Pytanie o schemacie PICOT to kompas i punkt wyjścia dla przeglądu literatury medycznej. Jak zadać pytanie klinicznie istotne? Jak wykorzystać elementy pytania klinicznie istotnego jako hasła dla wyszukiwania i wreszcie jak ocenić krytycznie meta-analizę - o tym wszystkim przeczytasz w tej prezentacji.

1. OD PYTANIA BADAWCZEGO
DO OCENY KRYTYCZNEJ META-ANALIZ.
WYBRANE ZAGADNIENIA PODSTAWOWE
1. PYTANIE KLINICZNIE ISTOTNE (26)
2. MOC STATYSTYCZNA BADANIA I
MIARY WIELKOŚCI EFEKTU (49)
3. ELEMENTY WYKRESU FOREST PLOT (62)
4. HETEROGENICZNOŚĆ (71)
5. MODELE ŁĄCZENIA ILORAZÓW ZDARZEŃ (83)
Artur Sołtysiak, styczeń 2014

2. SPOSÓB CYTOWANIA:
Artur Sołtysiak “Od pytania badawczego do oceny krytycznej meta-analiz. Wybrane zagadnienia podstawowe”.
v1, prezentacja, styczeń 2014
Treść licencji: http://creativecommons.org/licenses/by-nc-nd/3.0/pl/legalcode

3. „Każda pielęgniarka czy pielęgniarz powinien
przynajmniej rozumieć cel i proces praktyki
opartej na dowodzie, umieć zadać klinicznie
istotne pytania i wiedzieć kto w jego
środowisku może mu pomóc na nie
odpowiedzieć”
Donna Ciliska, Evid.Based Nurs. 2006;9;38-40 doi:10.1136/ebn.9.2.38,
tłumaczenie: Artur Sołtysiak

4. ZAMIAST WSTĘPU:
1. HIPOTEZA ZEROWA (H0
) I HIPOTEZA ALTERNATYWNA (H1
)
2. HIPOTEZA PRZYCZYNOWA/KIERUNKOWA (causal hypothesis)
3. HIPOTEZA BEZKIERUNKOWA (nondirectional hypothesis)
4. HIPOTEZA ASOCJACYJNA (associative hypothesis)
5. ZMIENNA ZALEŻNA I ZMIENNA NIEZALEŻNA
6. ZMIENNA ZEWNĘTRZNA (extraneous variable)
7. ZMIENNA UWIKŁANA (confounding variable)

5. PYTANIE BADAWCZE HIPOTEZA
PYTA CZY ISTNIEJE ZWIĄZEK
POMIĘDZY ZMIENNYMI W
OKREŚLONEJ POPULACJI
PRZEWIDUJE LUB ZAKŁADA
RELACJĘ KTÓRA ISTNIEJE
DLA BADAŃ ILOŚCIOWYCH:
MA PRZYNAJMNIEJ 2
KOMPONENTY: POPULACJĘ I
ZMIENNĄ KTÓRA MA BYĆ
BADANA (pytanie PICOT)
STAWIA PYTANIE KTÓRE
MOŻNA PODDAĆ TESTOWI
DLA BADAŃ ILOŚCIOWYCH
I JAKOŚCIOWYCH
TYLKO DLA BADAŃ
ILOŚCIOWYCH

6. PYTANIE BADAWCZE:
Czy obecność rodziców w pokoju zabiegowym w trakcie zakładania
obwodowego kontaktu żylnego wpływa na poziom lęku u dzieci w
wieku przedszkolnym?
ISTNIEJĄ RÓŻNE HIPOTEZY NA TEN TEMAT...

7. HIPOTEZA ZEROWA (H0
) zwana hipotezą statystyczną:
BADACZ JEST PRZEKONANY ŻE ZWIĄZEK POMIĘDZY ZMIENNYMI
LUB WŚRÓD ZMIENNYCH W BADANIU NIE ISTNIEJE LUB WIEDZA
EMPIRYCZNA LUB TEORETYCZNA
JEST NIEWYSTARCZAJĄCA BY POSTAWIĆ PYTANIE BADAWCZE.
PRZYKŁAD:
Obecność rodziców w gabinecie zabiegowym w trakcie zakładania
obwodowego kontaktu żylnego nie ma wpływu na poziom lęku u dzieci w
wieku przedszkolnym.

8. POZIOM ISTOTNOŚCI (significance level)
Są tylko dwa wyjścia:
1) nie odrzucamy H0
(nie ma wystarczającego dowodu przeciw H0
na korzyść H1
)
2) odrzucamy H0
na korzyść H1
HIPOTEZA ZEROWA (H0
)
H0
to twierdzenie które testujemy
H1
to hipoteza alternatywna. Twierdzenie hipotezy alternatywnej
zostanie przyjęte jeśli H0
zostanie odrzucona.
Wynik testu statystycznego prezentujemy w świetle H0
.

9. Wniosek "nie odrzucam H0
"
nie oznacza to automatycznie że H0
jest prawdziwa.
Oznacza to, że nie ma wystarczającego dowodu by odrzucić H0
na korzyść H1
.
Wniosek "odrzucam H0
" na korzyść H1
,
czyli sugeruję że H1
MOŻE być prawdziwa
(a nie że z pewnością H1
jest prawdziwa).
POZIOM ISTOTNOŚCI (significance level)

10. MOŻLIWE SĄ DWA BŁĘDY
Type I error (α-error)
H0
jest odrzucona chociaż jest prawdziwa
(obrona: test istotności)
Type II error (β-error)
H0
zostaje zaakceptowana chociaż na prawdę jest fałszywa.
(Nie znaleziono różnicy pomiędzy próbami chociaż ona
naprawdę istnieje = słaba moc badania)
POZIOM ISTOTNOŚCI (significance level)

11. HIPOTEZA KIERUNKOWA (przyczynowa):
PROGNOZUJE ŚCIEŻKĘ I KIERUNEK RELACJI POMIĘDZY
MINIMUM DWIEMA ZMIENNYMI. ZMIENNA NIEZALEŻNA JEST
PRZYCZYNĄ INNEJ ZMIENNEJ - ZALEŻNEJ
PRZYKŁAD:
A: Obecność rodziców w gabinecie zabiegowym w trakcie zakładania
obwodowego kontaktu żylnego zmniejsza poziom lęku u dzieci w wieku
przedszkolnym.
B: Obecność rodziców w gabinecie zabiegowym w trakcie zakładania
obwodowego kontaktu żylnego zwiększa poziom lęku u dzieci w wieku
przedszkolnym.

12. HIPOTEZA BEZKIERUNKOWA:
PROGNOZUJE RELACJĘ POMIĘDZY MINIMUM DWIEMA
ZMIENNYMI BEZ WSKAZYWANIA NA NATURĘ LUB KIERUNEK
TEJ RELACJI
Zazwyczaj gdy niewiele wiemy o przedmiocie badania lub gdy
poprzednie prace badawcze są sprzeczne.
PRZYKŁAD:
Obecność rodziców w gabinecie zabiegowym w trakcie zakładania
obwodowego kontaktu żylnego wpływa na poziom lęku u dzieci w
wieku przedszkolnym.

13. HIPOTEZA ASOCJACYJNA:
ZMIANIE JEDNEJ ZMIENNEJ TOWARZYSZY ZMIANA
INNEJ ZMIENNEJ. BEZ SUGESTII ŻE ZMIANA W
JEDNEJ ZMIENNEJ SPOWODOWAŁA ZMIANĘ W
INNEJ ZMIENNEJ.

14. ZMIENNE (variables):
MIERZALNE JAKOŚCI LUB CECHY CHARAKTERYSTYCZNE
OSÓB, RZECZY LUB SYTUACJI KTÓRE MOGĄ PODLEGAĆ
ZMIANIE, ZRÓŻNICOWANIU LUB PRZYPADKOWYM
ODCHYLENIOM
TO PODSTAWA BADAŃ ILOŚCIOWYCH:
STANOWIĄ PRZEDMIOT BADAŃ W DANEJ POPULACJI

15. ZMIENNA NIEZALEŻNA (independent variable):
➢ jest w badaniu od samego początku
➢ badacz nią manipuluje
➢ ma wpływ na inną zmienną (zależną)
PRZYKŁADY:
➢ LEK I JEGO POSZCZEGÓLNE DAWKI
➢ DANY SPOSÓB PIELĘGNACJI
(np: zmiana ułożenia pacjenta nieprzytomnego w łóżku)
➢ CZĘSTOTLIWOŚĆ, CZAS TRWANIA EKSPOZYCJI LUB INTERWENCJI
➢ OBECNOŚĆ LUB NIEOBECNOŚĆ CZYNNIKA, OSÓB
(np: obecność rodziców przy dzieciach w trakcie bolesnych zabiegów)

16. ZMIENNA ZALEŻNA (dependent variable):
➢ pojawia się w przebiegu badania jako skutek
➢ nie podlega manipulacji lecz obserwacji i pomiarom
➢ jej wartość/wielkość zależy od wartości/wielkości
zmiennej niezależnej
PRZYKŁADY:
➢ ODPOWIEDŻ NA LEK I JEGO POSZCZEGÓLNE DAWKI
➢ EFEKT DANEGO SPOSOBU PIELĘGNACJI
(np: pobudzenie procesów naprawczych skóry, zachowanie integracji tkanki skórnej)
➢ POJAWIENIE SIĘ FENOMENU (np: zmniejszony lęk, zwiększone zaufanie, sprawniejsza
komunikacja, lepsza współpraca z pacjentem, zwiększenie liczby osób biorących udział w
badaniach przesiewowych dla danej populacji)

17. ZMIENNA ZEWNĘTRZNA (extraneous variable):
➢ niechciana “zmienna niezależna”
➢ ma wpływ na efekt badania choć nie jest zmienną
niezależną wprowadzoną przez badacza
➢ zagraża trafności wyników badania
(validity of study results)
PRZYKŁADY:
➢ ALERGIA / UZALEŻNIENIE / INNE LEKI WCHODZĄCE W INTERAKCJE
A ODPOWIEDŹ NA DANY LEK I JEGO POSZCZEGÓLNE DAWKI
➢ CHOROBY WSPÓŁISTNIEJĄCE U PACJENTA A EFEKT DANEGO SPOSOBU
PIELĘGNACJI (np: niski poziom białka a pobudzenie procesów naprawczych skóry)
➢ WIEK I ZDOLNOŚCI POZNAWCZE A POJAWIENIE SIĘ FENOMENU
(np: lęk, zwiększone zaufanie, sprawniejsza komunikacja, lepsza współpraca z pacjentem,
zwiększenie liczby osób biorących udział w badaniach przesiewowych dla danej populacji)

18. ZMIENNE ZEWNĘTRZNE:
➢ należy je rozpoznać i jeśli to możliwe wyeliminować we stępnej fazie
projektu badania
➢ jeśli nie można ich wyeliminować - należy zastosować środki by je
maksymalnie zmniejszyć lub wprowadzić kontrolę zmiennych
zewnętrznych w badaniu
JEŚLI NIE MAMY KONTROLI NAD ZNANĄ ZMIENNĄ ZEWNĘTRZNĄ
STAJE SIĘ ONA ZMIENNĄ UWIKŁANĄ (confounding variable)
WYNIKI BADANIA SĄ NIETRAFNE (invalid):
wyjaśnienie nie odzwierciedla zjawiska do którego się odwołuje.

19. BADACZ MOŻE KONTROLOWAĆ / ANALIZOWAĆ
ZMIENNE ZEWNĘTRZNE JEŚLI SĄ ZNANE I MIERZALNE.
STRATEGIE REDUKCJI UWIKŁAŃ (confounding):
➢ randomizacja (randomization) cel: losowa dystrybucja zmiennych uwikłanych
(confounding variables) w grupach
➢ restrykcja (restriction): ograniczenie “wejścia” do badań osobom z czynnikami
uwikłanymi (confounding factors) - samo w sobie wiąże się z ryzykim
tendencyjności
➢ dopasowanie (matching) osób lub grup by zapewnić równomierną dystrybucję
uwikłań
➢ stratyfikacja (stratification): uwikłania są równo rozdzielone wewnątrz każdej
warstwy (subpopulacji badania)
➢ dostosowanie (adjustment) - zazwyczaj zniekształcone przez wybór standardu
➢ analiza wieloczynnikowa (multivariate analysis) ma sens tylko wtedy gdy
można rozpoznać i zmierzyć uwikłania

20. TRZY GŁÓWNE ZAGROŻENIA
DLA TRAFNOŚCI BADANIA
1: TENDENCYJNOŚĆ (bias): błąd systematyczny (systematic error) w sposobie dobrania
pacjentów, pomiarze punktów końcowych lub sposobie analizowania danych:
➢ brak lub defekt randomizacji (nierówne grupy)
➢ słabe zaślepienie (prowadzi do tendencyjnych wniosków)
➢ utrata znaczącej liczby uczestników badania, brak lub zbyt krótkie śledzenie
postępów (follow-up)
TENDENCYJNOŚĆ PUBLIKACJI (publication bias):
autor nie zawarł w pracy przeglądowej wszystkich istotnych dla pytania klinicznego
badań (nie chciał lub słaba strategia wyszukiwania); charakterystyczne dla meta-analiz,
rzadko w przeglądach systematycznych.

21. FUNNEL PLOT
czyli gdzie się podziała reszta badań?
➢ wykres opiera się na założeniu, że jeśli wszystkie przeprowadzone na
określony temat badania przedstawić graficznie jako funkcję wielkości
indywidualnych efektów do wielkości indywidualnych prób (sample size) to
uzyska się kształt odwróconego lejka (funnel)
➢ zazwyczaj duże badania mają bardziej precyzyjne rezultaty które niewiele
odbiegają od średniej szacunkowej (mean estimate) podczas gdy rezultaty
małych badań szeroko odbiegają od średniej szacunkowej

22. 2: PRZYPADKOWOŚĆ (chance): wyniki są dziełem przypadku a nie rezultatem
terapii, leczenia, pielęgnacji lub ekspozycji; szczególnie próby małej wielkości są
narażone na przypadkowość
3: UWIKŁANIE (confounding): błąd w interpretacji co może być trafnym
wyznacznikiem, miarą dla punktu końcowego;
PRZYKŁAD: U ludzi noszących przy sobie zapałki istnieje większe
prawdopodobieństwo zachorowania na raka płuc
(zapałki noszą zazwyczaj palacze a u palaczy istnieje wysokie ryzyko raka płuc)
Dowód opiera się na mylnym związku noszenia zapałek a występowaniu raka płuc.
Czynnik uwikłany (confounding factor): palenie papierosów
TRZY GŁÓWNE ZAGROŻENIA
DLA TRAFNOŚCI BADANIA
(ciąg dalszy)

23. ANALIZA INTENTION-TO-TREAT (ITT)
czyli w przyrodzie nic nie ginie
analiza ITT ma miejsce kiedy wszyscy losowani uczestnicy byli zgłoszeni i
analizowani w grupach do których byli przydzieleni przez najważniejszy moment
pomiaru punktu końcowego, bez względu na niezgodnosć (non-compliance) i
współ-interwencje (co-interventions).
Analiza dotyczy badań z grupą kontrolną (RCTs meta-analizy, przeglądy
systematyczne) gdzie badana jest skuteczność interwencji (nie dotyczy jeśli
badany jest tylko efekt).
Założenie: aby wynik badania był wiarygodny, wszyscy uczestnicy badania są
brani pod uwagę jako całość w końcowym etapie badania, nawet jeśli niektórzy go
nie ukończyli.

24. ANALIZA INTENTION-TO-TREAT (ITT) - OCENA
A - TAK: wyraźnie podane przez autorów, że analiza ITT została
przeprowadzona co zostało potwierdzone w trakcie oceny badania; lub nie
podane ale jasno wynika z oceny badania że została ona przeprowadzona
B - NIEJASNE: opisano jako analiza ITT jednak ocena badania tego nie
potwierdza, lub nie opisano i ocena badania nie jest w stanie potwierdzić
C - NIE: brak analizy ITT potwiedzony w trakcie oceny badania
Przykład: pacjenci którzy byli losowo przydzieleni do grup nie zostali ujęci w
analizie ITT ponieważ nie otrzymali przewidzianej w badaniu interwencji, lub
wycofali się z badania lub nie byli włączeni ze względu na naruszenie protokołu
badania niezależnie od tego czy ITT zgłoszono czy też nie

25. RODZAJ BRAKUJĄCYCH DANYCH MOŻLIWE POWODY
BRAKUJĄCE BADANIA
➢ TENDENCYJNOŚĆ PUBLIKACJI
➢ NIEDOSTATECZNE WYSZUKANIE
BRAKUJĄCE PUNKTY KOŃCOWE
➢ PUNKT KOŃCOWY NIE ZMIERZONY
➢ WYBIÓRCZA TENDENCYJNOŚĆ
SPRAWOZDAWCZOŚCI
BRAKUJĄCE DANE PODSUMOWANIA
➢ WYBIÓRCZA TENDENCYJNOŚĆ
SPRAWOZDAWCZOŚCI
➢ NIEKOMPLETNA SPRAWOZDAWCZOŚĆ
BRAKUJĄCY UCZESTNICY BADANIA
➢ BRAK ANALIZY ITT
➢ “WYKRUSZANIE SIĘ” UCZESTNIKÓW
➢ WYBIÓRCZA TENDENCYJNOŚĆ
SPRAWOZDAWCZOŚCI
BRAKUJĄCE WŁAŚCIWOŚCI POZIOMU BADANIA
(dla analizy podgrup lub meta-regresji)
➢ WŁAŚCIWOŚĆ NIE ZMIERZONA
➢ NIEPEŁNA SPRAWOZDAWCZOŚĆ
NA PODSTAWIE: Types of missing data in a meta-analysis, w: Cochrane Handbook (http://handbook.cochrane.org/)

26. 1. PYTANIE KLINICZNIE ISTOTNE
➢ ELEMENTY PYTANIA KLINICZNIE
ISTOTNEGO A HIPOTEZA
➢ DOMENY
➢ PYTANIE KLINICZNIE ISTOTNE A
MODEL BADANIA

27. P
PACJENT, POPULACJA, PROBLEM
(PATIENT, POPULATION, PROBLEM)
- charakterystyczne cechy pacjenta, populacji/problemu
I
INTERWENCJA (INTERVENTION) lub
EKSPOZYCJA (EXPOSURE)
C
ELEMENT PORÓWNAWCZY (COMPARISON)
- to co jest alternatywą dla interwencji:
placebo, inny lek, operacja, standardowe leczenie/pielęgnacja
O
PUNKT KOŃCOWY (OUTCOME)
- ostateczny spodziewany wynik (rezultat) interwencji (ekspozycji)
T
CZAS (TIME)
- ramy czasowe, śledzenie skutków, efektów etc

28. (OPIS W JĘZYKU POLSKIM)
ĆWICZENIE:
NA PODSTAWIE ABSTRAKTU BADANIA UŁOŻYĆ PYTANIE
KLINICZNIE ISTOTNE; OKREŚL ZMIENNE NIEZALEŻNE I ZALEŻNE
ORAZ EWENTUALNE ZMIENNE ZEWNĘTRZNE I UWIKŁANE
CEL: NAUKA IDENTYFIKACJI ZMIENNYCH W BADANIU I
PORÓWNANIA ICH Z ELEMENTAMI PYTANIA KLINICZNIE
ISTOTNEGO

31. JAKIE ROZWIĄZANIE?

32. P I C O T

33. SCHEMAT
PYTANIA
KLINICZNIE
ISTOTNEGO
P I C O T
PYTANIE
KLINICZNIE
ISTOTNE
Czy u pacjentów z
przewlekłą skurczową
niewydolnością serca i
łagodnymi objawami
(NYHA II, frakcja
wyrzutowa serca do
35%)
zastosowanie
leku eplerenon
jako dodatku
do zalecanego
leczenia
w prównaniu
z placebo
dodanym do
zalecanego
leczenia
skuteczniej zapobiega
śmierci z przyczyn
naczyniowo-
-krążeniowych lub
hospitalizacji z powodu
niewydolności serca
w okresie do 36
miesięcy od
rozpoczęcia badania
(badanie przerwano
wcześniej)

34. ODDZIAŁ CHIRURGICZNY
DLA DOROSŁYCH,
GODZ. 09:10
PACJENTKA KTÓRA MA W DNIU
DZISIEJSZYM OK GODZ 13:00 PRZEJŚĆ
PLANOWANY ZABIEG OPERACYJNY NA
JELICIE GRUBYM PYTA CIĘ, CZY MOŻE
NAPIĆ SIĘ ODTŁUSZCZONEGO,BULIONU.
JAKA JEST TWOJA
ODPOWIEDŹ?

35. ĆWICZENIE:
NA PODSTAWIE SYTUACJI KLINICZNEJ:
A. OKREŚL KLUCZOWE ELEMENTY DLA PYTANIA KLINICZNIE
ISTOTNEGO
B. ZBUDUJ PYTANIE KLINICZNIE ISTOTNE
C. PRZYPISZ POSTAWIONE PYTANIE ODPOWIEDNIEJ
DOMENIE
CEL: DOSKONALENIE UMIEJĘTNOŚCI PRZENOSZENIA
PROBLEMU CODZIENNEJ PRAKTYKI PIELĘGNIARSKIEJ NA
GRUNT BADAWCZY

36. ........
........
........
PACJENT
PROBLEM
INTERWENCJA,
EKSPOZYCJA,
CZYNNIK
PROGNOSTYCZNY
PORÓWNANIE DLA
INTERWENCJI
PUNKTY
KOŃCOWE
WSKAZÓWKI
Zacznij od pacjenta.
Jak możesz określić
grupę pacjentów
podobną do twojego
pacjenta? Zachowaj
równowagę pomiędzy
dokładnością a
zwięzłością opisu.
Co mogę uznać za
główną interwencję?
Co stanowi problem?
Jaką alternatywę
mogę porównać z
interwencją?
Jakie rezultaty mam
nadzieję uzyskać?
lub, Na co dana
interwencja czy
ekspozycja może
mieć wpływ?
SŁOWA KLUCZOWE

37. ........
........
........
PACJENT
PROBLEM
INTERWENCJA,
EKSPOZYCJA,
CZYNNIK
PROGNOSTYCZNY
PORÓWNANIE DLA
INTERWENCJI
PUNKTY
KOŃCOWE
TWOJE PYTANIE

38. TYP PYTANIA DOMENA
Jak można temu problemowi zapobiec?
ZAPOBIEGANIE
(prevention)
Czy wykrycie tego problemu wcześniej, zanim wystąpią
objawy sprawi różnicę dla mojego zdrowia?
BADANIA PRZESIEWOWE
(screening)
Jak dobry jest ten test w wykrywaniu tego problemu?
DOKŁADNOŚĆ DIAGNOSTYCZNA
(diagnostic accuracy)
Jaki jest prawdopodobny punkt końcowy (outcome) tego
problemu?
ROKOWANIE
(prognosis)
Jaka część populacji każdego roku jest po raz pierwszy
diagnozowana z tym problemem?
CZĘSTOTLIWOŚĆ WYSTĘPOWANIA
(incidence)
Jaka część populacji obecnie żyje z tym problemem?
ROZPOWSZECHNIENIE
(prevalence)
Co jest przyczyną tego problemu?
ETIOLOGIA, PRZYCZYNA
(etiology, ethiology)
Co należy zrobić by uporać się z problemem?
LECZENIE, TERAPIA
(treatment, therapy)
Czy wystąpią jakiekolwiek negatywne efekty interwencji?
SZKODA, KRZYWDA
(harm)

39. ĆWICZENIE:
NA PODSTAWIE ABSTRAKTU BADAŃ OKREŚL:
A. KLUCZOWE ELEMENTY DLA PYTANIA KLINICZNIE
ISTOTNEGO
B. MODEL BADANIA
C. ILE ZMIENNYCH MA DANE BADANIE
CEL: DOSKONALENIE UMIEJĘTNOŚCI ROZPOZNAWANIA
MODELU BADANIA NA PODSTAWIE PYTANIA BADAWCZEGO.
OKREŚLENIE HIERARCHII DOWODU PŁYNĄCEGO Z DANEGO
BADANIA.

40. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3840027/

41. SCHEMAT PYTANIA
KLINICZNIE ISTOTNEGO P I C O
OPIS
charakterystyczne cechy
pacjenta, populacji,
problemu
badana interwencja, test
diagnostyczny lub
ekspozycja
element porównawczy,
alternatywa, obecny
standard, modyfikowana
interwencja lub brak
ekspozycji lub interwencji
ostateczny spodziewany
wynik (rezultat) interwencji
(ekspozycji)

44. ŹRÓDŁO DOWODU POZIOM OPIS
PRZEGLĄD SYSTEMATYCZNY
lub
METAANALIZA
I
synteza dowodu z wszystkich dobrych, związanych z
tematem badań randomizacyjnych z grupą kontrolną;
przegląd systematyczny zawsze ma prymat nad meta-
analizą; przegląd systematyczny może ale nie musi zawierać
meta-syntezę
BADANIE RANDOMIZACYJNE Z
GRUPĄ KONTROLNĄ (RCT)
II
eksperyment w którym uczestnicy posiadający zbliżone
cechy demograficzne są losowo przydzielani do grupy
klinicznej i grupy kontrolnej
BADANIE KONTROLNE BEZ
RANDOMIZACJI
III
eksperyment w którym uczestnicy posiadający zbliżone
cechy demograficzne są przydzielani
(nie-losowo) do grupy klinicznej i grupy kontrolnej
HIERARCHIA DOWODU DLA
BADAŃ INTERWENCYJNYCH

45. ŹRÓDŁO DOWODU POZIOM OPIS
BADANIE KLINICZNO-KONTROLNE
lub KOHORTOWE
IV
BADANIE KLINICZNO-KONTROLNE: porównanie
osobników ze schorzeniem lub przypadłością (case) z
tymi którzy ich nie mają (control) by określić pewne
własności determinujące dane schorzenie lub
przypadłość;
BADANIE KOHORTOWE: obserwacja grupy (kohorta) lub
grup w celu ustalenia rozwoju, postępu punktu
koncowego np. choroby
PRZEGLĄD SYSTEMATYCZNY
BADAŃ JAKOŚCIOWYCH LUB
OPISOWYCH
(META-SYNTEZA)
V
synteza dowodu pochodząca z badań jakościowych lub
opisowych której celem jest danie odpowiedzi na pytanie
kliniczne
HIERARCHIA DOWODU DLA BADAŃ
INTERWENCYJNYCH - ciąg dalszy

46. ŹRÓDŁO DOWODU POZIOM OPIS
BADANIE JAKOŚCIOWE
lub OPISOWE
VI
BADANIE JAKOŚCIOWE: gromadzi dane o ludzkich
zachowaniach i postępowaniu by zrozumieć dlaczego i
jak konkretne decyzje zostały podjęte
BADANIE OPISOWE: w ramach badanego tematu
dostarcza podstawowych informacji odpowiadając na
pytania co? gdzie? kiedy?
OPINIA lub KONSENSUS VII autorytatywna opinia komisji ekspertów
Adaptacja i tłumaczenie Artur Sołtysiak, na podstawie: “Evidence-based Practice in nursing and healthcare: a guide to best practice”.
Melnyk B.M., Fineout-Overholt E. (editors); wyd. pierwsze, Philadelphia USA, Lippincott Wiliams & Wilkins; 2005, str. 3-24
HIERARCHIA DOWODU DLA BADAŃ
INTERWENCYJNYCH - ciąg dalszy

47. ĆWICZENIE:
NA PODSTAWIE ABSTRAKTU BADAŃ OKREŚL:
A. KLUCZOWE ELEMENTY DLA PYTANIA KLINICZNIE
ISTOTNEGO
B. MODEL BADANIA
C. ILE ZMIENNYCH MA DANE BADANIE
CEL: DOSKONALENIE UMIEJĘTNOŚCI ROZPOZNAWANIA
MODELU BADANIA NA PODSTAWIE PYTANIA BADAWCZEGO.
OKREŚLENIE HIERARCHII DOWODU PŁYNĄCEGO Z DANEGO
BADANIA.

48. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3839878/

49. 2. MOC STATYSTYCZNA BADANIA
➢ WIELKOŚĆ PRÓBY (sample size)
➢ WIELKOŚĆ EFEKTU (effect size)
➢ ISTOTNOŚĆ STATYSTYCZNA
(statistical significance)

50. POZIOM
ISTOTNOŚCI
(significance
level)
WIELKOŚĆ
PRÓBY
(sample size)
WIELKOŚĆ
EFEKTU
(effect size)
MOC STATYSTYCZNA
BADANIA
(statistical power)

51. WIELKOŚĆ PRÓBY (sample size)
➢ OBLICZANA PRZEZ STATYSTYKÓW ZANIM ROZPOCZNIE SIĘ BADANIE.
RAPORT Z BADANIA POWINIEN ZAWIERAĆ SZCZEGÓŁOWE WYLICZENIA
➢ OBLICZENIA WIELKOŚCI PRÓBY POWINNY WZIĄĆ POD UWAGĘ:
a. liczbę różnych właściwości
b. liczbę grup
c. różnorodność, zmienność badanej właściwości
d. szacunkową proponowaną różnicę między porównywanymi grupami (najmniejsza
prawdziwa średnia różnica która byłaby klinicznie możliwa)
e. wymagany poziom istotności (np p<0.05)
f. wymagany stopień mocy (by nie popełnić Type II Error, przyjmuje się 0.8=80%
prawdopodobieństwo)

52. WIELKOŚĆ EFEKTU (effect size)
➢ WYBRANA MIARA PUNKTU KOŃCOWEGO WYRAŻA
WIELKOŚĆ EFEKTU (np OR, RR, NNT, NNH, ARI, ARR...)
➢ MIARY PUNKTU KOŃCOWEGO MOGĄ BYĆ RELATYWNE
LUB ABSOLUTNE

53. JEDNOSTKA SKRÓT OPIS
BRAK
EFEKTU
PEŁEN SUKCES
iloraz zdarzeń
(Odds Ratio)
OR=
oE/oC
szanse zdarzenia w grupie
eksperymentalnej dzielone przez
szanse zdarzenia w grupie
kontrolnej; wyrażany przez
proporcję dziesiętną
OR = 1
OR = 0
OR<1
(exp redukuje outcome, mniej
zdarzeń w gr.ex)
OR>1
(exp wzmaga outcome, więcej
zdarzeń w gr.ex)
liczba konieczna
by leczyć
(Number Needed to
Treat)
NNT=
1/ARR
(wartość
zaokrągla się
w górę)
liczba pacjentów która musi być
podana terapii aby zapobiec
jednemu zdarzeniu; odwrotność
ARR (wyrażana wtedy jako ułamek
dziesiętny)
NNT = ∝ NNT = 1/ryzyko początkowe
MIARY WIELKOŚCI EFEKTU W
METAANALIZACH
Materiał uzupełniający TUTAJ

54. JEDNOSTKA SKRÓT OPIS
BRAK
EFEKTU
PEŁEN SUKCES
absolutne
obniżenie ryzyka
(Absolute Risk Reduction
lub
Risk Difference)
(RD)ARR=
EER-CER
absolutna zmiana ryzyka; ryzyko
zdarzenia w grupie kontrolnej minus
ryzyko zdarzenia w grupie
eksperymentalnej wyrażone
najczęściej w %
ODWROTNOŚĆ NNT
ARR = 0%
ARR = ryzyko początkowe
(wyjściowe)
relatywne obniżenie
ryzyka
(Relative Risk Reduction)
RRR=
(EER-CER)
/CER
proporcja ryzyka usuniętego przez
terapię; ARR dzielone przez ryzyko
początkowe w grupie kontrolnej
RRR = 0% RRR = 100%
ryzyko relatywne (Relative
Risk lub
Risk Ratio)
RR=
EER/CER
ryzyko zdarzenia w grupie
eksperymentalnej dzielone przez
ryzyko zdarzenia w grupie
kontrolnej; wyrażana przez
proporcję dziesiętną lub w %
brak różnicy w
ryzyku
RR = 1
lub
RR = 100%
RR = 0
RR = 0%
RR<1
obniżone ryzyko
RR>1
podwyższone ryzyko

55. JEDNOSTKA SKRÓT OPIS
BRAK
EFEKTU
PEŁEN SUKCES
różnica średnich lub
różnica między średnimi
(Mean Difference)
lub
średnia ważona
różnic
(Weighted Mean Difference)
MD
lub
WMD
absolutna różnica między wartościami
średniej w dwu grupach gdy efekt jest
mierzony tą samą skalą ciągłą
WMD = 0
EFEKT:
● mały:
0.2 - 0.4
● umiarkowany:
0.5 - 0.7
● duży
>0,7
standaryzowana średnia różnic
(Standardized Mean Difference)
SMD
wielkość efektu interwencji w każdym
badaniu w stosunku do zmienności
obserwowanej w tym badaniu
(jedno zjawisko mierzone różnymi
sposobami)
SMD = 0
EFEKT:
● mały:
0.2 - 0.4
● umiarkowany:
0.5 - 0.7
● duży
>0,7

56. NA PODSTAWIE: Perera R., Heneghan C., Badenoch D., Statistics Toolkit, Blackwell Publishing, BMJ Books, 2008, USA & UK
MATERIAŁ UZUPEŁNIAJĄCY TUTAJ i TUTAJ
MIERNIKI RELATYWNE MIERNIKI ABSOLUTNE
dla oddania proporcji jednego zdarzenia lub jednej zmiennej do
innej
dla oddania bezwzględnej różnicy jednego zdarzenia lub jednej
zmiennej względem innej
HR (hazard ratio) ARD (absolute risk difference)
OR (odds ratio) AR (attributable risk)
RR (relative risk) NNT (number needed to treat)
RRR (relative risk reduction)
RD lub ARR
(risk difference)
(absolute risk reduction)
RRI (relative risk increase) ARI (absolute risk increase)
MD (mean difference) (difference in means) lub
WMD (weighted mean difference)
SMD (standardized mean difference)

57. P-VALUE
czyli wartość p
- to umowna wartość prawdopodobieństwa wyrażająca szansę uzyskania
danego rezultatu w świetle prawdziwej hipotezy zerowej
(H0
null hypothesis)
Istotne rezultaty (significant results): p<0.05
wykazano statystycznie że jest wątpliwe by były dziełem przypadku
(H0
jest fałszywa, odrzucają H0
).
Nie-istotne rezultaty (non-significant results): p>0.05
nie wyeliminowano roli przypadku w uzyskaniu danego rezultatu;
(nie obalono H0
)

58. P-VALUE czyli wartość p (ciąg dalszy)
Jeśli nie odrzucam H0
(nie ma wystarczającego dowodu przeciw H0
na korzyść H1
):
➢ p<0.5 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:2
➢ p<0.1 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:10
➢ p<0.05 możliwość że dany rezultat jest dziełem przypadku,
jest mniejsza niż 1:20 (5%)
➢ p<0.025 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:40
➢ p<0.01 możliwość że dany rezultat jest dziełem przypadku, jest mniejsza niż 1:100

59. p>0.05 OZNACZA STATYSTYCZNĄ
NIE-ISTOTNOŚĆ
STATYSTYCZNA NIE-ISTOTNOŚĆ
NIE ZNACZY ŻE COŚ JEST NIEISTOTNE!
STATYSTYCZNA ISTOTNOŚĆ NIE OZNACZA ŻE
COŚ JEST ISTOTNE KLINICZNIE!

60. CONFIDENCE INTERVAL (CI)
czyli Przedział Ufności
➢ tradycyjnie CI przyjmuje się jako CI95% (p<0.05)
➢ odnosi się do wielkości efektu terapii, ekspozycji, interwencji
➢ ideał: duża próba z wąskimi przedziałami
➢ przed interpretacją CI należy zbadać tendencyjność badań
(biased studies)
Przedział wartości, w którym z danym prawdopodobieństwem
(wyrażonym w %) znajduje się wartość parametru
(np: RR, RRR, ARR, ARI, NNT, średnia itp.) dla populacji ogólnej

61. CONFIDENCE INTERVAL (CI)
(ciąg dalszy)
➢ efekt statystycznie istotny nie koniecznie musi być klinicznie ważny
(wielkość efektu określa jego kliniczną doniosłość)
➢ wielkość efektu (effect size) może być mierzona na różne sposoby
(RRR, ARR, NNT), gdzie względne wartości (relative measures) podkreślają
potencjalne korzyści; wartości absolutne dają lepszy obraz
➢ "nie-istotność" (non-significance) nie oznacza braku efektu; małe badania
często podają "nie-istotność" nawet wtedy kiedy są ważne: gdyby badanie było
większe, istotność byłaby wykryta

62. 3. ELEMENTY WYKRESU FOREST PLOT

63. FOREST PLOT
czyli przez las na skróty do celu
➢ wykres charakterystyczny dla prac przeglądowych
(metaanaliza i przegląd systematyczny z metaanalizą)
➢ umożliwia analizę i porównanie wielu badań odnoszących się do
postawionego w pracy przeglądowej pytania
➢ zawiera informację o cząstkowej wartości każdego badania, poziomie
heterogeniczności, podaje wartość p oraz przedział ufności (istotność
statystyczna), RR, NNT
NA PODSTAWIE: Karin Ried, Interpreting and understanding meta-analysis graphs. A practical Guide. Australian Family Physician Vol. 35, No. 8,
August 2006

64. 0.1 0.2 0.5 1 2 5 10
WSPIERA INTERWENCJĘ WSPIERA GR. KONTROLNĄ
WIELKOŚĆ
KWADRATÓW
WSKAZUJE NA ILOŚĆ
INFORMACJI KTÓRE
DOSTARCZA BADANIE
LINIA BRAKU
EFEKTU
LINIA
PRZEDZIAŁU
UFNOŚCI

65. PUNKT SZACUNKOWY
PRZEDZIAŁ UFNOŚCI

66. WYKRES FOREST PLOT DLA MIAR
PUNKTÓW KOŃCOWYCH
(DANE BINARNE)

69. METAANALIZA DYCHOTOMICZNYCH
PUNKTÓW KOŃCOWYCH
POMOC TUTAJ

71. 4. HETEROGENICZNOŚĆ W METAANALIZIE
➢ testy heterogeniczności

72. PRZEGLĄD SYSTEMATYCZNY METAANALIZA
PRZEWAŻNIE ALE NIE ZAWSZE ZAKOŃCZONY JEST
METAANALIZĄ
POWINNA OPIERAĆ SIĘ NA PRZEGLĄDZIE
SYSTEMATYCZNYM
1. PYTANIE KLINICZNIE ISTOTNE (PICOT)
2. WSZYSTKIE, TAKŻE NIEOPUBLIKOWANE BADANIA,
KTÓRE STANOWIĄ ODPOWIEDŹ NA PYTANIE KLINICZNIE
ISTOTNE
3. JASNE KRYTERIA WŁĄCZENIA OPRACOWAŃ
4. GRUPA PRAC KTÓRA PODLEGA METAANALIZIE
(WYCIĄGNIĘCIE INDYWIDUALNYCH DANYCH Z PRAC
CZĄSTKOWYCH)
5. OKREŚLENIE ISTOTNOŚCI STATYSTYCZNEJ
UZYSKANYCH WYNIKÓW
1. PYTANIE KLINICZNIE ISTOTNE (PICOT)
2. BADANIA, KTÓRE STANOWIĄ ODPOWIEDŹ NA PYTANIE
KLINICZNIE ISTOTNE
3. WYBRANE PRACE PODLEGAJĄ METAANALIZIE
(WYCIĄGNIĘCIE INDYWIDUALNYCH DANYCH Z PRAC
CZĄSTKOWYCH)
4. OKREŚLENIE ISTOTNOŚCI STATYSTYCZNEJ
UZYSKANYCH WYNIKÓW
PRZEGLĄD SYSTEMATYCZNY
vs
METAANALIZA

73. HETEROGENICZNOŚĆ
(heterogeneity)
MATERIAŁ POMOCNICZY TUTAJ
TO NIEJEDNORODNOŚĆ, ODMIENNOŚĆ MIĘDZY BADANIAMI W
PRACY PRZEGLĄDOWEJ.
SĄ RÓŻNE TYPY HETEROGENICZNOŚCI:
● KLINICZNA (clinical diversity lub clinical heterogeneity)
/uczestnicy, interwencje, punkty końcowe/
● METODOLOGICZNA (methodological diversity LUB
methodological heterogeneity)
/projekt badania, ryzyko tendencyjności/
● STATYSTYCZNA (statistical heterogeneity)
/efekty interwencji/

74. HOMOGENICZNOŚĆ
● PRZEGLĄD SYSTEMATYCZNY:
ŁĄCZENIE WSZYSTKICH NIETENDENCYJNYCH BADAŃ KTÓRE DAJĄ
ODPOWIEDŹ NA PYTANIE PICO
● CECHY KLINICZNE I METODOLOGICZNE WŁĄCZONYCH BADAŃ
MUSZĄ BYĆ ZBLIŻONE
● METAANALIZA: ŁĄCZENIE DANYCH Z BADAŃ
● ŁĄCZENIE DANYCH MUSI BYĆ TRAFNE
● CEL TESTÓW STATYSTYCZNEJ HOMOGENICZNOŚCI: ZBADANIE CZY
DANE PRZEDSTAWIONE W BADANIACH CZĄSTKOWYCH SĄ DO
SIEBIE PODOBNE I JAKO TAKIE MOGĄ BYĆ ŁĄCZONE

75. CHI-SQUARE TEST (X2
)
● GDY MASZ ZBIÓR POMIARÓW I CHCESZ SIĘ DOWIEDZIEĆ CZY
RÓŻNIĄ SIĘ MIĘDZY SOBĄ BARDZIEJ NIŻ MOŻNA BY OCZEKIWAĆ OD
PRZYPADKU
● TRZY WAŻNE WIELKOŚĆI:
- KWADRAT CHI (X2
)
- LICZBA STOPNI SWOBODY: (df,degrees of freedom)
- WARTOŚĆ-P: (p-value) zazwyczaj dla statystycznie
istotnego X2
przyjmuje się p-value < 0.1
df = (liczba badań w przeglądzie) - 1
X2
> df = heterogeniczność

76. CHI-SQUARE TEST (X2
)
słabe strony testu
● NISKA MOC W WYKRYWANIU HETEROGENICZNOŚCI GDY JEST
MAŁO BADAŃ W METAANALIZIE
● MOŻE WYKAZAĆ HETEROGENICZNOŚĆ W METAANALIZIE
WIELU DUŻYCH BADAŃ NAWET JEŚLI JEST MAŁO
PRAWDOPODOBNE BY MIAŁA ONA WPŁYW NA WNIOSKI
● TUTAJ Z POMOCĄ PRZYCHODZI TEST (I2
)

77. I-SQUARE TEST (I2
)
● BARDZIEJ STABILNY NIŻ X2
BO NIE JEST ZALEŻNY OD:
- liczby badań
- typu danych punktu końcowego
- wybranej miary mocy badania (np OR, RR)
● POKAZUJE % CAŁKOWITEJ WARIANCJI (variance) W PRZEKROJU
DANYCH KTÓRA MA RACZEJ ZWIĄZEK Z HETEROGENICZNOŚCIĄ
NIŻ Z PRZYPADKIEM
● IM WIĘKSZA WARTOŚĆ WYRAŻONA W % TYM WIĘKSZA
HETEROGENICZNOŚĆ
I2
= 100x(X2
– df)/X2

78. I-SQUARE TEST (I2
)
Jak dużo to już za dużo?
● UMOWNE WARTOŚCI PROGOWE MOGĄ BYĆ MYLĄCE -
WAGA NIEZGODNOŚCI ZALEŻY OD RÓŻNYCH CZYNNIKÓW
MOŻNA OSTROŻNIE PRZYJĄĆ ŻE HETEROGENICZNOŚĆ:
1. do 40%: może być nieistotna
2. 30%-60%: może być umiarkowana
3. 50%-90%: może być znaczna
4. 75%-100%: może być poważna

79. TAU-SQUARE lub TAU2
(T2
)
● TO SZACUNKOWA WARIANCJI POMIĘDZY BADANIAMI DLA
METAANALIZ W MODELU Z EFEKTEM ZMIENNYM (RE)
TAU2
> 1 = ZNACZNA HETEROGENICZNOŚĆ

80. TEST-T (t-test)
● BADANIE 2 ŚREDNICH POPULACYJNYCH
● DLA MAŁYCH PRÓB GDY ODCHYLENIE STANDARDOWE
(standard deviation, SD) NIE JEST ZNANE
● USTALA PRAWDOPODOBIEŃSTWO (p-value) CZY ŚREDNIE
POPULACYJNE SIĘ RÓŻNIĄ
● DO PORÓWNANIA WIĘKSZEJ LICZBY ZMIENNYCH UŻYWAMY
ANALIZY WARIANCJI
(ANOVA - analysis of variance)

81. ANalysis Of VAriance
analiza wariancji (pomiędzy grupami)
● GRUPA TECHNIK STATYSTYCZNYCH DLA PORÓWNANIA ŚREDNICH
(mean) DWU LUB WIĘCEJ PRÓB (sample) BY USTALIĆ CZY POCHODZĄ
Z TEJ SAMEJ POPULACJI
● TEST 2 LUB WIĘCEJ ZMIENNYCH NIEZALEŻNYCH
(independent variable):
model wieloczynnikowy ANOVA (two-way ANOVA)

82. TEST-Z (z-test)
● BY USTALIĆ CZY DWIE ŚREDNIE POPULACJI SĄ RÓŻNE GDY
WARIANCJE SĄ ZNANE A PRÓBA JEST DUŻA
● MOŻNA PRZEPROWADZIĆ GDY:
- ISTNIEJE ROZKŁAD NORMALNY (rozkład Gaussa)
- KŁOPOTLIWY PARAMETR JEST ZNANY
(np odchylenie standardowe, standard deviation, SD)
● GDY SD NIE JEST ZNANE - ZAKŁADA SIĘ ŻE WARIANCJA PRÓBY JEST
RÓWNA WARIANCJI POPULACJI
WARTOŚĆ KRYTYCZNA: 3 (różnica jest statystycznie istotna)
Z < 3 - różnica nieistotna Z > 3 różnica istotna
LUB:
Z 2 - różnica istotna przy p=0.05
Z 2.5 - różnica istotna przy p=0.01
Z 3 - różnica istotna przy p=0.003

83. 5. MODELE ŁĄCZENIA ILORAZÓW
ZDARZEŃ W METAANALIZACH
➢ Model z efektem stałym
➢ Model z efektem zmiennym

84. BŁĄD STANDARDOWY
(Standard Error, SE)
● BIEŻE POD UWAGĘ WIELKOŚĆ BADANIA I CZĘSTOŚĆ ZDARZEŃ
● IM MNIEJSZY SE W REZULTATACH BADANIA TYM WIĘKSZE
ZNACZENIE TEGO BADANIA (TYM PRECYZYJNIEJSZE
OSZACOWANIE PARAMETRU)
● UZALEŻNIONY OD WIELKOŚCI ZRÓŻNICOWANIA WARIANCJI
(variance) DANEJ CECHY
● IM WIĘKSZA ZMIENNOŚĆ BADANEJ WIELKOŚCI W POPULACJI TYM
OSZACOWANIE PRAWDZIWEJ WARTOŚCI JEST MNIEJ
PRECYZYJNE

85. WARIANCJA (VARIANCE)
● WYLICZENIE ŚREDNIEJ WYLICZENIE WARIANCJI
● DAJE OBRAZ JAK DUŻE JEST ZRÓŻNICOWANIE WYNIKÓW W DANYM
ZBIORZE WYNIKÓW
(CZY SĄ SKONCENTROWANE WOKÓŁ ŚREDNIEJ,
JEŚLI NIE - JAK BARDZO OD NIEJ ODBIEGAJĄ)
● PRZYJMUJE WARTOŚCI OD 0 DO NIESKOŃCZONOŚCI
● MAŁA WARIANCJA = PUNKTY BLISKO OCZEKIWANEJ ŚREDNIEJ
(np: diament OR na linii CI względem linii braku efektu)
● PIERWIASTEK KWADRATOWY Z WARIANCJI TO ODCHYLENIE
STANDARDOWE (standard deviation, SD)

86. MODELE ŁĄCZENIA
ILORAZÓW ZDARZEŃ:
1. MODEL Z EFEKTEM STAŁYM
lub WSPÓLNYM (common)
Fixed Effect Model (FE)
2. MODEL Z EFEKTEM ZMIENNYM
(efekty losowe)
Random Effects Model (RE)
Wyjaśnienie i komentarz w języku polskim TUTAJ

87. MODEL Z EFEKTEM STAŁYM (FE)
ZAŁOŻENIE: PRAWDZIWY EFEKT INTERWENCJI (WIELKOŚĆ I KIERUNEK) MA
TĘ SAMĄ WARTOŚĆ W KAŻDYM BADANIU A EWENTUALNE OBSERWOWANE
RÓŻNICE W EFEKTACH SĄ DZIEŁEM PRZYPADKU
(błąd doboru próby sampling error).
BRAK STATYSTYCZNEJ HETEROGENICZNOŚCI.
OCENIA POZIOM NIEPEWNOŚCI (przedział ufności)
BIORĄC POD UWAGĘ DOBÓR PRÓBY (sampling)
WEWNĄTRZ BADANIA A NIE ZMIENNOŚĆ (variation) POMIĘDZY BADANIAMI

88. MODEL Z EFEKTEM STAŁYM (FE)
● metoda Mantel-Haenszel (M-H)
gdy wskaźnik zdarzeń jest niski lub wielkość badania mała w zależności od
miary wielkości efektu dobiera się stosowny schemat ważenia
(weighting scheme)
● metoda Peto
tylko do sumowania niewielkich ilorazów zdarzeń (OR) - bliskich 1
gdy grupy E i C w poszczególnych badaniach są ilościowo równe

91. MODEL Z EFEKTEM ZMIENNYM (RE)
ZAŁOŻENIE: WIELKOŚĆ I KIERUNEK EFEKTU W KAŻDYM BADANIU MOGĄ
BYĆ RÓŻNE
CEL: UZYSKANIE ŚREDNIEJ DLA DYSTRYBUCJI EFEKTÓW
INDYWIDUALNYCH BADAŃ
SKUTEK: BARDZIEJ OSTROŻNY SZACUNEK ŁĄCZONYCH ILORAZÓW
ZDARZEŃ. SZERSZE PRZEDZIAŁY UFNOŚCI I MNIEJSZA PEWNOŚĆ CO
DO PRAWDZIWEJ WARTOŚCI
BIERZE POD UWAGĘ ZARÓWNO:
● BŁĄD DOBORU PRÓBY (sampling error)
W KAŻDYM BADANIU
● ZMIENNOŚĆ (variation) POMIĘDZY BADANIAMI

92. MODEL Z EFEKTEM ZMIENNYM (RE)
metoda DerSimonian-Laird
● wykorzystywana gdy istnieje dowód na heterogeniczność danych;
● zakłada że choć badania w meta-analizie oceniają różne efekty interwencji to są
one zbliżone
● błędy standardowe (standard error) szacunków poszczególnych badań są
dostosowane tak by zawrzeć w niej miarę stopnia zmienności lub
heterogeniczności wśród efektów interwencji zaobserwowanych w różnych
badaniach (to zróżnicowanie często określane jako tau-square T2
)
● Ilość zmian, a tym samym korektę, można oszacować na podstawie efektów
interwencji i błędów standardowych badań włączonych do metaanalizy.
T2
> 1 = ZNACZNA HETEROGENICZNOŚĆ

93. Wpływ leczenia
operacyjnego na
pełne wyzdrowienie
złamania trzonu kości
ramiennej.
MODEL Z EFEKTEM
ZMIENNYM
(DerSimonian-
Laird)
EFEKT LECZENIA
STATYSTYCZNIE
NIEISTOTNY.
OR=0.88
95% CI (0.27-2.88)
HETEROGEN.:
X2(8)=39.61
P=0.001
WARIANCJA: 2.26

94. Liu G, Zhang C, Wu H. Comparison of Initial Nonoperative and
Operative Management of Radial Nerve Palsy Associated With
Acute Humeral Shaft Fractures.
ORTHOPEDICS. 2012; 35: 702-708. doi: 10.3928/01477447-20120725-10

95. Wpływ leczenia
operacyjnego na
pełne wyzdrowienie
złamania trzonu kości
ramiennej.
MODEL Z EFEKTEM
STAŁYM (FE),
METODA M-H
EFEKT LECZENIA
STATYSTYCZNIE
NIEISTOTNY.
EFEKT OGÓLNY:
OR=1.09
95% CI (0.73-1.64)
HETEROGEN.: X2(8)
=39.73
P<0.001

96. Wpływ leczenia
operacyjnego na
pełne wyzdrowienie
złamania trzonu kości
ramiennej.
MODEL Z EFEKTEM
ZMIENNYM
(DerSimonian-
Laird)
EFEKT LECZENIA
STATYSTYCZNIE
NIEISTOTNY.
OR=0.88
95% CI (0.27-2.88)
HETEROGEN.:
X2(8)=39.61
P=0.001
WARIANCJA: 2.26

98. Arezzo, A., Passera, R., Scozzari, G., Verra, M. and Morino,
M. 2012. Laparoscopy for rectal cancer reduces short-term
mortality and morbidity: results of a systematic review and
meta-analysis. Surgical endoscopy, pp. 1--18.

100. ĆWICZENIE:
NA PODSTAWIE WYKRESU FOREST PLOT OKREŚL:
A. ŚREDNIĄ SZACUNKOWĄ DLA CAŁEJ
METAANALIZY/PODGRUPY
B. HETEROGENICZNOŚĆ
C. CZY REZULTAT WSPIERA INTERWENCJĘ?
CEL: DOSKONALENIE UMIEJĘTNOŚCI ROZPOZNAWANIA
ELEMENTÓW WYKRESU FOREST PLOT, DOSKONALENIE
UMIEJĘTNOŚCI GROMADZENIA WIEDZY O METAANALIZIE NA
PODSTAWIE WYKRESU I OCENY REZULTATÓW METAANALIZY
NA PODSTAWIE WYKRESU FOREST PLOT

101. Seitz DP, Adunuri N, Gill SS, Gruneir A, Herrmann N, Rochon P.
Antidepressants for agitation and psychosis in dementia. Cochrane
Database of Systematic Reviews 2011, Issue 2. Art. No.: CD008191. DOI:
10.1002/14651858.CD008191.pub2.
Co to jest CMAI? Odpowiedź TUTAJ

102. O'Meara S, Al-Kurdi D, Ologun Y, Ovington LG, Martyn-St James M,
Richardson R. Antibiotics and antiseptics for venous leg ulcers. Cochrane
Database of Systematic Reviews 2014, Issue 1. Art. No.: CD003557.
DOI: 10.1002/14651858.CD003557.pub5.

104. Sophia Zoungas, Toshiharu Ninomiya, Rachel Huxley, Alan Cass, Meg
Jardine, Martin Gallagher, Anushka Patel, Ali Vasheghani-Farahani,
Gelareh Sadigh, Vlado Perkovic; Systematic Review: Sodium Bicarbonate
Treatment Regimens for the Prevention of Contrast-Induced Nephropathy.
Annals of Internal Medicine. 2009 Nov;151(9):631-638.

106. PREZENTACJA ZOSTAŁA OPRACOWANA NA PODSTAWIE:
1. StatSoft, Internetowy Podręcznik Statystyki.
http://www.statsoft.pl/textbook/glosfra_stat.html
2. Borenstein, M., Hedges, L. V., Higgins, J. P.T. and Rothstein, H. R. (2010),
A basic introduction to fixed-effect and random-effects models for meta-analysis. Res. Synth. Method, 1: 97–111. doi:
10.1002/jrsm.12
3. Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated
March 2011]. The Cochrane Collaboration, 2011. Available from www.cochrane-handbook.org.
4. Boswell C., Cannon S. Introduction to Nursing Research. Incorporating Evidence-Based Practice
Jones&Bartlett Learning, 3rd edition, 2014
5. Steven H. Woolf The Meaning of Translational Research and Why It Matters, JAMA, (styczeń 2008) Vol 299
6. Khoury MJ, Gwinn M, Ioannidis JP The emergence of translational epidemiology: from scientific discovery to population
health impact, Am J Epidemiol. 2010 Sep 1;172(5):517-24. doi: 10.1093/aje/kwq211. Epub 2010 Aug 5.
7. Olajide Ajetunmobi, Hodder Arnold, Making sense of critical appraisal, 2002,Oxford University Press Inc,. USA
Statistics Toolkit, Perera R., Heneghan C., Badenoch D. January 2008, Wiley-Blackwell, BMJ Books
8. Trisha Greenhalgh, How to read a paper. The basics of Evidence-Based Medicine, May 2010, 4th edition, Wiley-Blackwell
9. Ian Shrier, Structural Approach to Bias in Meta-analyses, Research Synthesis Methods, Volume 2, Issue 4, pages 223–
237, December 2011
10. Mark C. Simmonds, Jayne Tierney, Jack Bowden and Julian PT Higgins, Meta-analysis of time-to-event data: a
comparison of two-stage methods, Research Synthesis Methods, Volume 2, Issue 3, September 2011, Pages: 139–149
11. Megan D. Higgs, Do We Really Need the S-word?, American Scientist, styczeń-luty 2013, Vol 101, No 1, str 6
12. Anne Dabrow Woods, Ellen Fineout-Overholt, Shawn Kennedy,Demystifying Research: Simplifying Critical Appraisal,
OvidSP live presentation, March 2012 (notatki własne z wykładu “na żywo”)