📊Метаанализ

Метаанализ — статистический метод объединения результатов нескольких независимых исследований для получения общего вывода. Если одно исследование — показание одного свидетеля, то метаанализ — показания 20 свидетелей, проанализированные по единой методике.

Зачем объединять исследования

Представьте: 10 исследований изучают, помогает ли медитация от тревожности. 6 нашли эффект, 4 — нет. Кому верить? Все 10 опубликованы в рецензируемых журналах, все методологически корректны. Разные выборки, разные страны, разные протоколы — и разные результаты.

Метаанализ решает эту проблему: он объединяет данные всех 10 исследований (допустим, 3500 участников суммарно) и рассчитывает общий эффект с учётом размера каждой выборки, качества исследования и разброса результатов. Результат: один надёжный вывод вместо десяти противоречивых.

Арчи Кокран (Archie Cochrane, 1972) в книге «Effectiveness and Efficiency» первым призвал к систематическому обобщению медицинских исследований. В 1993 году в его честь основано Cochrane Collaboration — международная организация, выпускающая «золотой стандарт» систематических обзоров.

Систематический обзор vs метаанализ

Систематический обзор — методичный поиск и анализ ВСЕХ исследований по теме. Протокол поиска фиксируется заранее (какие базы, какие ключевые слова, критерии включения/исключения). Цель — исключить cherry-picking: нельзя выбрать только «удобные» исследования.

Метаанализ — статистическая часть систематического обзора: количественное объединение данных. Не каждый систематический обзор включает метаанализ (иногда исследования слишком разнородны для объединения), но каждый метаанализ должен быть частью систематического обзора.

Как читать forest plot

Forest plot (лесной график) — стандартная визуализация метаанализа. Каждая строка — одно исследование. Квадрат показывает размер эффекта (чем больше квадрат — тем больше выборка). Горизонтальная линия — доверительный интервал.

Вертикальная линия — «линия нулевого эффекта». Если доверительный интервал пересекает эту линию — исследование не нашло статистически значимого эффекта. Ромб внизу — общий результат метаанализа: если он не пересекает линию нулевого эффекта — есть основания для вывода.

Пример: метаанализ Goyal et al. (JAMA, 2014) о медитации и тревожности. 47 RCT, 3515 участников. Ромб: средний эффект 0.38 [0.12–0.64]. Не пересекает ноль → медитация снижает тревожность с умеренным эффектом.

Гетерогенность: когда объединять нельзя

Если исследования слишком разнородны (разные популяции, дозировки, длительность), их объединение может быть некорректным — как вычислять среднюю температуру по больнице.

I² (I-квадрат) — показатель гетерогенности. I² = 0% — исследования однородны. I² = 25% — низкая гетерогенность. I² = 50% — средняя. I² > 75% — высокая: объединение результатов рискованно, нужен subgroup analysis (анализ подгрупп).

Пример: метаанализ о влиянии витамина D на иммунитет. I² = 82%. Разбивка по подгруппам: для людей с дефицитом витамина D эффект значимый, для людей с нормальным уровнем — нет. Общий метаанализ «размывал» этот эффект.

Ограничения метаанализа

Garbage in — garbage out. Метаанализ не может быть лучше включённых в него исследований. Если 15 из 20 исследований имели малые выборки и слабый дизайн, метаанализ унаследует эти проблемы.

Publication bias. Если исследования с отрицательными результатами не опубликованы, метаанализ анализирует только «положительные» — и переоценивает эффект. Тест Эггера и funnel plot (воронкообразный график) помогают выявить эту асимметрию.

Lumping problem. Объединение слишком разнородных исследований (разные дозы, популяции, методы) создаёт бессмысленный средний результат. Как пишут критики: «Мы провели метаанализ яблок, апельсинов и кирпичей — средний фрукт оказался несъедобным».

Как найти и прочитать метаанализ

Cochrane Library (cochranelibrary.com) — крупнейшая база систематических обзоров в медицине. PubMed — фильтр «Systematic Review» в боковой панели. Google Scholar — запрос «systematic review» или «meta-analysis» + тема.

При чтении обращайте внимание на: количество включённых исследований (>10 — хорошо), общий размер выборки, I² (гетерогенность), funnel plot (publication bias), subgroup analyses. И помните: даже метаанализ — не последнее слово. Новые данные могут изменить выводы.