Meta-analyse

In een meta-analyse worden resultaten of data van verschillende studies samengevoegd om tot een meer betrouwbare uitspraak te komen [1]. Voor vragen over het uitvoeren van een meta-analyse verwijzen wij naar het Dutch Cochrane Centre.

Wat is het verschil tussen een meta-analyse en een systematic review?

De term 'systematic review' heeft vooral van doen met het systematisch literatuur zoeken, beoordelen en beschrijven. Een meta-analyse is een statistische analyse waarbij de, meestal samengevatte, resultaten van verschillende studies gecombineerd worden tot een 'overall' resultaat. Dit heeft dus meer te maken met het doen van bepaalde berekeningen waarbij de resultaten van ieder van de gevonden studies input is. Soms worden de studieresultaten van verschillende studies gecombineerd waarbij er van iedere studie niet de samengevatte resultaten als input dienen, maar waarbij er van iedere studie van iedere patiënt informatie is. Het poolen van dergelijke per-patiënt data wordt aangeduid als een 'individual patient data' meta-analyse.

Het tutorial artikel How to do a meta-analysis [1] geeft stap voor stap aan hoe je een meta-analyse uitvoert. Je kunt ook de veelgestelde vragen van het Dutch Cochrane Centre lezen.

Welke software kan ik gebruiken om een meta-analyse uit te voeren?

De algemene pakketten om statistische analyses uit te voeren bieden in het algemeen geen voorgeprogrammeerde routines om meta-analyses uit te voeren.

• SPSS heeft geen voorgeprogrammeerde routines om meta-analyses uit te voeren.
• Op internet kom je verschillende syntax bestanden en macro's voor SPSS en Excel tegen. Het is moeilijk om te beoordelen of deze de benodigde parameters op de juiste manier berekenen.
• STATA heeft geen meta-analyse command, maar gebruikers van dit pakket hebben diverse packages hiervoor geschreven. Je kunt op de STATA website meer hierover lezen.
• Er zijn diverse packages voor R om meta-analyses uit te voeren. Een goede beginpunt is de CRAN task view meta-analysis.

Er zijn ook diverse programma's die gericht zijn op het uitvoeren van een meta-analyse.

• Review Manager (RevMan) is een programma ontworpen om een Cochrane Review te schrijven en onthouden. Hiermee kan je verschillende typen meta-analyses uitvoeren.
• OpenMeta is een open source programma om meta-analyses uit te voeren.

Ik wil de prevalentie (1 arm) over verschillende studies poolen, welke software is hiervoor beschikbaar?

Je kunt deze analyse uitvoeren in R gebruik makend van de metaprop functie uit de package meta.

Hoe kan ik de gemiddelde en standaard deviatie van een behandel- en een controlegroep poolen om de gemiddelde en standaard deviatie van beide groepen samen te krijgen?

Voor een review wil ik voor een overzicht van de geconcludeerde artikelen de gemiddelde en standaard deviatie van de gehele studie populatie beschrijven. In de artikelen staat echter vaak een aparte gemiddelde en standaard deviatie voor de behandel- en een voor de controlegroep. Hoe kan ik hiermee een gemiddelde en standaard deviatie van de gehele studiepopulatie berekenen?

Stel we noemen de gemiddelde en standaard deviatie van de controlegroep $m_{1}$ en $s_{1}$ en de mean en standaard deviatie van de behandelgroep $m_{2}$ en $s_{2}$. Zeg dat de controle groep $n_{1}$ patiënten bevat en de behandelgroep $n_{2}$. De gemiddelde van de twee groepen samen $m$ is dan simpel een gewogen gemiddelde van de twee gemiddelden:

$m={\frac {(n_{1}*m_{1}+n_{2}*m_{2})}{(n_{1}+n_{2})}}$

Voor het berekenen van de gepoolde standaarddeviatie is meer nodig. Hiervoor kun je de volgende formules aanhouden. Het is hierbij belangrijk om te weten dat de variantie gelijk is aan de standaard deviatie in het kwadraat, oftwel $\operatorname {Var} _{1}=s_{1}^{2}$ en $\operatorname {Var} _{2}=s_{2}^{2}$. Dan is

$\operatorname {Var} ={\frac {(n_{1}*\operatorname {Var} _{1}+n_{2}*\operatorname {Var} _{2}+n_{1}*(m_{1}-m)^{2}+n_{2}*(m_{2}-m)^{2})}{(n_{1}+n_{2})}}$

Tenslotte kan je de standard deviatie van beide groepen samen, $s$ krijgen door de wortel te nemen: $s={\sqrt {\operatorname {Var} }}$.

Hoe kan ik twee gepaarde gemiddeldes beschreven in verschillende studies vergelijken?

Voor een systematic review over een bepaalde chirurgische ingreep heb ik data verzameld uit 5 publicaties. Door deze ingreep neemt de hypertrofie, uitgedrukt in gram, een continue variabele af. In deze 5 studies is de gemiddeld preoperatieve hypertrofie bekend met een standaard deviatie. Ook de gemiddelde hypertrofie na follow-up is bekend, ook met standaard deviatie. Alle studies laten een afname in de gemiddelde hypertrofie zien na de ingreep. Nu vragen wij ons af of het mogelijk is om aan te geven of de afname significant is. Ik denk dat ik de ruwe data zou moeten hebben zodat ik een paired t-test kan doen. De ruwe data heb ik echter niet. Hoe kan ik de afname gerapporteerd in de verschillende studies testen?

Om hier een formele toets op te kunnen doen, is er naast de gemiddelde + sd preoperatief en na follow up inderdaad nog extra informatie nodig. Door het gepaarde design heb je gegevens nodig over de mate van correlatie tussen de voor en de nameting. Je zou dat af kunnen leiden als de artikelen bovenop de genoemde mean en sd’s nog een van de volgende zaken vermelden:

- gemiddeld verschil tussen voor en na + sd of se

- of: toetsresultaat, bijv een paired t-test: t-statistic of p-waarde is voldoende

Zie ook Deel 16.1.3.2 van het Cochrane handboek voor verdere uitleg. De paired t-test kan inderdaad niet. Een mogelijke analyse zou een meta-analyse zijn op basis van changes + sd’s (die je dus eventueel kunt afleiden uit se’s of gepaarde test statistics).

Referenties

• Psych-wiki.com - Meta-analysis
• Thompson SG, Higgins JPT, How should meta-regression analyses be undertaken and interpreted? Stat Med. 2002 Jun 15;21(11):1559-73.

Referenties

1. Field AP, Gillett R. How to do a meta-analysis. Br J Math Stat Psychol. 2010 Nov;63(Pt 3):665-94. DOI 10.1348/000711010X502733

2. Fay MP. Confidence intervals that match Fisher's exact or Blaker's exact tests. Biostatistics. 2010 Apr;11(2):373-4. DOI 10.1093/biostatistics/kxp050

Klaar met lezen? Je kunt naar het OVERZICHT van alle statistische onderwerpen op deze wiki gaan of naar de pagina KEUZE TOETS voor hulp bij het uitzoeken van een geschikte toets of analyse. Wil je meer leren over biostatistiek? Volg dan de AMC e-learning Practical Biostatistics. Vind je op deze pagina's iets dat niet klopt? Werkt een link niet? Of wil je bijdragen aan de wiki? Neem dan contact met ons op.

De wiki biostatistiek is een initiatief van de voormalige helpdesk statistiek van Amsterdam UMC, locatie AMC. Medewerkers van Amsterdam UMC kunnen via intranet ondersteuning aanvragen.