메타 분석

Meta-analysis
역사언어학에서의 메트아날리시스(metanalysis)의 프로세스에 대해서는, 「리브래킷팅」을 참조해 주세요.
기본 1차 문헌에서 일반 결과와 관련된 돌연변이에 대한 정보를 추출한 1,000건 이상의 확산성 내인성 교종 및 기타 소아 교종의 메타 분석의 그래픽 요약.
시리즈의 일부
조사.
A laptop computer next to archival materials
학술 분야 목록
리서치 디자인.
철학
조사 전략
방법론
방법들
도구 및 소프트웨어
철학 포털

메타 분석은 여러 과학 연구의 결과를 결합한 통계 분석입니다.메타 분석은 동일한 질문을 다루는 여러 과학적 연구가 있을 때 수행될 수 있으며, 각 개별 연구는 어느 정도 오류가 있을 것으로 예상되는 측정을 보고한다.그 목적은 통계의 접근방식을 사용하여 이 오류가 인식되는 방법에 기초하여 알려지지 않은 공통 진실에 가장 가까운 합동 추정치를 도출하는 것이다.메타 분석 결과는 증거 기반 의학 [1][2][3]문헌에 의해 가장 신뢰할 수 있는 근거의 원천으로 간주된다.

메타 분석은 알려지지 않은 효과 크기의 추정치를 제공할 수 있을 뿐만 아니라, 다양한 연구 결과를 대조하고 연구 결과 간의 패턴, 이러한 결과 간의 불일치 원인 또는 여러 [4]연구와 함께 밝혀질 수 있는 기타 흥미로운 관계를 식별할 수 있는 능력을 가지고 있다.

그러나 메타 분석에는 몇 가지 방법론적 문제가 있다.개별 연구가 의심스러운 연구 관행(예: 데이터 준설, 데이터 피킹, 폐기 연구) 또는 저널 수준의 출판 편향으로 인해 체계적으로 편향된 경우, 전체 치료 효과에 대한 메타 분석 추정치는 [5][6]치료의 실제 효과를 반영하지 못할 수 있다.메타 분석은 또한 이질적인 연구들 간의 차이를 평균화한다는 비판을 받아왔다. 왜냐하면 이러한 차이는 잠재적으로 임상적 [7]의사결정에 정보를 제공할 수 있기 때문이다.예를 들어, 상반된 결과를 보고하는 두 RCT에서 서로 다른 치료 효과 연구를 경험하는 두 환자 그룹이 있는 경우, 메타 분석 평균은 어느 그룹도 대표하지 않으며, 이는 사과와 오렌지의 몸무게 평균과 유사하며, 사과와 오렌지에 대해서도 [8]정확하지 않다.메타 분석을 수행할 때, 조사자는 연구 검색 방법 결정, 객관적 기준 집합에 기초한 연구 선택, 불완전한 데이터 처리, 데이터 분석, 출판 [9]편향을 설명하거나 설명하지 않는 선택 등 결과에 영향을 미칠 수 있는 선택을 해야 한다.이는 메타 분석을 완료하기 위해 이루어진 이러한 방법론적 선택이 결정되는 것이 [10]아니라 결과에 영향을 미칠 수 있다는 점에서 메타 분석을 유연하게 만든다.예를 들어, Wanous와 동료들은 (a) 직무 성과와 만족도 관계, (b) 현실적인 직무 미리보기, (c) 역할 충돌과 모호성의 상관관계, (d) 직무 만족도와 결석 관계의 4가지 주제에 대해 4쌍의 메타 분석을 조사했고, 연구자들의 다양한 판단 요구가 어떻게 이루어졌는지 설명했다.다른 [11]결과를 도출했습니다.

메타 분석은 종종 체계적 검토 절차의 중요한 구성요소이지만 항상 그렇지는 않다.예를 들어 치료제가 얼마나 잘 작동하는지 더 잘 이해하기 위해 치료제의 여러 임상시험에 대해 메타분석을 수행할 수 있다.여기서 코크란 [12]공동작업에 의해 사용되는 용어를 따르고, 체계적인 검토의 일반적인 맥락을 위해 '연구 합성' 또는 '증거 합성'의 다른 측면을 남겨두고, 증거를 결합하는 통계적 방법을 언급하기 위해 "메타 분석"을 사용하는 것이 편리하다.메타 분석은 보조 소스입니다.[13][14]또한 동일한 선택 기준을 거치지 않은 코호트가 많거나 동일한 방법 또는 동일한 엄격한 조건 하에서 동일한 조사 방법론을 모두 적용하지 않은 경우에는 메타 분석을 단일 연구에 적용할 수도 있다.이러한 상황에서 각 코호트는 개별 연구로 취급되고 메타 분석은 연구 전반의 [15]결론을 도출하는 데 사용된다.

역사

반면 종이 1904년의 통계 학자 칼 피어슨이 영국 의료 Journal[17]는 장티푸스 예방 주사에 대한 여러가지의 연구의 데이터를meta-analytic 접근은 결과 집계하는 데 사용된 처음으로 보인다를 교합해 발행된 메타 분석의 역사적 뿌리 다시 astronomy,[16]의 17세기 연구에 o. 거슬러 올라갈 수 있fmultip임상 [18][19]연구특정 연구 이슈에 관한 개념적으로 동일한 모든 실험에 대한 최초의 메타 분석은 Duke University 심리학자 J. G. Pratt, J. B.에 의해 저자인 1940년 책 길이 출판물인 Extraensory Perception After Sixtyears로 확인되었습니다. 라인, 그리고 동료들.[20]여기에는 1882년부터 1939년까지 발표된 ESP 실험에 대한 145개 보고서의 검토가 포함되었으며, 미발표 논문의 전반적인 영향(파일 드로어 문제)에 대한 추정치가 포함되었다.메타분석이라는 용어는 1976년 통계학자 진 5세에 의해 만들어졌다. 글래스는 [21][22][23]다음과 같이 말했다. "현재 나의 주된 관심은 우리가 말하는 ..."연구의 메타 분석 그 용어는 좀 거창하지만 정확하고 적절하다... 메타분석(meta analysis)은 분석의 분석을 말한다.비록 이것이 그를 이 방법의 현대적 창시자로 널리 인정하게 했지만, 그가 "메타 분석"이라고 부른 뒤에 있는 방법론은 그의 연구보다 수십 [24][25]년 앞서 있다.메타분석을 둘러싼 통계이론은 남베리 S. 라주, 래리 V.의 연구에 의해 크게 발전했다. 헤지스, 해리스 쿠퍼, 잉그램 올킨, 존 E 헌터, 제이콥 코헨, 토마스 C 찰머스, 로버트 로젠탈, 프랭크 L. 슈미트, 존 E 헌터, 그리고 더글라스 G. 클로렛.[23][26][clarification needed]1992년,[28][29] 메타 분석은 현장 실험에서의 경쟁을 연구하기 위해 메타 분석을 사용한 제시카 구레비치에 의해 생태학적 질문에[27] 처음 적용되었다.메타분석 분야는 1970년대 이후 크게 확장되어 심리학, 의학, [22]생태학 등 여러 분야를 다루고 있다.또한 최근 증거 합성 커뮤니티가 만들어짐에 따라 여러 [30][31][32]분야에 걸친 아이디어, 방법 및 소프트웨어 도구 작성의 교차 폴레이션이 증가하고 있습니다.

메타 분석 단계

메타 분석은 일반적으로 체계적인 검토가 선행되는데, 이는 모든 관련 증거를 식별하고 비판적으로 평가할 수 있기 때문이다(따라서 요약 추정치의 편향 위험을 제한함).일반적인 순서는 다음과 같습니다.[1]

  1. 예를 들어 PICO 모델을 사용한 조사 질문의 공식화(인구, 개입, 비교, 결과)
  2. 문헌 검색
  3. 연구의 선택('포괄 기준')
    1. 임상시험에서의 무작위화 및 블라인딩 요건과 같은 품질기준에 근거한다.
    2. 유방암 치료와 같이 잘 지정된 주제에 대한 특정 연구의 선택.
    3. 출판 편향(파일 드로어 문제)을 피하기 위해 미공개 스터디를 포함할지 여부를 결정합니다.
  4. 허용되는 종속 변수 또는 요약 측도를 결정합니다.예를 들어 게시된(집약) 데이터의 메타 분석을 고려할 때 다음과 같이 하십시오.
    • 차이점(이산 데이터)
    • 평균(연속 데이터)
    • Hedges' g는 척도 차이를 제거하기 위해 표준화된 연속 데이터에 대한 일반적인 요약척도이지만, 다음과 같이 그룹 간 변동 지수를 통합한다.
      1. - { \ c } , { \ t } - \ { c , μ{ \ mu { c } 、c \ \ } ) 、 variance variance variance 2 variance variance variance variance variance 。
  5. 메타 분석 모델의 선택(예: 고정 효과 또는 랜덤 효과 메타 분석).
  6. 예를 들어 부분군 분석 또는 메타 회귀 분석을 사용하여 연구 간 이질성의 출처를 조사합니다.

메타 분석의 수행 및 보고에 대한 공식적인 지침은 코크레인 핸드북에 제시되어 있다.

보고 가이드라인에 대해서는 시스템 검토 및 메타 분석([33]PRISMA)에 대한 우선 보고 항목을 참조하십시오.

방법 및 전제 조건

접근

일반적으로 메타 분석을 수행할 때 개인 참가자 데이터(IPD)와 집계 데이터(AD)의 두 가지 유형의 증거를 구별할 수 있다.집계 데이터는 직접 또는 간접일 수 있습니다.

AD는 더 일반적으로 이용할 수 있으며(예: 문헌에서), 일반적으로 승산비 또는 상대적 위험과 같은 요약 추정치를 나타낸다.이는 여러 가지 접근방식을 사용하여 개념적으로 유사한 연구 전반에 걸쳐 직접 합성될 수 있다(아래 참조).한편, 간접 집계 데이터는 메타 분석에서 각각 유사한 대조군과 비교한 두 가지 치료제의 효과를 측정한다.예를 들어, 치료제 A와 치료제 B를 별도의 메타 분석에서 위약 대 직접 비교한 경우, 우리는 이 두 가지 합동 결과를 사용하여 A 대 위약 마이너스 효과 B 대 위약 효과로서 간접 비교에서 A 대 B의 효과를 추정할 수 있다.

IPD 증거는 연구소에서 수집한 원시 데이터를 나타냅니다.이러한 구별은 증거 합성이 필요할 때 다른 메타 분석 방법의 필요성을 제기했고, 1단계 및 2단계 방법의 [34]개발로 이어졌다.1단계 방법에서는 모든 연구의 IPD를 동시에 모델링하면서 연구 내 참가자 군집화를 고려한다.2단계 방법에서는 먼저 각 연구에서 AD에 대한 요약 통계를 계산한 다음 전체 통계를 연구 통계량의 가중 평균으로 계산합니다.IPD를 AD로 줄임으로써 IPD를 사용할 수 있는 경우에도 2단계 방식을 적용할 수 있습니다.이러한 방식은 메타 분석을 수행할 때 매력적인 선택사항이 됩니다.일반적으로 1단계와 2단계 방법이 유사한 결과를 낸다고 믿지만, 최근의 연구는 종종 다른 [35][36]결론으로 이어질 수 있다는 것을 보여준다.

집계 데이터의 통계 모델

직접 증거:스터디 효과만 포함하는 모델

고정 효과 모형

고정 효과 모형은 일련의 연구 추정치에 대한 가중 평균을 제공합니다.추정치 분산의 역수는 일반적으로 연구 가중치로 사용되므로 큰 연구가 작은 연구보다 가중 평균에 더 많이 기여하는 경향이 있습니다.따라서 메타 분석 내의 연구가 매우 큰 연구에 의해 지배될 경우, 소규모 연구의 결과는 사실상 [37]무시된다.가장 중요한 것은 포함된 모든 연구가 동일한 모집단을 조사하거나 동일한 변수 및 결과 정의를 사용한다고 가정하는 고정 효과 모델이다.연구는 종종 이질성의 여러 원천에 노출되기 쉽기 때문에 이러한 가정은 전형적으로 비현실적이다. 예를 들어 치료 효과는 지역, 선량 수준, 연구 조건 등에 따라 다를 수 있다.

랜덤 효과 모형

이질적인 연구를 합성하는 데 사용되는 공통 모델은 메타 분석의 무작위 효과 모델이다.이것은 단순히 연구 그룹의 효과 크기에 대한 가중 평균이다.랜덤 효과 메타 분석을 사용한 가중 평균화 프로세스에서 적용되는 가중치는 다음 두 [38]단계로 달성된다.

  1. 1단계: 역분산 가중치 부여
  2. 2단계: 단순히 기초 연구의 효과 크기 변동 범위로부터 도출된 랜덤 효과 분산 성분(REVC)을 적용하여 이 역 분산 가중치의 가중치를 해제한다.

즉, 효과 크기의 변동성이 클수록(이질성으로 알려져 있음), 비가중치가 커지며, 랜덤 효과 메타 분석 결과가 단순히 연구 전체에서 가중되지 않은 평균 효과 크기가 되는 지점에 도달할 수 있다.다른 극단에서는 모든 효과 크기가 비슷하거나 변동성이 표본 오차를 초과하지 않을 경우 REVC가 적용되지 않으며 랜덤 효과 메타 분석은 기본적으로 고정 효과 메타 분석(역 분산 가중치만)으로 설정됩니다.

이러한 반전의 정도는 전적으로 다음 두 [39]가지 요인에 따라 달라집니다.

  1. 정밀도의 이질성
  2. 효과 크기의 이질성

이러한 요인 중 어느 것도 결함 있는 대규모 연구나 보다 신뢰할 수 있는 소규모 연구를 나타내지 않기 때문에, 이 모델에서 체중의 재분포는 이러한 연구가 실제로 제공할 수 있는 것과 관련이 없습니다.실제로, 체중 재분배는 결국 모든 연구가 동일한 체중을 가지며 더 이상의 재분배가 [39]불가능할 때까지 이질성이 증가함에 따라 단순히 더 큰 연구에서 더 작은 연구로 한 방향으로만 이루어진다는 것이 입증되었다.랜덤 효과 모델의 또 다른 문제는 가장 일반적으로 사용되는 신뢰 구간이 일반적으로 지정된 명목 수준 이상으로 포함 확률을 유지하지 못하여 통계 오류를 상당히 과소평가하고 결론에 대해 [40][41]과신할 수 있다는 것이다.몇 가지 해결책이 제안되었지만[42][43] 토론은 [41][44]계속되고 있다.또 다른 우려 사항은 평균 처리 효과가 고정 효과[45] 모델에 비해 훨씬 덜 보수적일 수 있으며 따라서 실제로 오해를 일으킬 수 있다는 것이다.제안된 해석적 수정 중 하나는 랜덤 효과 추정치 주위에 예측 구간을 만들어 [46]실제로 가능한 효과의 범위를 그리는 것이다.그러나 그러한 예측 간격 계산의 이면에 있는 가정은 시행이 다소 동질적인 실체로 간주되고 포함된 환자 모집단과 대조군 치료제는 교환[47] 가능한 것으로 간주되어야 하며 이는 일반적으로 실제로 달성할 수 없다는 것이다.

제한된 최대우도 추정기가 편향이 가장 적고 가장 일반적으로 사용되는 [48]연구 간 분산을 추정하는 데 사용되는 방법은 많습니다.최대우도 및 제한된 최대우도 방법을 포함하여 스터디 간 분산을 계산하기 위한 몇 가지 고급 반복 기법이 존재하며,[49] 이러한 방법을 사용하는 랜덤 효과 모델은 Excel, Stata,[50][51] SPSS [52]및 R을 포함한 다중 소프트웨어 플랫폼에서 실행할 수 있습니다.

대부분의 메타 분석에는 2 - 4개의 연구가 포함되며 그러한 샘플은 이질성을 정확하게 추정하기에 불충분할 때가 많다.따라서 소규모 메타 분석에서는 연구 분산 추정치 사이에 잘못된 0이 확보되어 잘못된 균질성 가정이 도출되는 것으로 보인다.전반적으로 이질성은 메타 분석에서 지속적으로 과소평가되고 있으며 높은 이질성 수준이 가정된 민감도 분석에서 [53]유익할 수 있다.위에서 언급한 이러한 무작위 효과 모델과 소프트웨어 패키지는 연구-집약 메타 분석과 관련되며, 개별 환자 데이터(IPD) 메타 분석을 수행하고자 하는 연구자는 혼합 효과 모델링 [54]접근방식을 고려해야 한다.

IVhet 모형

Doi & Barendregt는 Khan, Thalib 및 Williams(Queensland 대학, Southern Queensland 대학 및 쿠웨이트 대학)와 협력하여 랜덤 효과(RE) 모델에 대한 역분산 준우도 기반 대안(IVhet)을 작성했으며, 자세한 내용은 [49]온라인에서 확인할 수 있다.이는 Epigear International Pty Ltd가 제작한 메타 분석용 무료 Microsoft Excel 애드인 MetaXL 버전 [55]2.0에 통합되어 2014년 4월 5일에 제공되었습니다.저자들은 이 모델의 분명한 장점은 무작위 효과 모델의 두 가지 주요 문제를 해결한다는 것이라고 말한다.IVhet 모델의 첫 번째 장점은 이질성 [40][41]증가와 함께 커버리지가 감소하는 랜덤 효과 모델과 달리 신뢰 구간에 대해 공칭 수준(일반적으로 95%)을 유지한다는 것이다.두 번째 장점은 이질성이 증가하는 소규모 연구(따라서 더 큰 연구)에 더 많은 가중치를 부여하는 RE 모델과 달리 IVhet 모델은 개별 연구의 역분산 가중치를 유지한다는 것이다.이질성이 커지면 RE 모델 하의 개별 연구 가중치가 같아지고, 따라서 RE 모델은 가중 평균이 아닌 산술 평균을 반환합니다.RE 모델의 이러한 부작용은 두 [49]가지 관점에서 RE 모델 추정치와 다른 IVhet 모델에서는 발생하지 않는다. 즉, 합동 추정치는 (RE 모델에서 더 큰 시험을 벌하는 대신) 더 큰 시험을 선호하고 불확실성(이질성) 하에서 명목 범위 내에 남아 있는 신뢰 구간을 가질 것이다.Doi & Barendregt는 RE 모델이 연구 데이터를 통합하는 대체 방법을 제공하지만, 시뮬레이션[56] 결과는 RE 모델과 같이 옹호할 수 없는 가정과 함께 더 특정한 확률 모델을 사용하는 것이 반드시 더 나은 결과를 제공하는 것은 아니라는 것을 보여준다.후자의 연구는 또한 IVhet 모델이 통계적 오류의 과소 평가, 신뢰 구간의 낮은 적용 범위 및 무작위 효과 모델에서 볼 수 있는 MSE 증가와 관련된 문제를 해결한다고 보고하고 저자들은 따라서 연구자들이 메타 분석에서 무작위 효과 모델의 사용을 포기해야 한다고 결론짓는다.데이터는 설득력이 있지만, (코크레인 데이터베이스 내에서 적극적으로 긍정적인 결과의 크기에 대한) 영향은 매우 크므로, 이 결론을 수용하려면 세심한 독립적인 확인이 필요하다.IVhet 모델(및 비교를 위한 다른 모든 모델)을 실행하는 무료 소프트웨어(MetaXL)[55]를 사용할 수 있기 때문에 연구 커뮤니티가 이를 쉽게 수행할 수 있습니다.

직접 증거:추가 정보를 포함하는 모델

품질 효과 모형

Doi와 Thalib은 원래 품질 [57]효과 모델을 도입했습니다.그들은[58] 각 연구에 대한 가중치를 생성하기 위해 고정 효과 메타 분석 모델에 사용되는 무작위 오류로 인한 분산 기여 외에 관련 성분(품질)으로 인한 분산 기여도를 통합하여 연구 간 변동성에 대한 조정에 대한 새로운 접근방식을 도입했다.품질 효과 메타 분석의 강점은 주관적 무작위 효과에 대해 사용 가능한 방법론적 증거를 사용할 수 있게 하여 임상 연구의 방법론과 통계 사이에 벌어진 손상 격차를 좁히는 데 도움이 된다는 것이다.이를 위해 합성 바이어스 분산을 품질 정보를 기반으로 계산하여 역분산 가중치를 조정하고 ith 연구의 품질 조정 가중치를 [57]도입한다.이러한 조정된 가중치는 메타 분석에 사용된다.즉, 연구 i가 품질이 좋고 다른 연구가 품질이 낮은 경우, 품질 조정 가중치의 일부를 수학적으로 재배포하여 연구 i에 전체적인 효과 크기에 더 많은 가중치를 부여한다.연구들이 품질 면에서 점점 더 유사해짐에 따라, 재분배는 점차 줄어들어 모든 연구가 동일한 품질의 경우 중단된다(동일한 품질의 경우 품질효과 모델은 기본적으로 IVhet 모델 – 이전 섹션 참조).품질 효과 모델(일부 업데이트 포함)에 대한 최근 평가는 품질 평가의 주관성에도 불구하고 성능(MSE 및 시뮬레이션 시 실제 분산)이 무작위 효과 [59][60]모델로 달성할 수 있는 것보다 우수하다는 것을 보여준다.따라서 이 모델은 문헌에 많이 있는 옹호할 수 없는 해석을 대체하며, 이 방법을 [55]더 탐구할 수 있는 소프트웨어를 이용할 수 있다.

간접 증거:네트워크 메타 분석 방법

네트워크 메타 분석에서는 간접 비교가 검토됩니다.화상에서 A는 C에 대해, C는 B에 대해 각각 분석되고 있다.그러나 A와 B의 관계는 간접적으로만 알려져 있으며, 네트워크 메타 분석은 통계적 방법을 사용하여 방법과 개입 간의 차이에 대한 간접적인 증거를 조사한다.

간접 비교 메타 분석 방법(특히 여러 치료를 동시에 평가할 경우 네트워크 메타 분석이라고도 함)은 일반적으로 두 가지 주요 방법론을 사용한다.첫째, Bucher[61] 방법은 3가지 처리의 닫힌 루프를 단일 또는 반복 비교한 것으로, 이들 중 하나가 두 가지 스터디에 공통이며 루프가 시작되고 끝나는 노드를 형성한다.따라서 여러 처리를 비교하려면 여러 개의 2-x2 비교(3-처리 루프)가 필요합니다.이 방법론에서는 두 개 이상의 암이 있는 시험에는 독립적인 쌍별 비교가 필요한 경우에만 두 개의 암이 선택되어야 합니다.대안적 방법론은 복잡한 통계 모델링을 사용하여 모든 경쟁 치료제 간의 다중 암 시행과 비교를 동시에 포함한다.이것들은 베이지안 방법, 혼합 선형 모델 및 메타 회귀 [citation needed]접근법을 사용하여 실행되었다.

베이지안 프레임워크

베이지안 네트워크 메타 분석 모델의 지정에는 WinBUGS [62]등의 범용 마르코프 체인 몬테카를로(MCMC) 소프트웨어용 Directed Acyclic Graph(DAG; 유도 비순환 그래프) 모델이 포함됩니다.또한 다수의 모수에 대해 사전 분포를 지정해야 하며 데이터를 특정 [62]형식으로 제공해야 합니다.DAG, prior 및 데이터는 함께 베이지안 계층 모델을 형성합니다.MCMC 추정의 특성상 수렴을 [63]평가할 수 있도록 다수의 독립적 체인에 대해 초과 분산된 시작 값을 선택해야 합니다.최근 모델 피팅을 단순화하기 위해 여러 R 소프트웨어 패키지가 개발되었습니다(예: metaB).MA[64] 및 RoBMA[65]) 및 그래픽 사용자 인터페이스(GUI): JASP를 갖춘 통계 소프트웨어에도 구현됩니다.베이지안 접근법의 복잡성은 이 방법론의 사용을 제한하지만, 최근의 튜토리얼 논문은 방법의 [66][67]접근성을 높이려고 노력하고 있다.이 방법의 자동화를 위한 방법론이 제안되었지만[62] 암 수준의 결과 데이터를 사용할 수 있어야 하며, 이는 일반적으로 사용할 수 없습니다.때로는 네트워크 메타 분석을 처리하는 베이지안 프레임워크의 본질적인 능력과 더 큰 유연성에 대한 큰 주장이 제기되기도 한다.그러나 이러한 추론을 위한 프레임워크 구현 선택은 효과 모델링에[68] 관한 다른 선택보다 덜 중요할 수 있다(위 모델에 대한 논의 참조).

다원적 다변량 프레임워크

반면에, 빈도론 다변량 방법은 방법이 적용될 때 명시적으로 명시되거나 검증되지 않은 근사치와 가정을 포함한다(위의 메타 분석 모델에 대한 논의 참조).예를 들어, Stata용 mvmeta 패키지는 빈번한 [69]프레임워크에서 네트워크 메타 분석을 가능하게 합니다.그러나 네트워크에 공통 대조군이 없는 경우, 이는 분산이 높은 가상의 암으로 데이터 세트를 증강함으로써 처리되어야 하며, 이는 매우 객관적이지 않고 무엇이 충분히 높은 [62]편차를 구성하는지 결정해야 한다.또 다른 문제는 이 빈도주의 프레임워크와 베이지안 프레임워크 모두에서 무작위 효과 모델을 사용하는 것이다.Senn은 분석가들이 '랜덤 효과' 분석을 해석하는 데 신중할 것을 조언한다. 왜냐하면 하나의 무작위 효과만 허용되지만 많은 [68]효과를 예상할 수 있기 때문이다.Senn은 무작위 효과 분석이 임상시험마다 다른 효과에 대한 모든 불확실성을 설명한다고 가정하기 위해 두 가지 치료법만 비교되는 경우에도 다소 순진하다고 말한다.위에서 설명한 것과 같은 새로운 메타 분석 모델은 확실히 이 상황을 완화하는 데 도움이 될 것이며 다음 프레임워크에서 구현되었다.

일반화된 쌍별 모델링 프레임워크

1990년대 후반부터 시도된 접근방식은 다중 3처리 폐쇄 루프 분석의 구현이다.이는 네트워크의 복잡성이 증가함에 따라 프로세스가 급속히 어려워지기 때문에 인기가 없었습니다.이 영역의 개발은 대안으로 등장한 베이지안 및 다변량 빈도론 방법을 선호하기 위해 포기되었다.최근 일부 연구자들은[49] 이 방법론을 주류 연구 커뮤니티에 보급하기 위한 방법으로 복잡한 네트워크를 위해 3처리 폐쇄 루프 방식의 자동화를 개발하였다.이 제안서는 각 시행을 두 번의 개입으로 제한하지만 여러 암 시행에 대한 해결 방법을 소개합니다. 즉, 다른 실행에서 다른 고정 제어 노드를 선택할 수 있습니다.또한 위에서 설명한 많은 문제를 피하기 위해 강력한 메타 분석 방법을 사용합니다.이것이 실제로 베이지안 또는 다변량 빈도주의 프레임워크보다 우수한지를 결정하기 위해서는 이 프레임워크에 대한 추가 연구가 필요하다.이를 시험해 보는 연구자들은 무료 소프트웨어를 [55]통해 이 프레임워크에 액세스할 수 있습니다.

맞춤형 메타 분석

다른 형태의 추가 정보는 의도된 설정에서 가져옵니다.메타 분석 결과를 적용하기 위한 목표 설정을 알고 있는 경우 해당 설정의 데이터를 사용하여 결과를 맞춤화할 수 있으므로 '맞춤형 메타 분석'[70][71]을 생성할 수 있습니다.이는 테스트 정확도 메타 분석에 사용되어 왔으며, 테스트 양성 비율과 유병률에 대한 경험적 지식을 사용하여 '해당 영역'으로 알려진 수신기 작동 특성(ROC) 공간에서 영역을 도출했다.그런 다음 이 영역과의 비교를 바탕으로 대상 설정에 대한 스터디를 선택하고 집계하여 대상 설정에 맞춘 요약 추정치를 생성한다.

IPD 및 AD 집약

IPD와 AD의 결합에도 메타 분석을 적용할 수 있습니다.이는 분석을 수행하는 연구자가 문헌에서 집계 또는 요약 데이터를 수집하면서 자체 원시 데이터를 보유할 때 편리하다.GIM([72]Generalized Integration Model)은 메타 분석의 일반화입니다.따라서 개별 참가자 데이터(IPD)에 적합한 모델과 집계 데이터(AD) 계산에 사용되는 모델이 다를 수 있습니다. GIM은 보다 유연하게 정보를 통합하기 위한 모델 보정 방법으로 볼 수 있습니다.

메타분석 결과 검증

메타 분석 추정치는 전체 연구에 걸쳐 가중 평균을 나타내며, 이질성이 있는 경우 요약 추정치가 개별 연구를 대표하지 못할 수 있다.확립된 도구를 사용한 일차 연구의 정성적 평가는 잠재적 [73][74]편견을 발견할 수 있지만 요약 추정치에 대한 이러한 편견의 총 효과를 정량화하지는 않는다.메타 분석 결과를 독립적인 예비 일차 연구와 비교할 수 있지만, 그러한 외부 검증은 종종 비현실적이다.이로 인해 내부-외부 교차 검증(IOCV)[75]이라고도 하는 생략형 교차 검증을 이용하는 방법이 개발되었습니다.여기서는 k개 포함된 각 연구를 생략하고 나머지 k-1 연구를 집계하여 도출한 요약 추정치와 비교한다.메타분석 결과의 [76]통계적 타당성을 측정하기 위해 IOCV에 기초한 일반 검증 통계인 Vn이 개발되었습니다.검정 정확도 및 예측, 특히 다변량 효과가 있는 경우 예측 오차를 추정하는 다른 접근법도 [77]제안되었습니다.

과제들

여러 소규모 연구의 메타 분석이 하나의 대규모 [78]연구의 결과를 항상 예측하는 것은 아닙니다.일부에서는 이 방법의 약점이 편견의 원천이 이 방법에 의해 제어되지 않는다는 것이라고 주장해왔다. 즉, 좋은 메타 분석은 원래의 [79]연구에서 좋지 않은 설계나 편견을 교정할 수 없다.이는 방법론적으로 건전한 연구만이 '최고의 근거 합성'[79]이라고 불리는 메타 분석에 포함되어야 한다는 것을 의미한다.다른 메타 분석가는 더 약한 연구를 포함하고, 효과 [80]크기에 대한 연구 품질의 영향을 조사하기 위해 연구의 방법론적 품질을 반영하는 연구 수준 예측 변수를 추가할 것이다.그러나 다른 이들은 더 나은 접근법이 연구 표본의 분산에 대한 정보를 보존하고 가능한 한 넓게 그물을 던지는 것이며, 방법론적 선택 기준은 [81]접근법의 목적을 무시하고 원치 않는 주관성을 도입하는 것이라고 주장했다.

게시 편향: 파일 드로어 문제

파일 드로어 문제 없이 깔때기 플롯이 필요합니다.가장 큰 연구는 끝부분에 수렴하는 반면, 작은 연구는 밑부분에 대칭 산란된 정도를 보여준다.
파일 드로어 문제에 대한 깔때기 플롯이 필요합니다.가장 큰 연구들은 여전히 팁 주위에 모여 있지만, 부정적인 연구들을 출판하는 것에 대한 편견은 전반적으로 작은 연구들이 그 가설에 부당하게 유리한 결과를 가져오게 만들었다.

또 다른 잠재적 함정은 부정적인 결과나 중요하지 않은 결과를 보여주는 연구들이 [82]출판될 가능성이 적기 때문에 출판 편향으로 인해 과장된 결과를 만들 수 있는 출판된 연구의 이용 가능한 주체에 의존하는 것이다.예를 들어, 제약회사들은 부정적인 연구를 숨기는 것으로 알려져 왔고, 연구자들은 논문 연구나 발표되지 않은 컨퍼런스 추상화 같은 발표되지 않은 연구를 간과했을 수도 있다.얼마나 많은 연구가 [83]보고되지 않았는지 알 수 없기 때문에 이것은 쉽게 해결되지 않는다.

이 파일 드로어 문제(부정적이거나 유의하지 않은 결과가 캐비닛에 숨겨지는 것으로 특징지어짐)는 효과 크기의 편중 분포를 초래할 수 있으며, 따라서 다른 연구들이 출판을 위해 제출되지 않았거나 거부되었기 때문에 발표된 연구의 중요성이 과대 평가되는 심각한 기준 비율 오류를 야기할 수 있다.d. 메타 [83][6]분석의 결과를 해석할 때 이 점을 심각하게 고려해야 한다.

효과 크기의 분포는 (가장 일반적인 버전에서) 표준 오차 대 효과 크기의 산점도인 깔때기 그림을 사용하여 시각화할 수 있다.이는 작은 연구(따라서 더 큰 표준 오차)가 효과의 크기를 더 많이 산란(정밀하지 않음)하는 반면, 큰 연구들은 산란이 적고 깔때기 끝을 형성한다는 사실을 이용한다.많은 음성 연구가 발표되지 않은 경우, 나머지 양성 연구는 베이스가 한쪽으로 치우치는 깔때기 플롯을 생성한다(깔때기 플롯의 비대칭).이와는 대조적으로, 출판 편향이 없을 때, 소규모 연구의 효과는 한쪽으로 치우칠 이유가 없으므로 대칭 깔때기 그림이 나타난다.이는 또한 출판 편향이 존재하지 않으면 표준 오차 및 효과 [84]크기 사이에 관계가 없음을 의미한다.표준 오류와 효과 크기 사이의 음수 또는 양의 관계는 한 방향으로만 효과를 발견한 소규모 연구가 출판되거나 출판을 위해 제출될 가능성이 더 높다는 것을 의미한다.

시각적 깔때기 그림과는 별도로, 출판 편향을 감지하기 위한 통계적 방법도 [85]제안되었다.이러한 값은 일반적으로 편향을 탐지하는 데 낮은 검정력을 가지지만 [86]일부 상황에서는 잘못된 양성을 만들 수도 있기 때문에 논란이 됩니다.예를 들어 소규모 연구 효과(편향된 소규모 연구)는 소규모 연구와 대규모 연구 간의 방법론적 차이가 존재하며, 출판 편향과 유사한 효과 크기의 비대칭을 야기할 수 있다.그러나, 작은 연구 효과는 메타 분석의 해석과 마찬가지로 문제가 될 수 있으며,[87] 반드시 메타 분석 저자들이 잠재적 편견의 원천을 조사해야 한다.

잘못된 양의 오류 [88]문제를 줄이기 위해 출판 편향 분석을 위한 탠덤 방법이 제안되었습니다.이 Tandem 방식은 3단계로 구성됩니다.첫째, Orwin의 페일 세이프 N을 계산하여 테스트 통계량을 사소한 크기로 줄이기 위해 얼마나 많은 연구를 추가해야 하는지 점검한다.이 연구수가 메타분석에 사용된 연구수보다 많으면 출판편향이 없다는 것을 의미하며, 이 경우 효과 크기를 줄이기 위해 많은 연구가 필요하다.둘째, 깔때기 그림이 대칭인지 여부를 검정하는 Egger 회귀 검정을 수행할 수 있습니다.앞서 언급한 바와 같이 대칭 깔때기 그림은 효과 크기와 표본 크기가 종속되지 않기 때문에 출판 편향이 없다는 신호이다.셋째, 깔때기 플롯이 비대칭일 경우 데이터를 귀속시키는 트리밍 앤 필(trim-and-fill) 방법을 사용할 수 있다.

심리학 메타분석의 25%가 출판편향으로 [88]고통받았을 수 있기 때문에 출판편향의 문제는 사소한 것이 아니다.그러나 기존 테스트의 낮은 검정력과 깔때기 플롯의 시각적 외관 문제는 여전히 문제로 남아 있으며 출판 편향 추정치는 실제 존재하는 것보다 낮게 유지될 수 있다.

출판편향에 대한 대부분의 논의는 통계적으로 유의한 연구결과의 출판을 선호하는 저널 프랙티스에 초점을 맞추고 있다.그러나 유의성이 달성될 때까지 통계 모델을 재작업하는 것과 같은 의심스러운 연구 관행은 또한 연구자의 [89][90]가설을 뒷받침하는 통계적으로 유의한 발견을 선호할 수 있다.

통계적으로 유의하지 않은 영향을 보고하지 않는 연구와 관련된 문제

연구는 종종 그 효과가 통계적[citation needed] 유의성에 도달하지 못할 때 보고하지 않는다.예를 들어, 다른 정보(예: 통계량 또는 p-값)를 보고하지 않고 단순히 그룹이 통계적으로 유의한 차이를 보이지 않았다고 말할 수 있다.이러한 연구의 배제는 출판 편향과 유사한 상황을 초래할 수 있지만, 그러한 연구의 포함(무효 효과 가정)은 메타 분석을 편향시킬 수도 있다.Joaquim Radua에 의해 만들어진 방법인 MetaNSUE는 연구자들이 이러한 연구를 [91]공평하게 포함시킬 수 있도록 하는 것을 보여주었다.순서는 다음과 같습니다.

  • 메타 분석 효과와 연구 간의 이질성의 최대 가능성 추정.
  • NSUE의 다중 귀속은 효과 추정치에 소음을 더한다.
  • 각 귀속된 데이터 세트에 대해 별도의 메타 분석.
  • 이러한 메타 분석의 결과 풀링.

통계적 접근법과 관련된 문제

다른 약점은 (메타 분석에 사용되는) 새로운 무작위 효과가 본질적으로 f에 대한 공식 장치라는 인식 때문에 랜덤 효과 모델에 대한 비판이 고조되고 있지만, 결과를 결합하기 위한 통계적으로 가장 정확한 방법이 고정, IVhet, 랜덤 또는 품질 효과 모델인지 결정되지 않았다는 것이다.매끈하게 매끄럽게 하거나 수축 및 예측이 불가능하거나 [92]잘못될 수 있습니다.랜덤 효과 접근법의 주요 문제는 연구 간 이질성이 크면 가중치를 자연 가중 추정치에 가깝게 하지만 연구 간 이질성이 작으면 역분산 가중 추정기에 가깝게 만드는 "타협 추정기"를 생성하는 고전적인 통계적 사고를 사용한다는 것이다.그러나 우리가 특정 데이터 집합을 분석하기 위해 선택한 모델과 데이터가 [93]생성된 메커니즘의 차이는 무시되었습니다.이러한 역할 중 하나에 랜덤 효과가 나타날 수 있지만 두 역할은 상당히 다릅니다.분석 모델과 데이터 생성 메커니즘(모델)이 비슷하다고 생각할 이유는 없지만, 많은 통계 하위 분야는 이론과 시뮬레이션을 위해 데이터 생성 메커니즘(모델)이 우리가 선택한(또는 다른 사람이 선택하기를 원하는) 분석 모델과 동일하다고 가정하는 습관을 길러왔다.데이터를 생성하기 위한 가설화된 메커니즘으로서 메타 분석을 위한 랜덤 효과 모델은 어리석고 이 모델을 피상적인 설명과 분석 도구로 우리가 선택하는 것으로 생각하는 것이 더 적절하지만, 메타 분석을 위한 이 선택은 각각의 메타 효과의 고정 특성이기 때문에 작동하지 않을 수 있다.aolysis 및 확률 분포는 설명 도구에 [93]불과합니다.

의제 중심의 편견으로 인한 문제

메타분석에서 가장 심각한 잘못은 메타분석을 하는 사람 또는 사람들이 법률의 통과 또는 패배와 같은 경제적, 사회적 또는 정치적 의도를 가지고 있을 때 종종 발생합니다.이런 유형의 의제를 가진 사람들은 개인적인 편견으로 인해 메타 분석을 남용할 가능성이 더 높다.예를 들어, 저자의 의제에 호의적인 연구자들은 그들의 연구를 선정하는 반면, 호의적이지 않은 연구자들은 무시당하거나 "신뢰할 수 없다"는 딱지를 붙일 가능성이 높다.또한, 선호하는 저자들은 편향되거나 돈을 지불하여 작은 유리한 데이터 세트를 선택하고 더 큰 불리한 데이터 세트를 통합하지 않는 등의 방법으로 그들의 전체적인 정치적, 사회적 또는 경제적 목표를 지원하는 결과를 도출할 수 있다.메타분석의 방법론은 유연성이 [10]높기 때문에 메타분석 결과에 대한 이러한 편견의 영향이 가능하다.

의료 메타 분석에 사용되는 기초 연구 연구에서 가능한 이해 상충을 공개하기 위해 수행된 2011년 연구는 29개의 메타 분석을 검토했으며 메타 분석의 기초가 되는 연구에서 이해 상충이 거의 공개되지 않는 것으로 나타났다.29개의 메타 분석에는 일반 의학 저널 11개, 전문 의학 저널 15개, 코크란 데이터베이스 오브 시스템리뷰 3개 등이 포함됐다.29개의 메타 분석자는 총 509개의 무작위 대조 시험(RCT)을 검토했다.이 중 318명의 RCT가 자금원을 보고했으며, 219명(69%)이 산업으로부터 자금 지원을 받았다(즉, 제약 산업과 금융 관계를 맺고 있는 저자 1명 이상).509개의 RCT 중 132개가 이해 상충 공시를 보고했으며, 91개 연구(69%)가 산업과 금전적 관계가 있는 저자를 공개했다.그러나 정보는 메타분석에 거의 반영되지 않았다.RCT의 자금원은 2명(7%)에 불과했으며, RCT의 저자와 업계의 관계는 보고되지 않았습니다.저자들은 "메타 분석에 포함된 RCT의 산업 자금 또는 저자의 산업 금융 연계로 인해 COI를 인정하지 않으면 메타 분석의 증거에 대한 독자들의 이해와 평가가 [94]훼손될 수 있다"고 결론지었다.

예를 들어 1998년 미국 연방 판사는 미국 환경보호청이 정책 입안자들이 금연법을 통과시키도록 영향을 미칠 목적으로 환경 담배 연기(ETS)로 인한 비흡연자에게 발암 위험을 주장하는 연구를 작성하기 위해 메타 분석 과정을 남용했다고 밝혔다.판사는 다음과 같이 판결했다.

EPA의 연구 선택은 불안하다.첫째, EPA가 데이터를 "선택"했다는 비난을 뒷받침하는 증거가 기록에 있다.연구를 메타 분석으로 통합하는 기준이 없으면 법원은 EPA의 선험적 가설을 반증할 가능성이 있는 연구의 배제가 우연인지 의도적인 것인지 판단할 수 없다.둘째, 이용 가능한 연구의 거의 절반을 제외한 EPA는 역학 연구 분석에 대한 EPA의 추정 목적과 직접적으로 상충되며 EPA의 위험 평가 지침과 상충된다.4-29의 ETS 위험 평가 참조("이 데이터는 EPA의 발암 물질 위험 평가 가이드라인(U.S. EPA, 1986a)(강조 추가)에 의해 권장된 모든 이용 가능한 증거를 측정하기 위해 검토해야 한다."셋째, EPA의 선택적 데이터 사용은 라돈 연구법과 상충된다.이 법은 EPA의 프로그램이 "실내 공기 품질의 모든 측면에 대한 데이터와 정보를 수집해야 한다"(레이돈 연구법 § 403(a)(1))(강조 추가)[95]고 명시한다.

남용의 결과로 법원은 EPA의 "피동흡연의 호흡기 건강 영향:폐암 및 기타 장애.[95]

포함된 연구의 비교 가능성 및 타당성

메타 분석은 종종 적절하게 구동되는 일차 연구를 [96]대체하지 못할 수 있다.

사용된 방법의 이질성은 잘못된 [97]결론으로 이어질 수 있다.예를 들어, 개입의 형태나 과학자들에게 경미하다고 생각되거나 알려지지 않은 코호트의 차이는 메타 분석의 결과를 왜곡하거나 데이터에서 적절하게 고려되지 않는 결과를 포함하여 실질적으로 다른 결과를 초래할 수 있다.반대로 메타 분석의 결과는 특정 가설이나 개입을 실행 불가능한 것처럼 보이게 할 수 있으며, 간헐적 관리, 개인화된 기준 및 조합 조치와 같은 특정 수정에도 불구하고 추가 연구 또는 승인을 선점할 수 있다. 이러한 경우 등 상당히 다른 결과를 도출할 수 있다.메타 [citation needed]분석에서 고려된 소규모 연구에서 성공적으로 식별 및 적용되었다.표준화, 실험 복제, 개방형 데이터 및 개방형 프로토콜은 관련 요인 및 기준을 알 수 없거나 [citation needed]기록되지 않을 수 있으므로 이러한 문제를 완화하지 못할 수 있다.

가능한 한 적은 수의 동물이나 인간에 의한 테스트와 견고하고 신뢰할 수 있는 결과를 얻을 필요성 사이에 적절한 균형에 대한 논쟁이 있다.신뢰할 수 없는 연구는 비효율적이고 낭비적이며, 연구는 너무 늦게 멈출 뿐만 아니라 너무 일찍 멈출 때도 낭비라고 주장되어 왔다.대규모 임상시험에서 시험 [98]참가자와 관련된 상당한 비용이나 잠재적 위해가 있는 경우 계획된 순차적 분석을 사용하는 경우가 있다.응용 행동 과학에서는 개별 [99]팀에 의해 학문 간 방식으로 설계된 많은 다른 개입의 효과를 조사하기 위해 "대량 연구"가 제안되었다.그러한 연구 중 하나는 많은 수의 참가자를 모집하기 위해 피트니스 체인을 사용했다.행동 개입은 종종 [메타 분석과 리뷰에서] 비교하기 어려운 경우가 있는데, 이는 "다른 시간 간격에 걸쳐 서로 다른 결과를 사용하여 서로 다른 표본에서 서로 다른 개입 아이디어를 테스트하기 때문"이며, 이러한 개별 조사의 비교 가능성 결여를 야기하여 "그들의 잠재력"을 제한하기 때문이다.폼 정책"[99]을 참조해 주세요.

약한 포함 기준은 잘못된 결론을 초래한다.

교육의 메타 분석은 종종 그들이 포함하는 연구의 방법론적 질과 관련하여 충분히 제한적이지 않다.예를 들어, 작은 표본이나 연구자가 만든 측정치가 포함된 연구는 효과 크기 [100]추정치를 부풀리게 한다.그러나 이 문제는 임상시험의 메타분석에도 문제를 일으킨다.서로 다른 품질 평가 도구(QAT)를 사용하면 서로 다른 연구를 포함하고 평균 치료 [101][102]효과에 대한 상반된 추정치를 얻을 수 있다.

현대 과학에서의 응용

현대의 통계 메타 분석은 가중 평균을 사용하여 일련의 연구의 효과 크기를 결합하는 것 이상을 한다.연구 참여자 수의 표본 추출로 인해 예상되는 변동보다 연구 결과가 더 많은 변동을 보이는지 여부를 검정할 수 있습니다.또한 사용된 측정 기구, 표본 모집단 또는 연구 설계의 측면과 같은 연구 특성을 코드화하고 추정기의 분산을 줄이기 위해 사용할 수 있습니다(위의 통계 모델 참조).따라서 연구의 몇 가지 방법론적 약점을 통계적으로 수정할 수 있다.메타 분석 방법의 다른 사용에는 임상 예측 모델의 개발과 검증이 포함된다. 여기서 메타 분석은 다른 연구 센터의 개별 참가자 데이터를 결합하고 모델의 일반성을 [103][104]평가하거나 기존 예측 모델을 [105]집계하기 위해 사용될 수 있다.

메타 분석은 그룹 리서치 [106]설계뿐만 아니라 단일 피사체 설계로도 수행할 수 있습니다.단일 피사체 연구 [107]설계로 많은 연구가 이루어졌기 때문에 이것은 중요하다.단일 주제 [108]연구에 가장 적합한 메타 분석 기술에 대한 상당한 논란이 존재한다.

메타 분석은 단일 연구에서 다중 연구로 강조의 전환으로 이어진다.개별 연구의 통계적 유의성 대신 효과 크기의 실질적인 중요성을 강조한다.이러한 사고의 변화를 "메타 분석적 사고"라고 부릅니다.메타 분석의 결과는 종종 포레스트 플롯에 표시됩니다.

연구 결과는 다른 접근방식을 사용하여 결합됩니다.의료 연구의 메타 분석에서 자주 사용되는 한 가지 접근방식은 '역분산법'이다.모든 연구의 평균 효과 크기는 가중 평균으로 계산되며, 가중치는 각 연구의 효과 추정기의 역분산과 같다.랜덤 변동이 적은 대규모 연구 및 연구는 소규모 연구보다 더 큰 가중치를 부여합니다.다른 일반적인 접근법으로는 벽난로-가 있다.Haenszel[109] 방식과 Peto 방식.[110]

시드 베이스의 d매핑(이전의 부호 차분매핑, SDM)은, fMRI, VBM, 또는 PET와 같은 신경 이미징 기술을 사용한 뇌의 활동이나 구조의 차이에 관한 메타 분석 연구를 위한 통계 기법이다.

Gene 발현을 이해하기 위해 마이크로어레이와 같은 다양한 높은 throughput 기술이 사용되었습니다.마이크로RNA 발현 프로파일은 특정 세포나 조직 유형 또는 질병 조건에서 차등적으로 발현되는 마이크로RNA를 식별하거나 치료 효과를 확인하기 위해 사용되어 왔다.새로운 결론을 도출하고 알려진 [111]결과를 검증하기 위해 그러한 표현 프로파일의 메타 분석이 수행되었다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b 에레라 오르티스 AF, 카다비드 카마초 E, 쿠빌로스 로하스 J, 카다비드 카마초 T, 조 게바라 S, 타티아나 린콘 쿠엔카 N, 바스케스 페르도모 A, 델 카스티요 헤라조 5세, 기랄도 RO.체계적인 문헌 검토 및 메타 분석을 수행하기 위한 실무 가이드.임상 연구의 원칙과 실천. 2022;7(4):47-57.https://doi.org/10.21801/ppcrj.2021.74.6
  2. ^ "Levels of Evidence". Centre for Evidence-Based Medicine (CEBM). University of Oxford. March 2009. Retrieved 21 December 2021.
  3. ^ Developing NICE guidelines: the manual (PDF). London: National Institute for Health and Care Excellence. 2014. Retrieved 21 December 2020.
  4. ^ Greenland S, O' Rourke K (2008). "Meta-Analysis". In Rothman KJ, Greenland S, Lash T (eds.). Modern epidemiology (3rd, thoroughly revised and updated ed.). Philadelphia: Lippincott Williams and Wilkins. p. 652. ISBN 978-0-7817-5564-1.
  5. ^ Tabery J (9 May 2014). Beyond Versus: The Struggle to Understand the Interaction of Nature and Nurture. MIT Press. ISBN 978-0-262-02737-3.
  6. ^ a b Hunter JE, Schmidt FL (1990). Methods of Meta-Analysis: Correcting Error and Bias in Research Findings. Newbury Park, California; London; New Delhi: SAGE Publications.
  7. ^ Maziarz M (February 2022). "Is meta-analysis of RCTs assessing the efficacy of interventions a reliable source of evidence for therapeutic decisions?". Studies in History and Philosophy of Science. 91: 159–167. doi:10.1016/j.shpsa.2021.11.007. PMID 34922183. S2CID 245241150.
  8. ^ Feinstein AR (January 1995). "Meta-analysis: statistical alchemy for the 21st century". Journal of Clinical Epidemiology. The Potsdam International Consultation on Meta-Analysis. 48 (1): 71–79. doi:10.1016/0895-4356(94)00110-C. PMID 7853050.
  9. ^ Walker E, Hernandez AV, Kattan MW (June 2008). "Meta-analysis: Its strengths and limitations". Cleveland Clinic Journal of Medicine. 75 (6): 431–439. doi:10.3949/ccjm.75.6.431. PMID 18595551. S2CID 22543097.
  10. ^ a b Stegenga J (December 2011). "Is meta-analysis the platinum standard of evidence?". Studies in History and Philosophy of Biological and Biomedical Sciences. 42 (4): 497–507. doi:10.1016/j.shpsc.2011.07.003. PMID 22035723.
  11. ^ Wanous JP, Sullivan SE, Malinak J (1989). "The role of judgment calls in meta-analysis". Journal of Applied Psychology. 74 (2): 259–264. doi:10.1037/0021-9010.74.2.259. ISSN 0021-9010.
  12. ^ "Glossary: meta-analysis". The Cochrane Collaboration. Archived from the original on 20 December 2014.
  13. ^ Gravetter FJ, Forzano LB (1 January 2018). Research Methods for the Behavioral Sciences. Cengage Learning. p. 36. ISBN 978-1-337-61331-6. Some examples of secondary sources are (1) books and textbooks in which the author describes and summarizes past research, (2) review articles or meta-analyses...
  14. ^ Adams KA, Lawrence EK (2 February 2018). Research Methods, Statistics, and Applications. SAGE Publications. ISBN 978-1-5063-5046-2. The most common types of secondary sources found in academic journals are literature reviews and meta-analyses.
  15. ^ Rühlemann MC, Hermes BM, Bang C, Doms S, Moitinho-Silva L, Thingholm LB, et al. (February 2021). "Genome-wide association study in 8,956 German individuals identifies influence of ABO histo-blood groups on gut microbiome". Nature Genetics. 53 (2): 147–155. doi:10.1038/s41588-020-00747-1. PMID 33462482. S2CID 231641761.
  16. ^ Plackett RL (1958). "Studies in the History of Probability and Statistics: Vii. The Principle of the Arithmetic Mean". Biometrika. 45 (1–2): 133. doi:10.1093/biomet/45.1-2.130.
  17. ^ "Report on Certain Enteric Fever Inoculation Statistics". British Medical Journal. 2 (2288): 1243–1246. November 1904. doi:10.1136/bmj.2.2288.1243. PMC 2355479. PMID 20761760.
  18. ^ Nordmann AJ, Kasenda B, Briel M (9 March 2012). "Meta-analyses: what they can and cannot do". Swiss Medical Weekly. 142: w13518. doi:10.4414/smw.2012.13518. PMID 22407741.
  19. ^ O'Rourke K (December 2007). "An historical perspective on meta-analysis: dealing quantitatively with varying study results". Journal of the Royal Society of Medicine. 100 (12): 579–582. doi:10.1177/0141076807100012020. PMC 2121629. PMID 18065712.
  20. ^ Pratt JG, Rine JB, Smith BM, Stuart CE, Greenwood JA60년 후의 초감각 지각: 초감각 지각 연구에 대한 비판적 평가.뉴욕: 헨리 홀트, 1940년
  21. ^ Glass GV (1976). "Primary, secondary, and meta-analysis of research". Educational Researcher. 5 (10): 3–8. doi:10.3102/0013189X005010003. S2CID 3185455.
  22. ^ a b Shadish WR, Lecy JD (September 2015). "The meta-analytic big bang". Research Synthesis Methods. 6 (3): 246–264. doi:10.1002/jrsm.1132. PMID 26212600. S2CID 5416879.
  23. ^ a b Glass GV (September 2015). "Meta-analysis at middle age: a personal history". Research Synthesis Methods. 6 (3): 221–231. doi:10.1002/jrsm.1133. PMID 26355796. S2CID 30083129.
  24. ^ Cochran WG (1937). "Problems Arising in the Analysis of a Series of Similar Experiments". Journal of the Royal Statistical Society. 4 (1): 102–118. doi:10.2307/2984123. JSTOR 2984123.
  25. ^ Cochran WG, Carroll SP (1953). "A Sampling Investigation of the Efficiency of Weighting Inversely as the Estimated Variance". Biometrics. 9 (4): 447–459. doi:10.2307/3001436. JSTOR 3001436.
  26. ^ Hedges LV (September 2015). "The early history of meta-analysis". Research Synthesis Methods. 6 (3): 284–286. doi:10.1002/jrsm.1149. PMID 26097046. S2CID 206155786.
  27. ^ Gurevitch J, Koricheva J, Nakagawa S, Stewart G (March 2018). "Meta-analysis and the science of research synthesis". Nature. 555 (7695): 175–182. Bibcode:2018Natur.555..175G. doi:10.1038/nature25753. PMID 29517004. S2CID 3761687.
  28. ^ Gurevitch J, Morrow LL, Wallace A, Walsh JS (1992). "A Meta-Analysis of Competition in Field Experiments". The American Naturalist. 140 (4): 539–572. doi:10.1086/285428. ISSN 0003-0147. JSTOR 2462913. S2CID 205982939.
  29. ^ Gurevitch K (7 March 2018). "Forty years of meta-analysis: We need evidence-based answers more than ever". Research Data at Springer Nature. Retrieved 24 July 2021.
  30. ^ Vandvik PO, Brandt L (July 2020). "Future of Evidence Ecosystem Series: Evidence ecosystems and learning health systems: why bother?". Journal of Clinical Epidemiology. 123: 166–170. doi:10.1016/j.jclinepi.2020.02.008. PMID 32145365. S2CID 212629387.
  31. ^ Cartabellotta A, Tilson JK (June 2019). "The ecosystem of evidence cannot thrive without efficiency of knowledge generation, synthesis, and translation". Journal of Clinical Epidemiology. 110: 90–95. doi:10.1016/j.jclinepi.2019.01.008. PMID 30708174. S2CID 73415319.
  32. ^ Haddaway NR, Bannach-Brown A, Grainger MJ, Hamilton WK, Hennessy EA, Keenan C, et al. (June 2022). "The evidence synthesis and meta-analysis in R conference (ESMARConf): levelling the playing field of conference accessibility and equitability". Systematic Reviews. 11 (1): 113. doi:10.1186/s13643-022-01985-6. PMC 9164457. PMID 35659294.
  33. ^ "The PRISMA statement". Prisma-statement.org. 2 February 2012. Retrieved 2 February 2012.
  34. ^ Debray TP, Moons KG, van Valkenhoef G, Efthimiou O, Hummel N, Groenwold RH, Reitsma JB (December 2015). "Get real in individual participant data (IPD) meta-analysis: a review of the methodology". Research Synthesis Methods. 6 (4): 293–309. doi:10.1002/jrsm.1160. PMC 5042043. PMID 26287812.
  35. ^ Debray TP, Moons KG, Abo-Zaid GM, Koffijberg H, Riley RD (2013). "Individual participant data meta-analysis for a binary outcome: one-stage or two-stage?". PLOS ONE. 8 (4): e60650. Bibcode:2013PLoSO...860650D. doi:10.1371/journal.pone.0060650. PMC 3621872. PMID 23585842.
  36. ^ Burke DL, Ensor J, Riley RD (February 2017). "Meta-analysis using individual participant data: one-stage and two-stage approaches, and why they may differ". Statistics in Medicine. 36 (5): 855–875. doi:10.1002/sim.7141. PMC 5297998. PMID 27747915.
  37. ^ Helfenstein U (March 2002). "Data and models determine treatment proposals--an illustration from meta-analysis". Postgraduate Medical Journal. 78 (917): 131–134. doi:10.1136/pmj.78.917.131. PMC 1742301. PMID 11884693.
  38. ^ Senn S (March 2007). "Trying to be precise about vagueness". Statistics in Medicine. 26 (7): 1417–1430. doi:10.1002/sim.2639. PMID 16906552. S2CID 17764847.
  39. ^ a b Al Khalaf MM, Thalib L, Doi SA (February 2011). "Combining heterogenous studies using the random-effects model is a mistake and leads to inconclusive meta-analyses". Journal of Clinical Epidemiology. 64 (2): 119–123. doi:10.1016/j.jclinepi.2010.01.009. PMID 20409685.
  40. ^ a b Brockwell SE, Gordon IR (March 2001). "A comparison of statistical methods for meta-analysis". Statistics in Medicine. 20 (6): 825–840. doi:10.1002/sim.650. PMID 11252006. S2CID 16932514.
  41. ^ a b c Noma H (December 2011). "Confidence intervals for a random-effects meta-analysis based on Bartlett-type corrections". Statistics in Medicine. 30 (28): 3304–3312. doi:10.1002/sim.4350. hdl:2433/152046. PMID 21964669. S2CID 6556986.
  42. ^ Brockwell SE, Gordon IR (November 2007). "A simple method for inference on an overall effect in meta-analysis". Statistics in Medicine. 26 (25): 4531–4543. doi:10.1002/sim.2883. PMID 17397112. S2CID 887098.
  43. ^ Sidik K, Jonkman JN (November 2002). "A simple confidence interval for meta-analysis". Statistics in Medicine. 21 (21): 3153–3159. doi:10.1002/sim.1262. PMID 12375296. S2CID 21384942.
  44. ^ Jackson D, Bowden J (January 2009). "A re-evaluation of the 'quantile approximation method' for random effects meta-analysis". Statistics in Medicine. 28 (2): 338–348. doi:10.1002/sim.3487. PMC 2991773. PMID 19016302.
  45. ^ Poole C, Greenland S (September 1999). "Random-effects meta-analyses are not always conservative". American Journal of Epidemiology. 150 (5): 469–475. doi:10.1093/oxfordjournals.aje.a010035. PMID 10472946.
  46. ^ Riley RD, Higgins JP, Deeks JJ (February 2011). "Interpretation of random effects meta-analyses". BMJ. 342: d549. doi:10.1136/bmj.d549. PMID 21310794. S2CID 32994689.
  47. ^ Kriston L (March 2013). "Dealing with clinical heterogeneity in meta-analysis. Assumptions, methods, interpretation". International Journal of Methods in Psychiatric Research. 22 (1): 1–15. doi:10.1002/mpr.1377. PMC 6878481. PMID 23494781.
  48. ^ Langan, Dean; Higgins, Julian P.T.; Jackson, Dan; Bowden, Jack; Veroniki, Areti Angeliki; Kontopantelis, Evangelos; Viechtbauer, Wolfgang; Simmonds, Mark (2019). "A comparison of heterogeneity variance estimators in simulated random‐effects meta‐analyses". Research Synthesis Methods. 10 (1): 83–98. doi:10.1002/jrsm.1316. ISSN 1759-2879. PMID 30067315. S2CID 51890354.
  49. ^ a b c d "MetaXL User Guide" (PDF). Retrieved 18 September 2018.
  50. ^ Kontopantelis E, Reeves D (1 August 2010). "Metaan: Random-effects meta-analysis". Stata Journal. 10 (3): 395–407. doi:10.1177/1536867X1001000307 – via ResearchGate.
  51. ^ Field, Andy P.; Gillett, Raphael (2010). "How to do a meta-analysis". British Journal of Mathematical and Statistical Psychology. 63 (3): 665–694. doi:10.1348/000711010X502733. PMID 20497626.
  52. ^ Viechtbauer, Wolfgang (2010). "Conducting Meta-Analyses in R with the metafor Package". Journal of Statistical Software. 36 (3). doi:10.18637/jss.v036.i03. ISSN 1548-7660.
  53. ^ Kontopantelis E, Springate DA, Reeves D (2013). Friede T (ed.). "A re-analysis of the Cochrane Library data: the dangers of unobserved heterogeneity in meta-analyses". PLOS ONE. 8 (7): e69930. Bibcode:2013PLoSO...869930K. doi:10.1371/journal.pone.0069930. PMC 3724681. PMID 23922860.
  54. ^ Kontopantelis E, Reeves D (27 September 2013). "A short guide and a forest plot command (ipdforest) for one-stage meta-analysis". Stata Journal. 13 (3): 574–587. doi:10.1177/1536867X1301300308 – via ResearchGate.
  55. ^ a b c d "MetaXL software page". Epigear.com. 3 June 2017. Retrieved 18 September 2018.
  56. ^ Doi SA, Barendregt JJ, Khan S, Thalib L, Williams GM (November 2015). "Advances in the meta-analysis of heterogeneous clinical trials I: The inverse variance heterogeneity model". Contemporary Clinical Trials. 45 (Pt A): 130–138. doi:10.1016/j.cct.2015.05.009. hdl:1885/17083. PMID 26003435. S2CID 10792959.
  57. ^ a b Doi SA, Thalib L (January 2008). "A quality-effects model for meta-analysis". Epidemiology. 19 (1): 94–100. doi:10.1097/EDE.0b013e31815c24e7. PMID 18090860. S2CID 29723291.
  58. ^ Doi SA, Barendregt JJ, Mozurkewich EL (March 2011). "Meta-analysis of heterogeneous clinical trials: an empirical example". Contemporary Clinical Trials. 32 (2): 288–298. doi:10.1016/j.cct.2010.12.006. PMID 21147265.
  59. ^ Doi SA, Barendregt JJ, Khan S, Thalib L, Williams GM (July 2015). "Simulation Comparison of the Quality Effects and Random Effects Methods of Meta-analysis". Epidemiology. 26 (4): e42–e44. doi:10.1097/EDE.0000000000000289. PMID 25872162.
  60. ^ Doi SA, Barendregt JJ, Khan S, Thalib L, Williams GM (November 2015). "Advances in the meta-analysis of heterogeneous clinical trials II: The quality effects model". Contemporary Clinical Trials. 45 (Pt A): 123–129. doi:10.1016/j.cct.2015.05.010. PMID 26003432.
  61. ^ Bucher HC, Guyatt GH, Griffith LE, Walter SD (June 1997). "The results of direct and indirect treatment comparisons in meta-analysis of randomized controlled trials". Journal of Clinical Epidemiology. 50 (6): 683–691. doi:10.1016/s0895-4356(97)00049-8. PMID 9250266.
  62. ^ a b c d van Valkenhoef G, Lu G, de Brock B, Hillege H, Ades AE, Welton NJ (December 2012). "Automating network meta-analysis". Research Synthesis Methods. 3 (4): 285–299. doi:10.1002/jrsm.1054. PMID 26053422. S2CID 33613631.
  63. ^ Brooks SP, Gelman A (1998). "General methods for monitoring convergence of iterative simulations" (PDF). Journal of Computational and Graphical Statistics. 7 (4): 434–455. doi:10.1080/10618600.1998.10474787.
  64. ^ Heck DW, Gronau QF, Wagenmakers EJ, Patil I (17 March 2021). "metaBMA: Bayesian model averaging for random and fixed effects meta-analysis". CRAN. Retrieved 9 May 2022.{{cite web}}: CS1 maint :url-status (링크)
  65. ^ Bartoš F, Maier M, Wagenmakers EJ, Goosen J, Denwood M, Plummer M (20 April 2022). "RoBMA: An R Package for Robust Bayesian Meta-Analyses". Retrieved 9 May 2022.
  66. ^ Gronau QF, Heck DW, Berkhout SW, Haaf JM, Wagenmakers EJ (July 2021). "A Primer on Bayesian Model-Averaged Meta-Analysis". Advances in Methods and Practices in Psychological Science. 4 (3). doi:10.1177/25152459211031256. ISSN 2515-2459. S2CID 237699937.
  67. ^ Bartoš F, Maier M, Quintana D, Wagenmakers EJ (16 October 2020). "Adjusting for Publication Bias in JASP & R - Selection Models, PET-PEESE, and Robust Bayesian Meta-Analysis". Advances in Methods and Practices in Psychological Science. doi:10.31234/osf.io/75bqn. S2CID 236826939.
  68. ^ a b Senn S, Gavini F, Magrez D, Scheen A (April 2013). "Issues in performing a network meta-analysis". Statistical Methods in Medical Research. 22 (2): 169–189. doi:10.1177/0962280211432220. PMID 22218368. S2CID 10860031.
  69. ^ White IR (2011). "Multivariate random-effects meta-regression: updates to mvmeta". The Stata Journal. 11 (2): 255–270. doi:10.1177/1536867X1101100206.
  70. ^ Willis BH, Hyde CJ (May 2014). "Estimating a test's accuracy using tailored meta-analysis-How setting-specific data may aid study selection". Journal of Clinical Epidemiology. 67 (5): 538–546. doi:10.1016/j.jclinepi.2013.10.016. PMID 24447592.
  71. ^ Willis BH, Hyde CJ (August 2015). "What is the test's accuracy in my practice population? Tailored meta-analysis provides a plausible estimate". Journal of Clinical Epidemiology. 68 (8): 847–854. doi:10.1016/j.jclinepi.2014.10.002. PMID 25479685.
  72. ^ Zhang H, Deng L, Schiffman M, Qin J, Yu K (2020). "Generalized integration model for improved statistical inference by leveraging external summary data". Biometrika. 107 (3): 689–703. doi:10.1093/biomet/asaa014.
  73. ^ Higgins JP, Altman DG, Gøtzsche PC, Jüni P, Moher D, Oxman AD, et al. (October 2011). "The Cochrane Collaboration's tool for assessing risk of bias in randomised trials". BMJ. 343: d5928. doi:10.1136/bmj.d5928. PMC 3196245. PMID 22008217.
  74. ^ Whiting PF, Rutjes AW, Westwood ME, Mallett S, Deeks JJ, Reitsma JB, et al. (October 2011). "QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies". Annals of Internal Medicine. 155 (8): 529–536. doi:10.7326/0003-4819-155-8-201110180-00009. PMID 22007046.
  75. ^ Royston P, Parmar MK, Sylvester R (March 2004). "Construction and validation of a prognostic model across several studies, with an application in superficial bladder cancer". Statistics in Medicine. 23 (6): 907–926. doi:10.1002/sim.1691. PMID 15027080. S2CID 23397142.
  76. ^ Willis BH, Riley RD (September 2017). "Measuring the statistical validity of summary meta-analysis and meta-regression results for use in clinical practice". Statistics in Medicine. 36 (21): 3283–3301. doi:10.1002/sim.7372. PMC 5575530. PMID 28620945.
  77. ^ Riley RD, Ahmed I, Debray TP, Willis BH, Noordzij JP, Higgins JP, Deeks JJ (June 2015). "Summarising and validating test accuracy results across multiple studies for use in clinical practice". Statistics in Medicine. 34 (13): 2081–2103. doi:10.1002/sim.6471. PMC 4973708. PMID 25800943.
  78. ^ LeLorier J, Grégoire G, Benhaddad A, Lapierre J, Derderian F (August 1997). "Discrepancies between meta-analyses and subsequent large randomized, controlled trials". The New England Journal of Medicine. 337 (8): 536–542. doi:10.1056/NEJM199708213370806. PMID 9262498.
  79. ^ a b Slavin RE (1986). "Best-Evidence Synthesis: An Alternative to Meta-Analytic and Traditional Reviews". Educational Researcher. 15 (9): 5–9. doi:10.3102/0013189X015009005. S2CID 146457142.
  80. ^ Hunter JE, Schmidt FL, Jackson GB, et al. (American Psychological Association. Division of Industrial-Organizational Psychology) (1982). Meta-analysis: cumulating research findings across studies. Beverly Hills, California: Sage. ISBN 978-0-8039-1864-1.
  81. ^ Glass GV, McGaw B, Smith ML (1981). Meta-analysis in social research. Beverly Hills, California: Sage Publications. ISBN 978-0-8039-1633-3.
  82. ^ Polanin JR, Tanner-Smith EE, Hennessy EA (2016). "Estimating the Difference Between Published and Unpublished Effect Sizes: A Meta-Review". Review of Educational Research. 86 (1): 207–236. doi:10.3102/0034654315582067. ISSN 0034-6543. S2CID 145513046.
  83. ^ a b Rosenthal R (1979). "The "File Drawer Problem" and the Tolerance for Null Results". Psychological Bulletin. 86 (3): 638–641. doi:10.1037/0033-2909.86.3.638. S2CID 36070395.
  84. ^ Light RJ, Pillemer DB (1984). Summing up : the science of reviewing research. Cambridge, Massachusetts: Harvard University Press. ISBN 978-0-674-85431-4.
  85. ^ Vevea JL, Woods CM (December 2005). "Publication bias in research synthesis: sensitivity analysis using a priori weight functions". Psychological Methods. 10 (4): 428–443. doi:10.1037/1082-989X.10.4.428. PMID 16392998.
  86. ^ Ioannidis JP, Trikalinos TA (April 2007). "The appropriateness of asymmetry tests for publication bias in meta-analyses: a large survey". CMAJ. 176 (8): 1091–1096. doi:10.1503/cmaj.060410. PMC 1839799. PMID 17420491.
  87. ^ Hedges LV, Vevea JL (1996). "Estimating Effect Size Under Publication Bias: Small Sample Properties and Robustness of a Random Effects Selection Model". Journal of Educational and Behavioral Statistics. 21 (4): 299–332. doi:10.3102/10769986021004299. ISSN 1076-9986. S2CID 123680599.
  88. ^ a b Ferguson CJ, Brannick MT (March 2012). "Publication bias in psychological science: prevalence, methods for identifying and controlling, and implications for the use of meta-analyses". Psychological Methods. 17 (1): 120–128. doi:10.1037/a0024445. PMID 21787082.
  89. ^ Simmons JP, Nelson LD, Simonsohn U (November 2011). "False-positive psychology: undisclosed flexibility in data collection and analysis allows presenting anything as significant". Psychological Science. 22 (11): 1359–1366. doi:10.1177/0956797611417632. PMID 22006061.
  90. ^ LeBel E, Peters K (2011). "Fearing the future of empirical psychology: Bem's (2011) evidence of psi as a case study of deficiencies in modal research practice" (PDF). Review of General Psychology. 15 (4): 371–379. doi:10.1037/a0025172. S2CID 51686730. Archived from the original (PDF) on 24 November 2012.
  91. ^ Radua J, Schmidt A, Borgwardt S, Heinz A, Schlagenhauf F, McGuire P, Fusar-Poli P (December 2015). "Ventral Striatal Activation During Reward Processing in Psychosis: A Neurofunctional Meta-Analysis". JAMA Psychiatry. 72 (12): 1243–1251. doi:10.1001/jamapsychiatry.2015.2196. PMID 26558708.
  92. ^ Hodges JS, Clayton MK (February 2011). "Random effects old and new": 1–23. CiteSeerX 10.1.1.225.2685. {{cite journal}}:Cite 저널 요구 사항 journal=(도움말)
  93. ^ a b Hodges JS (2014). "Random effects old and new.". Richly parameterized linear models : additive, time series, and spatial models using random effects. Boca Raton: CRC Press. pp. 285–302. ISBN 978-1-4398-6683-2.
  94. ^ Roseman M, Milette K, Bero LA, Coyne JC, Lexchin J, Turner EH, Thombs BD (2011), "Reporting of Conflicts of Interest in Meta-analyses of Trials of Pharmacological Treatments", Journal of the American Medical Association, 305 (10): 1008–1017, doi:10.1001/jama.2011.257, hdl:11370/d4a95ee2-429f-45a4-a917-d794ee954797, PMID 21386079, S2CID 11270323
  95. ^ a b "The Osteen Decision". The United States District Court for the Middle District of North Carolina. 17 July 1998. Retrieved 18 March 2017.
  96. ^ Munafò MR, Flint J (September 2004). "Meta-analysis of genetic association studies". Trends in Genetics. 20 (9): 439–444. doi:10.1016/j.tig.2004.06.014. PMID 15313553.
  97. ^ Stone DL, Rosopa PJ (1 March 2017). "The Advantages and Limitations of Using Meta-analysis in Human Resource Management Research". Human Resource Management Review. 27 (1): 1–7. doi:10.1016/j.hrmr.2016.09.001. ISSN 1053-4822.
  98. ^ Button KS, Ioannidis JP, Mokrysz C, Nosek BA, Flint J, Robinson ES, Munafò MR (May 2013). "Power failure: why small sample size undermines the reliability of neuroscience". Nature Reviews. Neuroscience. 14 (5): 365–376. doi:10.1038/nrn3475. PMID 23571845. S2CID 455476.
  99. ^ a b Milkman KL, Gromet D, Ho H, Kay JS, Lee TW, Pandiloski P, et al. (December 2021). "Megastudies improve the impact of applied behavioural science". Nature. 600 (7889): 478–483. Bibcode:2021Natur.600..478M. doi:10.1038/s41586-021-04128-4. PMC 8822539. PMID 34880497. S2CID 245047340.
  100. ^ Cheung AC, Slavin RE (1 June 2016). "How Methodological Features Affect Effect Sizes in Education". Educational Researcher. 45 (5): 283–292. doi:10.3102/0013189X16656615. ISSN 0013-189X. S2CID 148531062.
  101. ^ Jüni P, Witschi A, Bloch R, Egger M (September 1999). "The hazards of scoring the quality of clinical trials for meta-analysis". JAMA. 282 (11): 1054–1060. doi:10.1001/jama.282.11.1054. PMID 10493204.
  102. ^ Armijo-Olivo S, Fuentes J, Ospina M, Saltaji H, Hartling L (September 2013). "Inconsistency in the items included in tools used in general health research and physical therapy to evaluate the methodological quality of randomized controlled trials: a descriptive analysis". BMC Medical Research Methodology. 13 (1): 116. doi:10.1186/1471-2288-13-116. PMC 3848693. PMID 24044807.
  103. ^ Debray TP, Riley RD, Rovers MM, Reitsma JB, Moons KG (October 2015). "Individual participant data (IPD) meta-analyses of diagnostic and prognostic modeling studies: guidance on their use". PLOS Medicine. 12 (10): e1001886. doi:10.1371/journal.pmed.1001886. PMC 4603958. PMID 26461078.
  104. ^ Debray TP, Moons KG, Ahmed I, Koffijberg H, Riley RD (August 2013). "A framework for developing, implementing, and evaluating clinical prediction models in an individual participant data meta-analysis". Statistics in Medicine. 32 (18): 3158–3180. doi:10.1002/sim.5732. PMID 23307585. S2CID 25308961.
  105. ^ Debray TP, Koffijberg H, Vergouwe Y, Moons KG, Steyerberg EW (October 2012). "Aggregating published prediction models with individual participant data: a comparison of different approaches". Statistics in Medicine. 31 (23): 2697–2712. doi:10.1002/sim.5412. PMID 22733546. S2CID 39439611.
  106. ^ Shadish, William R. (2014). "Analysis and meta-analysis of single-case designs: An introduction". Journal of School Psychology. 52 (2): 109–122. doi:10.1016/j.jsp.2013.11.009. PMID 24606971.
  107. ^ Zelinsky, Nicole A. M.; Shadish, William (19 May 2018). "A demonstration of how to do a meta-analysis that combines single-case designs with between-groups experiments: The effects of choice making on challenging behaviors performed by people with disabilities". Developmental Neurorehabilitation. 21 (4): 266–278. doi:10.3109/17518423.2015.1100690. ISSN 1751-8423. PMID 26809945. S2CID 20442353.
  108. ^ Van den Noortgate W, Onghena P (2007). "Aggregating Single-Case Results". The Behavior Analyst Today. 8 (2): 196–209. doi:10.1037/h0100613.
  109. ^ Mantel N, Haenszel W (April 1959). "Statistical aspects of the analysis of data from retrospective studies of disease". Journal of the National Cancer Institute. 22 (4): 719–748. doi:10.1093/jnci/22.4.719. PMID 13655060. S2CID 17698270.
  110. ^ Deeks JJ, Higgins JP, Altman DG, et al. (Cochrane Statistical Methods Group) (2021). "Chapter 10: Analysing data and undertaking meta-analyses: 10.4.2 Peto odds ratio method". In Higgins J, Thomas J, Chandler J, Cumpston M, Li T, Page M, Welch V (eds.). Cochrane Handbook for Systematic Reviews of Interventions (Version 6.2 ed.). The Cochrane Collaboration.
  111. ^ Bargaje R, Hariharan M, Scaria V, Pillai B (January 2010). "Consensus miRNA expression profiles derived from interplatform normalization of microarray data". RNA. 16 (1): 16–25. doi:10.1261/rna.1688110. PMC 2802026. PMID 19948767.

추가 정보

  • Cornell JE, Mulrow CD (1999). "Meta-analysis". In Mellenbergh GJ (ed.). Research methodology in the life, behavioural, and social sciences. London: SAGE. pp. 285–323. ISBN 978-0-7619-5883-3.
  • Ellis PD (2010). The Essential Guide to Effect Sizes: An Introduction to Statistical Power, Meta-Analysis and the Interpretation of Research Results. Cambridge: Cambridge University Press. ISBN 978-0-521-14246-5.
  • Sutton AJ, Jones DR, Abrams KR, Sheldon TA, Song F (2000). Methods for meta-analysis in medical research. London: John Wiley. ISBN 978-0-471-49066-1.
  • Wilson DB, Lipsey MW (2001). Practical meta-analysis. Thousand Oaks: Sage publications. ISBN 978-0-7619-2168-4.
  • Cooper H, Hedges LV, eds. (1994). The Handbook of Research Synthesis. New York: Russell Sage Foundation. ISBN 978-0-87154-226-7.
  • Bonett DG (December 2010). "Varying coefficient meta-analytic methods for alpha reliability". Psychological Methods. 15 (4): 368–385. doi:10.1037/a0020142. PMID 20853952. S2CID 207710319.
  • Bonett DG, Price RM (November 2014). "Meta-analysis methods for risk differences". The British Journal of Mathematical and Statistical Psychology. 67 (3): 371–387. doi:10.1111/bmsp.12024. PMID 23962020.
  • Bonett DG (September 2008). "Meta-analytic interval estimation for bivariate correlations". Psychological Methods. 13 (3): 173–181. doi:10.1037/a0012868. PMID 18778150. S2CID 5690835.
  • Bonett DG (September 2009). "Meta-analytic interval estimation for standardized and unstandardized mean differences". Psychological Methods. 14 (3): 225–238. doi:10.1037/a0016619. PMID 19719359.
  • Bonett DG, Price RM (September 2015). "Varying coefficient meta-analysis methods for odds ratios and risk ratios". Psychological Methods. 20 (3): 394–406. doi:10.1037/met0000032. PMID 25751513.
  • Bonett DG (November 2020). "Point-biserial correlation: Interval estimation, hypothesis testing, meta-analysis, and sample size determination". The British Journal of Mathematical and Statistical Psychology. 73 Suppl 1 (Suppl 1): 113–144. doi:10.1111/bmsp.12189. PMID 31565811. S2CID 203607297.
  • Normand SL (February 1999). "Meta-analysis: formulating, evaluating, combining, and reporting". Statistics in Medicine. 18 (3): 321–359. doi:10.1002/(SICI)1097-0258(19990215)18:3<321::AID-SIM28>3.0.CO;2-P. PMID 10070677.
  • Owen AB (December 2009). "Karl Pearson's meta-analysis revisited" (PDF). The Annals of Statistics. 37 (6B): 3867–2892. arXiv:0911.3531. doi:10.1214/09-AOS697. S2CID 7632667. Archived from the original (PDF) on 26 July 2011.
  • 톰슨 SG, 포콕 SJ(1991년 11월)."meta-analyses 신뢰할 수 있나?"(PDF).Lancet.338(8775):1127–1130. doi:10.1016(91)91975-Z.PMID 1682553.S2CID 29743240.222011년 11월에 있는 원본(PDF)에서 Archived.176월 2011. Retrieved.:메타 분석, 또는 단순히"는oversimplified 원인은 생산에서 상이한 연구에 대한 단지에서 정당하지 않은 추측을 할 것 통계적 속임수""그렇지만 비슷한의 개별 연구에서 나온 증거들을 결합하기 위해서 객관적 정량적인 방법"을 제공하는 것일까 두 상반된 견해 Explores?
  • O'Rourke K(2007년)."정보의 결합이다에서 그냥 역사:고 합성이 가능한 임상적 관측이나 연구에 가능성을 통해 일반적인 소문을 조사하고"(PDF).옥스포드:옥스포드 대학과 통계 편람.22011년 11월에 있는 원본(PDF)에서 Archived.그"메타 분석에 관한 역사적 관점"신문은 언급을 인용에 대한 기술적 배경 자료와 세부 사항을 발령한다.

외부 링크

Wikdiversity는 메타분석에 관한 학습 자원을 가지고 있다.