[EBM] 不做綜合分析的理由 (Reasons of NOT Doing Meta-analysis)...

這棵大樹 (暗指森林圖 forest plot) 我們都想看到... 因為我們都有一個很壞的習慣,就是看到長得還有點像的數據就想"合併 (poll)"在一起... 這個動作在統計上叫做綜合分析 (meta-analysis)... 前天上課時,...

這棵大樹 (暗指森林圖 forest plot) 我們都想看到...

因為我們都有一個很壞的習慣,就是看到長得還有點像的數據就想"合併 (poll)"在一起...

這個動作在統計上叫做綜合分析 (meta-analysis)...

前天上課時,老師同樣問了這個大哉問,到底要不要合併在一起?

有趣的是,大家拼命在想合併起來的理由,但文獻中充斥的反而是不合併起來的"藉口 (excuses)"...

根據John loannids教授發表在BMJ上的分析結果,在系統性綜論/綜合分析中,最常被用來說明不合併在一起的理由分別是:

第三名 研究設計/收納族群不同 (different study design/participants)

第二名 統計異質性太高 (high statistical heterogeneity)

第一名 介入不同 (different intervention)

教授在文中也有提到,這些理由 (或稱為藉口) 大多數是可以克服的 (但無法完全克服)...

例如:

- 統計異質性高:做個次組分析 (subgroup analysis) 或綜合迴歸 (meta-regression) 看看造成異質性的原因吧

- 比較不同介入:可以考慮合併同類但不同的介入方式,例如同作用機轉/分類藥物

- 預後評估方法不同:如果只是量測單位不同,考慮換算一下吧

- 資料有限:只要研究大於等於兩個,還是可以進行綜合分析的 (當然結果在判讀上須要注意)

只要討論到要不要合併在一起,就會記起香蕉與橘子的梗 (下圖,合併香蕉跟橘子的結果),但如果我們找到的是香蕉跟橘子,那我們要先檢討搜尋流程了...@@

合併或不合併?教授的意見是,如果使用的方法得當,定量的結果會比定性來的好,但,更重要的,不論用什麼方法,如果我們不知道它在幹嗎,那結果可能都是誤導的...

"Any meta-analysis method, simple or advanced, may be misleading, if we don’t understand how it works."


Adapted from BMJ. 2008; 336: 1413-5.

You Might Also Like

0 comments