Tämän blogikirjoituksen tarkoituksena on koittaa vastata
kysymyksiin mikä on meta-analyysi ja miten se eroaa systemaattisesta
kirjallisuuskatsauksesta ja miksi on tärkeää osata tulkita meta-analyysejä.
Mikä on meta-analyysi ja miten se liittyy systemaattiseen
kirjallisuuskatsaukseen?
Kaikessa lyhykäisyydessään, meta-analyysin tarkoituksena on
yhdistää useita samaa ilmiötä tutkineita aineistoja. Näin toimien voidaan
lisätä interventio- sekä kontrolliryhmän välisten erojen löytämistä.
Meta-analyysin taustalla on aina huolellisesti tehty systemaattinen
kirjallisuuskatsaus. Meta-analyysi kuitenkin eroaa systemaattisesta kirjallisuuskatsauksesta
siten, että meta-analyysin tulokset esitetään aina soveltuvien tilastollisten
analyysimenetelmien kautta. (Uusaro & Martikainen 2012; Ruotsalainen 2017.)
Mikäli yksittäisiä pienempiä tutkimuksia halutaan yhdistää meta-analyysiin (ja
jotta tulosten yhdistäminen on ylipäätään edes mahdollista), tulee niiden
käsitellä samaa tarkoin rajattua aihetta/ilmiötä (Uhari & Nieminen 2014).
Meta-analyysien avulla tuotetaan siis tiivistettyä tietoa
johonkin ilmiöön liittyen. Meta-analyysi tuo ”voimaa” yhdistämällä pienempiä aineistoja,
tarpeen etenkin tilanteissa joissa yksittäisten tutkimusten tulokset eivät
yksiselitteisesti anna vastausta esim. hoitomuodon vaikuttavuuden arvioinnista
(Uusaro & Martikainen 2012.) Meta-analyysejä voidaan hyödyntää muun muassa
näyttöön perustuvassa toiminnassa. Tämä toki edellyttää, että meta-analyysi on
luotettava ja sen raportointi on läpinäkyvää. Läpinäkyvyys on elinehto meta-analyysin
laatua arvioitaessa (Ruotsalainen 2017.)
Laadun arvioinnista lisää muun muassa seuraavilla sivuilla
Miksi sitten on tärkeää osata tulkita meta-analyysejä?
Kuten sanottu, meta-analyysejä voidaan hyödyntää näyttöön
perustuvassa toiminnassa edustamassa vahvaa tieteellistä näyttöä. Tällöin on
toki olennaisen tärkeää, että osaa ylipäätään tulkita meta-analyysiestä saatuja
tuloksia. Onko esimerkiksi hoitomuoto vaikuttava suhteessa kontrolliryhmän
saamaan hoitomuotoon?
Meta-analyysin tulokset voidaan esittää graafisesti
(forest-plot). Tavallisesti esimerkiksi hoidon teho ilmoitetaan riskisuhteella
ja 95% luottamusvälillä. Riskisuhteen arvo 1, on kuvattuna pystyviivalla, ja
mikäli luottamusvälit leikkaavat sen, ei tulos ollut tilastollisesti merkittävä.
Meta-analyysin tuloksena saatu uusi riskisuhde kuvataan yleensä alimmaisena.
Yhteinen riskisuhde on ”timantin muotoinen” ja sen äärikulmat kuvaavat 95%
luottamusvälejä (Uhari & Nieminen 2012.)
Meta-analyysejä on syytä lukea ja tulkita kriittisesti,
sillä niiden metodologinen laatu saattaa olla kyseenalainen. Meta-analyyseihin
saattaa esimerkiksi liittyä julkaisuharjaa, jolloin vain alkuperäsitutkimukset
eivät ole riittävän heterogeenisiä. Toisin sanoen, on julkaistu vain, jos
niiden tulokset ovat olleet tilastollisesti merkittävät. Tämä saattaa siten johtaa
esimerkiksi intervention tehon yliarvioimiseen. Meta-analyysien tulkitseminen
vaatii lukijaltaan perehtyneisyyttä. Alkuperäsitutkimusten heterogeenisyyttä
voidaan arvoida esimerkiksi Funnel-plot kuvion avulla.
Yhteenvetona voisi sanoa, että on tärkeää osata lukea sekä
arvioida meta-analyysien tuottamaa tiivistettyä tietoa. Tämä vaatii lukijalta
etenkin tilastotieteen perusteiden hallitsemista, jotta voi arvioida tulosten
luotettavuutta. Meta-analyysien hyödyntäminen on lisääntynyt kiihtyvää vauhtia,
joten mitenkään merkityksettömästä ilmiöstä ei ole kyse.
LÄHTEET:
Ruotsalainen H (2017) Systemaattinen katsaus: Meta-analyysi.
Luento-diat 1.2.2017. Oulun yliopisto.
Uhari & Nieminen (2014) Systemaattiset katsaukset.
Epidemiologia ja biostatistiikka. Duodecim.
Uusaro & Martikainen (2012) Meta-analyysien arvot ja
mahdolliset heikkoudet tutkimustiedon arvioinnissa. Finnanest 45 (4) 350-354
Ei kommentteja:
Lähetä kommentti