Meta-analyse Frode Svartdal UiTø April 2014 © Frode Svartdal

Meta-analyse  Statistisk prosedyre for å oppsummere funn fra flere undersøkelser  Viktig redskap for å trekke konklusjoner der enkeltundersøkelser ikke tillater en entydig konklusjon  For eksempel:  noen studier viser forventet effekt  noen studier viser motsatt effekt  noen viser 0 effekt

Meta-analyse Områder der meta-analyser anvendes:  Virker en bestemt terapi-metode?  Virker kognitiv atferdsterapi?  Virker en bestemt klinisk behandlingsteknikk?  Jfr. evidensbasert medisin  Hva sier egentlig forskning om en bestemt problemstilling som har vært mye studert?  Er effekten av belønning positiv (jfr. undermining)?

Meta-analyse Informasjon som inngår i analysen:  Effektstørrelse  Antall deltakere i undersøkelsen

Effektstørrelse I  Effekt viser til ”the degree to which a phenomenon exists” (Cohen, 1977)  Hvor stor er en gruppeforskjell?  Hvor sterkt samvarierer to variabler?  Hvor mange av de som får behandling blir friske, sammenlignet med en kontrollgruppe som ikke får behandling?

Effektstørrelse II  Effektstørrelse i en undersøkelse angis ved et mål som gjør sammenligning med andre undersøkelser mulig  Typiske mål:  Forskjeller mellom grupper  Gjennomsnitt behandlings-gruppe vs. gjennomsnitt kontrollgruppe  Samvariasjon (korrelasjon) mellom variabler

Effektstørrelse III: Eksempel For to gruppegjennomsnitt:  Behandlingsgruppe: 10Kontrollgruppe: 16  Standardavviket (variasjon i skårene rundt gjennomsnittet) = 8  Effektstørrelse (ES): (10 – 16) / 8 = 0,75  Dvs. Målt i forhold til standardavviket, skårer behandlingsgruppen 0,75 høyere enn kontroll  Viktig: Jo mer variabilitet i skårene (=høyere standardavvik), desto mindre effektstørrelse

Effektstørrelse IV  Flere måter å beregne effektstørrelse på  Rate differences, odds ratios, relative risks, mean differences, correlations  Flere betegelser på effektstørrelse  ES, d, r  Vanlig fortolkning av d  Liten = 0,20  Medium = 0,50  Stor = 0,80  Fortolkningen kan variere noe fra område til område

n (antall deltakere)  Undersøkelse 1: n = 16  Behandlingsgruppe: 8  Kontroll: 8  Undersøkelse 2: n = 50  Behandlingsgruppe: 25  Kontroll: 25  Konklusjon fra undersøkelse 1 er sannsynligvis sikrere enn fra undersøkelse 2; hvorfor?

n  Power: Er undersøkelsen vår slik at den kan oppdage en effekt hvis den faktisk er der?  n er viktig: Få deltakere reduserer power, mange deltakere øker power  Hvor mange?  Hvis små gruppeforskjeller  øk n  Hvis stor variasjon innen gruppene  øk n

Meta-analyse  I meta-analysen inngår  undersøkelser med (omtrent) samme metode  og man registrerer  n (antall deltakere)  effektstørrelse

Meta-analyse: Eksempel  Hjelper tiltak X mot hjerteinfarkt?  Effektstørrelse her: Odds ratio  Study 1: Treatment 26 / 264 Control: 32 / 253  Study 2: Treatment xx / xxControl: xx / XX  Odds ratio: Lett å regne ut vhja statistikkprogram  Betydning i følgende eksempel:  1.0 indicates no effect,  values less than 1.0 reflect a better outcome for the treated group (mindre sjans for hjerteinfarkt)  values over 1.0 reflect a better outcome for the control group

høy n lav n Effekt Kombinert datasett

Meta-analyse: Generelt  Hjelpemiddel til å oppsummere data fra mange enkeltstudier  Tar hensyn til  antall deltakere  effektstørrelse  Viktig, siden enkeltstudier ofte gir sprikende svar

Meta-analyse: Generelt  Gitt at man finner en overall effekt av flere studier, kan man beregne hvor mange studier med 0-funn som må til for å rokke ved konklusjonen  Se boka!

Meta-analyse: Noen lenker  Diskusjon av teknikken   Eksempel  Artikkel som bruker meta-analyse  l l  Kritisk kommentar til denne artikkelen  l l  Programvare  