İlk aramanın yapılması, önerilen konseptin doğrulanması, daha önce tartışılan konuların tekrarlanmasının önlenmesi ve analiz için yeterli sayıda makalenin doğrulanması açısından önemli bir adımdır. Bu süreç sadece bir formalite değil, alana önemli bir katkıdır (Tawfik vd., 2019) .
Protokolü ve kapsamı oluşturduktan sonraki adım, titiz bir tam aramadır. Çok sayıda çalışma ortaya çıkacak, ancak bunların çoğu çalışmanın başlığına, özetine veya yayınlandığı yere dayalı kriterler kullanılarak ilgisiz olduğu gerekçesiyle bir kenara atılacak. Geriye kalan 'potansiyel olarak ilgili' çalışmalar daha yakından okunmalı ve ilgili ve ilgisiz olarak bölünmelidir. Bu süreç, her adımdaki kağıt sayısında önemli bir azalmaya yol açabilir. Başlangıçta ilgili olduğunu ve meta-analiz için uygun olmadığını belirlediğiniz çok sayıda (çoğunlukla) çalışmaya hazırlıklı olun. Son adım, ilgili makalelerden gerekli bilgilerin (etki boyutları ve moderatörler) çıkarılmasıdır. Çıkarmak istediğiniz tüm bilgilerin dahil edilmesini sağlayan kesinleştirilmiş bir veri tablosu çok önemlidir.
Sonlandırılmış bir veri elektronik tablosuna sahip olduğunuzda, ilgili makalelerden oluşan bir yığın oluşturmak ve etki boyutunu çıkarmak için bunlara geri dönmek ile onu okurken bir makaleden veri çıkarmak arasındaki dengeyi anlamak çok önemlidir. İlkinin avantajı, e-tablonuzun çıkarmak istediğiniz tüm bilgileri içerdiğinden daha emin olabilmenizdir. İkincisinin avantajı, bir makaleyi bir kez derinlemesine okuyabilmenizdir.
Bir çalışmanın tam olarak nasıl tasarlandığını ve bir etki büyüklüğü elde etmek için hangi ilgili verilere ihtiyaç duyulduğunu anlamak şaşırtıcı derecede karmaşık olabilir. Bu süreçte iyi not almak çok önemlidir ve ikinci okumada genellikle kolay değildir. İlgili çalışmaların ana özelliklerini iyi anladığınızdan eminseniz, bir veri tabanı tasarlamayı ve bir makaleyi ilgili olarak sınıflandırır sınıflandırmaz verileri çıkarmayı düşünebilirsiniz. Tabii ki uyarımız şu ki, daha sonra ek bir moderatör terimi kodlamanız veya çalışmaya dahil edilme kriterlerinizi ayarlamanız gerektiğini fark ederseniz yine de bu makalelere geri dönmek zorunda kalabilirsiniz. İlk okumadan bilgi çıkarmak, spesifik ve sıradan bir deneysel tasarımı yakından takip eden çalışmalarla uğraşırken en uygunudur.
Papakostidis ve Giannoudis (2023), son yıllardaki kalite iyileştirme yönündeki son eğilime rağmen, halihazırda yayınlanan meta-analizlerde metodolojik eksikliklerin bulunduğuna dikkat çekmektedir. Sistematik incelemeler ve meta-analizler, PRISMA (Sistematik İncelemeler ve Meta-Analizler için Tercih Edilen Raporlama Öğeleri) yönergeleri (bkz. Şekil 4) gibi katı ve şeffaf kurallara uygun olmalı ve arama sürecinin tekrarlanabilirliğini ve sağlamlığını, güvenilirliğini sağlamalıdır. bulgularının geçerliliği ve raporlamanın netliği. Bu yönergeler, arama stratejisinin şeffaf raporlanması, çalışma seçim süreci, veri çıkarma ve veri sentezi dahil olmak üzere yukarıda belirtilen tüm gerekliliklerin karşılandığından emin olmak için temel adımları özetlemektedir:
- Prospektif bir çalışma protokolü, sistematik bir inceleme ve meta-analizin temel taşıdır. Önyargıyı azaltma ve şeffaflığı sağlamadaki rolü abartılamaz. Bu iyi yapılandırılmış ve kısa ve öz belge, sistematik inceleme metodolojisindeki potansiyel değişiklikler de dahil olmak üzere, araştırma süreci boyunca tüm adımları yeterince açıklamalıdır. Bunu yaparak, bu değişiklikleri haklı çıkarır ve inceleme için veri seçiminde yanlılığın ortaya çıkmasını önler.
- Arama süreci sadece bir adım değil, sistematik bir inceleme ve meta-analizin omurgasıdır. Sağlam ve tekrarlanabilir yapısı, uygun çalışmalardan elde edilen tüm ilgili verilerin dahil edilmesini sağlar. Bu, PubMed, EMBASE veya SCOPUS gibi veritabanlarının gerekli olduğu birden fazla elektronik veri tabanının ve referans listesinin aranmasını içerir. Cochrane, Web of Science ve ProQuest gibi ek veritabanları da dikkate alınmalıdır. Ayrıca konferans tutanaklarının özetlerini arayarak potansiyel olarak ilgili gri literatürü belirlemek de faydalı olacaktır. Ancak yetersiz arama stratejileri ve dil kısıtlamaları, uygun çalışmaların sayısını sınırlayarak önemli miktarda yayın yanlılığı ortaya çıkarabilir. Bu önyargı, en kapsamlı arama stratejisinde bile mümkündür, çünkü çalışmaların tamamının veya bir çalışmadan elde edilen tüm sonuçların yayınlanamaması beklenebilir.
- Birincil çalışmaların iç geçerliliği: "İç geçerlilik" terimi, bir çalışmanın çeşitli kafa karıştırıcı unsurları sınırlandırarak bir tedavi ile sonuç arasında güvenilir bir neden-sonuç ilişkisi kurma yeteneğini ifade eder. Bu, dahil edilen çalışmaların metodolojik kalitesi ve önyargı riskiyle yakından bağlantılı çok önemli bir husustur. Hem RCT'ler (randomize kontrollü çalışmalar) hem de gözlemsel çalışmalar için birincil çalışmalarda önyargı riskini değerlendirmek üzere çeşitli araçlar geliştirilmiştir.
- Cochrane Collaboration Önyargı Riski aracının (RoB-2) en son sürümü[1] RCT sonuçlarındaki yanlılık riskinin değerlendirilmesi için bir çerçeve sağlar. Çalışma bulgularına potansiyel yanlılığın dahil edildiği beş alan halinde yapılandırılmıştır: (1) rastgeleleştirme süreci; (2) amaçlanan müdahalelerden sapmalar; (3) sonuç verilerinin eksik olması; (4) sonucun ölçümü; (5) bildirilen sonuçların seçimi (Sterne ve diğerleri, 2019). Her önyargı alanında, spesifik sinyal soruları önyargı değerlendirmesi riskiyle ilgili bilgileri ortaya çıkarmayı amaçlamaktadır [2]. Araç, bu sinyal sorularına verilen yanıtları, her alan için önerilen bir önyargı riski kararıyla eşleştiren algoritmalar içerir. Olası önyargı riski yargıları şunlardır: (1) Düşük önyargı riski, (2) Bazı endişeler ve (3) Yüksek önyargı riski. Araç, "trafik ışıkları" ekranı olarak tasvir edilmiştir. Rastgele Olmayan Müdahale Çalışmalarında Önyargı Riski (ROBINS-I) aracı, potansiyel önyargı oluşumunun yedi alanını özetlemektedir (bkz. Tablo 3): ikisi "müdahale öncesi" aşamada, biri "müdahale sırasında" aşamasında ve biri "müdahale sırasında" aşamasında ve dördü "müdahale sonrası" aşamada.
- Veri Analizi ve Raporlama: Bireysel çalışmalardan elde edilen verileri birleştirmek örneklem büyüklüğünü ve istatistiksel gücü artırırken, istatistiksel heterojenliğin varlığını araştırmak da çok önemlidir. Derlenen çalışmalarda tedavi etkisindeki bu tutarsızlık yanıltıcı olabilir ve sonuçlara olan güveni azaltabilir. İstatistiksel heterojenliğin ölçülmesi genellikle spesifik istatistiksel testlere (Higgins-I, Cochran Q-testi) dayanır. Meta-analiz yazarları , çalışma protokolünün başlangıcında önsel hipotezlere dayalı olarak alt grup ve duyarlılık analizlerini uygun şekilde tasarlayıp gerçekleştirerek istatistiksel heterojenliğin varlığını araştırmalıdır . Bu tür hipotezler, birleştirilmiş analiz sonuçlarının, örneğin örneklerin klinik özelliklerine, metodolojik konulara, çalışma tasarımına ve çalışmaların coğrafi kökenine dayalı olarak potansiyel olarak daha homojen veri alt kümeleri (alt gruplar) halinde araştırılmasını içerir. Birleşik etki tahminleri üretmek için iki farklı istatistiksel model kullanılmaktadır. Verilerin bir araya toplanması için uygun istatistiksel modelin seçimi, çalışmalar arasındaki heterojenliğin varlığına bağlıdır. Bununla birlikte, bir modelin diğerine tercih edilmesini zorunlu kılacak heterojenlik derecesine ilişkin net sınır değerleri tanımlanmamıştır. Öte yandan, heterojenliğe yönelik istatistiksel testler genellikle önemli heterojenliği tespit etme konusunda yetersizdir:
- Sabit etkiler modeli, tüm çalışmalar genelinde birleştirilmiş etki tahminiyle temsil edilen tek bir gerçek etki boyutunu varsayar. Bu model genellikle bir meta-analizde heterojenlik olmadığında ve geniş örneklem büyüklüğüne sahip çok sayıda çalışma olduğunda kullanılır. Bu gibi durumlarda, heterojenlik testinin önemli farklılıkları tespit edecek kadar güçlü olduğuna dair güven vardır. Bu model kullanılarak elde edilen sonuçlar daha dar güven aralıklarına sahip olma eğilimindedir. Heterojenlik konusunda endişeler varsa rastgele etkiler modelinin (DerSimonian ve Kacker, 2007) daha iyi bir seçim olduğu düşünülmektedir. Nokta tahminleri etrafında daha geniş güven aralıkları üretir ve analiz için daha temkinli bir seçenektir. Gerçek etkinin farklı popülasyonlar arasında değişmesinin beklendiği tıp alanında, rastgele etkiler modelinin daha sık kullanılması daha uygundur. Yeterli örneklem büyüklüğüne sahip yeterince fazla sayıda çalışmayı içeren ve istatistiksel heterojenliğin henüz tespit edilemediği meta-analizlerde sabit etkiler modelinin kullanılması mantıklıdır. Son olarak, bir meta-analizden elde edilen özetlenmiş kanıtların kalitesi GRADE, AMSTAR veya PRISMA aracının şeffaf çerçevesi kullanılarak değerlendirilmelidir (bkz. Şekil 4). İlgilenilen her sonuç için etki tahminine olan güveni değerlendirirler. Bunların meta-analizlerde kullanılmaması şeffaflığın eksikliğine yol açabilir ve potansiyel olarak yanıltıcı sonuçlara yol açabilir.
- Rastgele etkiler modeli, klinik özelliklerindeki farklılıklar nedeniyle gerçek etki tahmininin orijinal çalışmalar arasında farklılık gösterdiğini varsayar. Bu nedenle, bu modele dayalı olarak oluşturulan birleşik etki büyüklüğü tahmini, tüm bireysel çalışmaların tahminlerinin ortalama bir tahminini temsil etmektedir.
- Bir meta-analizin sonuçlarının analiz edilmesi. Bir meta-analizin sonuçlarının anlamlılığı göz önünde bulundurularak analiz edilmesi önemlidir. İstatistiksel olarak anlamlı bir varyans, eğer ilgi yoksa anlamlı değildir. Ek olarak, herhangi bir fark, yeterince büyük bir örneklem büyüklüğü ile istatistiksel anlamlılığa ulaşabilir. Bunun tersine, anlamlı olmayan bir genel etki tahmini hesaplanırken, ilgili olduğu düşünülen şeyin bu tahminin güven aralığına girip girmediğinin dikkatli bir şekilde değerlendirilmesi önemlidir.
- Sonuçların doğrulanması önemli bir adımdır. Alanında tanınmış bir kurum olan Oxford Üniversitesi'ndeki CEBM gibi kanıt merkezleri önemli değerlendirme araçları geliştirmektedir. Bir meta-analizden toplanan kanıtların güvenilirliğini, bilimsel önemini ve uygulanabilirliğini belirlemede etkilidirler . Beş anahtar soruyla CEBM, çalışmanın bulgularının geçerliliğini belirlemek için güvenilir bir yöntemdir.
[1] https://methods.cochrane.org/bias/resources/rob-2-revised-cochrane-risk-bias-tool-randomized-trials
[2]https://www.bmj.com/content/366/bmj.l4898.long adresindeki Tablo 1'e bakın.
