В большинстве систематических обзоров используют статистичес кие методы обобщения данных — мета-анализ. При решении вопроса о проведении мета-анализа следует учитывать не только возможности статистических методов, но и клинический опыт, да и просто здравый смысл. Объединять можно как непрерывные, так и дихотомические данные. В большинстве мета-анализов обобщаются результаты рандомизированных испытаний, хотя статистические методы объединения можно применять и для данных, получаемых в ходе исследований другого типа (например, при оценке информативности методов диагностики или обсервацион ных исследованиях). Цель мета-анализа — выявление, изучение и объяснение различий (неоднородности, или гетерогенности) в результатах исследований, а также более точная оценка изучаемого эффекта. При использовании модели постоянных эффектов предполагается, что изучаемое вмешательство во всех исследованиях оказывает один и тот же эффект, а выявляемые различия обусловлены только дисперсией внутри исследования. Модель случайных эффектов предполагает, что влияние изучаемого вмешательства в разных исследованиях может быть разным. Эта модель учитывает дисперсию не только внутри одного исследования, но и между разными исследованиями. Проведение мета-регрессионного анализа (в котором единицей наблюдения считается не больной, а исследование) может помочь оценить влияние отдельных факторов на конечный результат (величину эффекта) и объяснить причину различий в результатах анализируемых исследований. Кроме того, важно оценить устойчивость результатов с помощью анализа чувствительности, а также их зависимость от методологического качества исследований и возможных систематических ошибок, в том числе связанных с преимуществен ным опубликованием положительных результатов. В количественном систематическом обзоре (мета-анализе) результаты нескольких исследований объединяют с помощью статистических методов. Мета-анализы проводят для оценки результатов испытаний методов лечения и диагностики, а также эпидемиологических исследований. Применяемые при мета-анализе статистические методы на первый взгляд могут показаться слишком сложными, но цель их проста: они должны дать ответ на четыре основных вопроса. Однородны ли результаты различных исследований? Насколько они однородны и какова наилучшая оценка изучаемого эффекта? Насколько точна и устойчива к различным влияниям эта оценка? И наконец, можно ли объяснить причины различий в результатах отдельных исследований? Данная статья помогает понять основные принципы статистических методов объединения данных. Мы не приводим математические формулы и уравнения; для получения дополнительной информации можно воспользоваться прилагаемым списком литературы. В статье главным образом рассматривается количественное объединение результатов рандомизирован ных испытаний методов лечения, поскольку большинство опубликованных мета-анализов посвящены именно этому вопросу. Для удобства статистическое объединение данных представлено в виде последовательных этапов: 1) решение вопроса о необходимости объединения данных и отбор оригинальных исследований; 2) оценка статистической неоднородности результатов оригинальных исследований; 3) обобщенная оценка величины эффекта; 4) изучение и объяснение причин неоднородности; 5) оценка вероятности наличия систематических ошибок; 6) представление результатов мета-анализа.
Мета-регрессионный анализ
Дальнейший анализ чувствительности зависит от вида и особенностей изучаемого вопроса, а также от возможных причин неоднородности. С помощью мета-регрессионного анализа можно оценить влияние определенных переменных (ковариат) на величину лечебного эффекта, наблюдаемого в каждом оригинальном исследовании [22]. Результаты мета-регрессион ного анализа обычно представляют в виде коэффициента наклона с указанием ДИ. Изучаемые характеристики могут отражать особенности исследования или особенности больных. Это может быть признак, общий для всех больных (например, конкретный способ введения препарата в каждом из исследова ний), или среднее значение определенного показателя для всей когорты (например, средний возраст). Средние значения параметров следует интерпрети ровать с осторожностью, поскольку они не всегда отражают важные для анализа особенности небольших групп больных [23—25]. Некоторые параметры встречаются во всех оригинальных исследованиях, например размер выборки, дисперсия результатов исследования и частота развития изучаемого исхода в контрольной группе (доля больных из контрольной группы, у которых наблюдается изучаемый исход). Наличие других зависит от изучаемого вопроса. В разных исследованиях эти параметры нередко собраны и представлены по-разному, в таких случаях они не пригодны для анализа. Существует несколько методов мета-регресси онного анализа, в том числе регрессия взвешенных наименьших квадратов, логистическая регрессия и иерархические модели [22, 26—28].