Метаанализ — метод обобщения исследований¶
Метаанализ — это статистический метод обобщения результатов нескольких независимых исследований, посвящённых одной и той же проблеме, при котором данные отдельных работ объединяются в единую количественную оценку. В отличие от обычного обзора литературы, где выводы делаются на основе качественного описания работ, метаанализ позволяет получить численную сводную величину (например, общую величину эффекта) и оценить её статистическую значимость, используя формальные математические процедуры.
¶История
Термин «метаанализ» ввёл в научный оборот статистик Джин Гласс (Gene V. Glass) в 1976 году, определив его как «анализ анализов». Идея объединять результаты нескольких исследований возникла раньше: ещё в 1930-е годы в области сельскохозяйственной статистики Рональд Фишер обсуждал возможность комбинирования данных независимых испытаний. В медицине первые попытки систематического обобщения исследований предпринимались в 1950-е годы, однако именно работы Джека Хейнемана (Jack L. Hedges) и инструментарий, разработанный в 1970-е годы, превратили метаанализ в строгий количественный метод. В 1980-е годы метод получил широкое распространение в медицине и психологии, а в 1990-е — в экономике, социологии и педагогике. В России методика активно применяется с начала 2000-х годов, прежде всего в медицинских обзорах и диссертационных исследованиях.
¶Основные понятия
В метаанализе используются следующие ключевые понятия:
- Исходное исследование (primary study) — отдельная работа, данные которой включаются в обобщение.
- Сводная величина эффекта (effect size) — численная мера силы и направления наблюдаемого эффекта, вычисленная по данным одного исследования. Наиболее распространённые метрики: стандартизированная разница средних (Cohen's d, Hedges' g), отношение шансов (odds ratio), отношение рисков (risk ratio), коэффициент корреляции Пирсона.
- Взвешивание — каждое исследование вносится в итоговую оценку с весом, обратно пропорциональным дисперсии его результата; как правило, более крупные исследования с большей точностью получают больший вес.
- Модель эффектов — предположение о том, что все исследования измеряют один и тот же истинный эффект (фиксированные эффекты) или что истинные эффекты варьируются между исследованиями (случайные эффекты). Модель случайных эффектов используется чаще, так как реальные исследования редко бывают полностью гомогенными.
- Гетерогенность — степень различия результатов между исследованиями, оцениваемая с помощью статистик Q, I² и τ².
¶Методика проведения
Стандартная процедура метаанализа включает следующие этапы:
- Формулировка вопроса исследования и протокола обзора (заранее определяются критерии включения и исключения работ).
- Поиск литературы в базах данных (PubMed, РИНЦ, eLibrary, Cochrane Library, Web of Science) с указанием стратегии поиска.
- Отбор исследований по заранее заданным критериям; часто оценивается риск систематических ошибок (bias) с помощью инструментов типа Cochrane Risk of Bias, Newcastle-Ottawa Scale, Jadad scale.
- Извлечение данных из выбранных работ (извлекаются выборочные размеры, средние значения, стандартные отклонения, показатели эффекта).
- Расчёт сводного эффекта с использованием метааналитических моделей.
- Оценка гетерогенности и, при необходимости, проведение мета-регрессии или подгруппового анализа.
- Проверка публикационного смещения (кривые «воронкообразной диаграммы», тесты Эггера и Бегга).
- Интерпретация результатов и оценка достоверности выводов (например, по шкале GRADE).
¶Области применения
Метаанализ наиболее широко применяется в:
- Медицине и здравоохранении — Кокрейновские обзоры считаются «золотым стандартом» доказательной медицины; на основе метаанализов формируются клинические рекомендации.
- Психологии и педагогике — для оценки эффективности психотерапевтических методик, образовательных программ.
- Социологии и экономике — при обобщении эмпирических данных о влиянии факторов на социальные и экономические процессы.
- Биологии и экологии — для сводки результатов полевых и лабораторных исследований.
- Генетике эпидемиологии — в мета- и пан-геномных ассоциативных исследованиях (GWAS).
¶Ограничения
Метаанализ не лишён недостатков. Метод объединяет только те исследования, которые были опубликованы, что приводит к публикационному смещению: работы с нулевым или отрицательным результатом чаще остаются неопубликованными. Качество обобщения целиком зависит от качества исходных исследований: обобщение слабых работ не делает их сильнее («garbage in — garbage out»). Возможны проблемы сопоставимости: различия в дизайне, выборках, методиках и определениях переменных между исследованиями могут сделать их объединение не вполне корректным. Наконец, метаанализ обобщает уже существующие данные и не заменяет нового первичного исследования.
¶Критика
Критики метода указывают на субъективность выбора включаемых работ и метрик, а также на то, что сводная величина эффекта может скрывать важные различия между подгруппами. В некоторых случаях обобщённый результат оказывается противоречивым по отношению к отдельным крупным исследованиям. Тем не менее метаанализ признаётся одним из наиболее надёжных инструментов обобщения эмпирических данных и включён в иерархию доказательности на верхние ступени.
¶Источники
- Glass G. V. Primary, secondary, and meta (организация признана экстремистской, деятельность запрещена в РФ)-analysis of research. — Educational Researcher, 1976.
- Hedges L. V., Olkin I. Statistical Methods for Meta-Analysis. — Academic Press, 1985.
- Higgins J. P. T., Green S. (eds.). Cochrane Handbook for Systematic Reviews of Interventions. — Cochrane, 2011.
- Шевелев Н. Н. Метаанализ в медицинских исследованиях. — М.: ГЭОТАР-Медиа, 2016.
- Справочник по доказательной медицине / под ред. М. Б. Копылова. — М., 2018.