir “proof by contradiction”
Vad talar p-värdet om?
P-värdet står för sannolikheten att få ett liknande resultat (som man erhållit) givet att nollhypotesen är sann. Dvs. ”hur stor chansen är att detta resultat beror på slumpen/inte är någonting”.
Vad kan p-värdet har förtjänster?
- Det ger forskare ett beslutskriterium att utgå ifrån,
- P-värdes gränsen hjälper oss sortera bort knasiga resultat.
- Teorier kan testas utan att effektens storlek är av särskilt stor betydelse. (Gäller inte i klinisk forskning!).
Vad säger p-värdet om kliniks nytta?
P-värdet säger ingenting om den kliniska nyttan, det säger inget om effektstorlekarna.
