برای درک اینکه اگر یک درمان جدید برای بیماری واقعا بهتر از درمان های قدیمی است، پزشکان و محققان به بهترین شواهد موجود نگاه می کنند. متخصصان بهداشتی می گویند "آخرین کلمه" در شواهد برای حل سوالات در مورد بهترین حالت درمان است.

اما نه همه شواهد پزشکی برابر است. و سلسله مراتبی از شواهد وجود دارد: نظر کارشناسان و گزارش موارد مربوط به رویدادهای فردی در پایین ترین سطوح قرار دارد و آزمایش های تصادفی کنترل شده به خوبی انجام می شود. در بالای این سلسله مراتب، متاآنالیزها - مطالعاتی هستند که نتایج مطالعات متعدد را که از همان سئوال مطرح شده است، ترکیب می کنند. و خیلی بسیار بالای این سلسله مراتب، متاآنالیزهای انجام شده توسط یک گروه به نام " همکاری Cochrane.

محققان یا گروههای تحقیقاتی مستقل از همکاری Cochrane باید از دستورالعملهای بسیار دقیقی درباره نحوه گزارش دادن و انجام انجام متاآنالیزها پیروی کنند. به همین دلیل بررسی های کاکرین به طور کلی بهترین متا آنالیز است.

با این حال، هیچ کس تا به حال پرسید که آیا نتایج در متاآنالیز انجام شده توسط همکاری Cochrane متفاوت از متاآنالیز از منابع دیگر است. در تئوری، اگر شما یک متاآنالیز Cochrane و Non-Cocrhane را مقایسه کردید، هر دو در یک دوره زمانی مشابه منتشر شده، تمایل داشتید که آنها همان مطالعات را برای تجزیه و تحلیل انتخاب کرده و نتایج و تفسیر آنها بیشتر باشد یا کمتر مطابقت.

تیم ما در دانشکده بهداشت عمومی دانشگاه بوستون تصمیم گرفت تا متوجه شود. و شگفت آور، این نیست آنچه ما پیدا کردیم.

به هر حال، متا آنالیز چیست؟

تصور کنید که شما پنج کارآزمایی بالینی کوچک را انجام داده اید که همه آن ها سود مثبتی را برای به دست آوردن آسپیرین برای جلوگیری از حملات قلبی داشته اند. اما به این دلیل که هر یک از این مطالعات تنها تعداد کمی از موضوعات مطالعه را داشت، هیچ کدام نمی توانستند با اطمینان بیان کنند که اثرات مفید صرفا به خاطر فرصت نیست. در آماری، چنین مطالعاتی تحت عنوان "تحت فشار" قرار می گیرند.

یک روش خوب برای افزایش قدرت آماری این مطالعات وجود دارد: این پنج مطالعات کوچک را به یکی ترکیب کنید. این چیزی است که متا آنیزیس انجام می دهد. ترکیب چندین مطالعات کوچک را به یک تجزیه و تحلیل و در نظر گرفتن میانگین این مطالعات گاهی اوقات می تواند مقیاس ها را مطرح و اجازه دهید جامعه پزشکی با اطمینان مطمئن شوید که آیا یک مداخله داده کار می کند یا خیر.

متاآنالیزها کارآمد و ارزان هستند زیرا آنها نیازی به اجرای آزمایشهای جدید ندارند. در عوض، این موضوع یافتن تمامی مطالعات مربوطه است که قبلا منتشر شده است و این امر می تواند به طرز شگفت انگیزی دشوار باشد. محققان باید در جستجوی خود مداوم و روشمند باشند. پیدا کردن مطالعات و تصمیم گیری اینکه آیا آنها به اندازه کافی خوب برای اعتماد هستند، این است که در آن هنر و خطا این علم یک مسئله حیاتی است.

این در واقع یکی از دلایل اصلی همکاری Cochrane بود. Archie Cochrane، یک محقق خدمات بهداشتی، توانایی متاآنالیز را به رسمیت شناخت، بلکه اهمیت فوق العاده ای را برای انجام آن به درستی شناخت. متاآنالیزهای همکاری Cochrane باید به استانداردهای بسیار بالای شفافیت و سختی و بازتولید روش شناسی پایبند باشند.

متأسفانه، تعداد کمی از افراد می توانند زمان و تلاش خود را برای پیوستن به همکاری Cochrane متعهد کنند، بدین معنا که اکثریت فراوانی متا آنالیز توسط همکاری انجام نمی شود و ملزم به پیروی از استانداردهای خود نیستند. اما این واقعا مهم است؟

چگونه می توان دو روش متاآنالیز را متفاوت دانست؟

برای پیدا کردن، ما با شناسایی جفت های 40 از متاآنالیزها، یکی از کاکرین و دیگری نه، که با همان مداخلات (به عنوان مثال آسپرین) و نتیجه (به عنوان مثال، حملات قلبی) را تحت پوشش قرار دادیم، شروع شد، و سپس آنها را مقایسه و مقایسه کردیم.

اولا ما دریافتیم که تقریبا 40 درصد از متاآنالیزهای Cochrane و Non-Cochrane در پاسخهای آماری پایین به آنها اختلاف نظر دارند. به این معناست که خوانندگان معمولی، پزشکان یا سیاستگذاران بهداشتی، به طور مثال، تفسیر اساسا متفاوتی از اینکه مداخله موثر بوده یا نه، بسته به اینکه متا آنلیزهایی که اتفاق افتاده است، بخوانند، ارائه می شود.

دوم، این تفاوت ها به نظر می رسد سیستماتیک است. به طور متوسط ​​بررسی های غیر کاکرین، به طور میانگین، نشان می دهد که مداخلات مورد آزمایش آنها قوی تر بوده و بیشتر احتمال دارد که شرایط را درمان کنند یا برخی از عوارض پزشکی را از بین برود. در عین حال، بررسی های غیر کاکرین در دقت آنها دقیق تر بود، به این معنی که احتمال بیشتری وجود دارد که یافته ها صرفا به دلیل شانس باشد.

یک متاآنالیز چیزی بیش از یک میانگین وزنی فانتزی از مطالعات جزء آن نیست. ما شگفت زده شدیم که تقریبا 63 درصد از مطالعات شامل به یک یا چند مجموعه متاآنالیزها منحصر به فرد بود. به عبارت دیگر، علیرغم اینکه دو مجموعه متاآنالیزها احتمالا برای همان مقالات، با استفاده از معیارهای جستجو مشابه، در یک دوره زمانی مشابه و از پایگاههای مشابه مشابه، تنها حدود یک سوم از مقالات دو مجموعه شامل یکسان بود

به نظر می رسد که بیشتر یا بیشتر از این تفاوت ها به این واقعیت رسیده است که کاکرین اصرار بر معیارهای سخت تر دارد. یک تحلیل متاآنالیز تنها به اندازه مطالعاتی که در آن وجود دارد، خوب است و میانگین میانگین تحقیقات ضعیف منجر به نتیجه ضعیفی می شود. همانطور که می گوید، "زباله در، زباله."

جالب توجه است، تجزیه و تحلیل هایی که میزان تأثیرات بسیار بیشتری را گزارش می دهند، در سایر مقالات با نرخ بسیار بالاتر از آنالیزهایی که اندازه اثر پایین تر را گزارش می دهند، دوباره به آنها اشاره شده است. این یک تجسس آماری از گفتمان قدیمی روزنامه نگاری است: "اگر خونریزی شود، منجر می شود." اثرات بزرگ و جسورانه توجه بیشتری نسبت به نتایج نشان می دهد که نتیجه های حاشیهای یا دوگانه وجود دارد. جامعه پزشکی پس از همه، فقط انسان است.

چرا این مهم است؟

در سطح پایینی آن، این نشان می دهد که Archie Cochrane کاملا درست بود. سازگاری متدولوژیکی و سختی و شفافیت ضروری است. بدون آن، خطر این است که نتیجه بگیرد که چیزی که کار می کند یا خیر، و یا فقط مزایا را از بین می برد.

اما در سطح بالاتری، این نشان می دهد که ما هنوز مجبور هستیم که یک تفسیر واحد از ادبیات پزشکی ایجاد کنیم. متاآنالیزها اغلب به عنوان کلمه نهایی در مورد موضوع مورد استفاده قرار می گیرند، به عنوان داوران ابهام.

واضح است که این نقش با این واقعیت مواجه می شود که دو متا آنالیز، ظاهرا بر همین موضوع می تواند نتیجه های مختلفی به دست آورد. اگر متاآنالیز را به عنوان «استاندارد طلایی» در دوران کنونی «پزشکی مبتنی بر شواهد» مشاهده کنیم، چگونه پزشک متوسط ​​یا سیاست گذار یا حتی بیمار می تواند واکنش نشان دهد، زمانی که دو استاندارد طلا با یکدیگر متضاد هستند؟ اخطار اخطار

درباره نویسنده

کریستوفر J. Gill، دانشیار، گروه بهداشت جهانی؛ متخصص بیماری های عفونی، دانشگاه بوستون.

این مقاله در اصل در تاریخ منتشر شد گفتگو. دفعات بازدید: مقاله.

کتاب های مرتبط:

at InnerSelf Market و آمازون