1 / 42

Analyse untypischer Daten und Studiendesigns

Analyse untypischer Daten und Studiendesigns. Schritte eines systematischen Cochrane Reviews. Fragestellung festlegen Auswahlkriterien definieren Methoden definieren Studien suchen Auswahlkriterien anwenden Daten extrahieren Bias- Risikos der Studien bewerten

doria
Download Presentation

Analyse untypischer Daten und Studiendesigns

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analyse untypischerDaten und Studiendesigns

  2. Schritte eines systematischen Cochrane Reviews • Fragestellungfestlegen • Auswahlkriteriendefinieren • Methodendefinieren • Studiensuchen • Auswahlkriterienanwenden • Datenextrahieren • Bias-Risikos der Studienbewerten • Ergebnisseanalysieren und darstellen • Ergebnisseinterpretieren und Schlussfolgerungenziehen • Review optimieren und aktualisieren

  3. Überblick • MetaanalysemitInverser-Varianz-Methode (generic inverse variance = GIV) • UntypischeDaten • UntypischeStudiendesigns SieheKapitel 7 & 9 imHandbuch

  4. Effektschätzer analysieren • WennnurvergleichendeEffektschätzervorliegen, jedochkeineaggregiertenDaten pro Gruppe • klassischeEffektschätzer (RR, OR, MD) • nicht-randomisierteStudien, Cluster- oder Cross-over Studien • ZeitbiszumEreignis (time-to-event)(HR= Hazard Ratio), Raten (RR= Rate Ratio), ordinaleDaten (POR=Proportional Odds Ratio) • AdjustierteDatenz.B. von Regressionsanalysen

  5. Inverse-Varianz-Methode = generic inverse variance (GIV) • ‘generisch’ = kannbeijederaggregiertenKenngrösseangewendetwerden • ‘inverse variance’ = benützt den Kehrwert der VarianzzurGewichtung der Studie in der Metaanalyse SieheKapitel 7.7.7 imHandbuch

  6. Vorgehen • Kenngrößefestlegen, die Sieverwendenmöchten • Siebrauchen die selbeKenngrößefüralleStudien • WennSieeine der Standard-Größen von RevManbenutzen, könnenfür die meistenStudien die einfachsteMethodezumBerechneneinesEffektschätzersverwendetwerden und diesedannmit der “Problemstudie” kombiniertwerden (unterVerwendung der GIV-Methode) • FürjedeStudiewerdenzweiZahleneingegeben: • aggregierteKenngröße • Standardfehler (standard error) der Kenngröße

  7. Metaanalysemit GIV

  8. Kenngrößenmit GIV-Methode

  9. Kenngrößenmit GIV-Methode

  10. Vorsichtwenn die statistischeGrößealsVerhältnis(‘ratio’) angegebenist • Verhältniswertesindnichtnormalverteilt • In RevManmüssennatürlicheLogarithmeneingegebenwerden • z.B. log OR und SE der log OR • VergewissernSiesich, ob die Daten in derPublikationnichtschon in dieser Form angegebensind • RevMankonvertiert die Resultateautomatischzurück in ihreursprüngliche Form • Handbuch und gegebenefallsStatistikerkonsultieren SieheKapitel 9.2.7 imHandbuch

  11. Eigenschaften von Kenngrößen

  12. Berechnung

  13. Überblick • MetaanalysemitInverser-Varianz-Methode (GIV) • UntypischeDaten • UntypischeStudiendesigns SieheKapitel 7 & 9 imHandbuch

  14. Datentypen • Dichotome (binäre) Daten • KontinuierlicheDaten • OrdinaleDaten • Häufigkeiten und Raten • Ereigniszeit-Daten (Time-to-event)

  15. OrdinaleDaten • GeordneteKategorien • SkalenmitwenigenKategorien: z.B. Schmerz-Skalen, Likert-Skalen • SkalenmitvielenKategorien: z.B. Lebensqualität, Funktionsparameter • OrdinaleEndpunkteanalysieren • Dichotomisieren • Skalenkönnenggf. dichotomisiertwerden • z.B. SchmerzvskeinSchmerz; moderatervsheftigerSchmerz • WiekontinuierlicheDatenbehandeln • BeiSkalenmitvielenKategorienkannz.B. derMittelwertangegebenwerden • Proportionale Odds Ratio (POR) • WirdmitHilfeder GIV-Methodeanalysiert

  16. Häufigkeiten und Raten • Häufigkeitenvon Ereignissen, die mehralseinmalvorkommenkönnen • z.B. Hospitalisierung, AnzahlkariöserZähne • BeiRatenwirdauch der Beobachtungszeitraumberücksichtigt • Definition derAnalyseeinheit (z.B. Person oderEreignis) beachten! • Analyse • Dichotomisieren • Anzahl der StudienteilnehmerInnenmitmindestenseinemEreignis • WiekontinuierlicheDaten • MittlereAnzahl von Ereignissen pro Person • ZeitbiszumerstenEreignis • Rate ratio (RR, Ratenverhältnis) • WirdmitHilfeder GIV-Methodeanalysiert Rate = Anzahl von Ereignissen Zeitraum

  17. Time-to-event Daten • ZeitraumbiszumAuftreteneinesEreignisses • z.B. Zeitraumbiszum Tod, ZeitraumohneepileptischenAnfall • Schließtauchsog. “zensierte” Datenein – Personen, beidenenwährend der gesamtenBeobachtungszeitkeinEreignisauftrat • Time-to-event Datenanalysieren: • Dichotomisieren • DatenzueinembestimmtenZeitpunkt • Kontinuierlich • DurchschnittlicheAnzahl der TagebiszumEreignis – eignetsichnichtfürzensierteDaten • Hazard ratios • WirdmitHilfeder GIV-Methodeanalysiert • O – E und V

  18. Überblick • MetaanalysemitInverser-Varianz-Methode (GIV) • UntypischeDaten • UntypischeStudiendesigns SieheKapitel 9 & 16 imHandbuch

  19. Studienmit >2 Gruppen • RevManerfordertpaarweiseVergleiche • ÜberlegenSiesich, was fürIhre Review-Frage relevant ist • IrrelevanteGruppenkönnenignoriertwerden • JeweilsnurzweiStudienarmevergleichen • Falls sinnvoll, zweiStudienarmezusammenfassen • Netzwerk-Metaanalyse • Vorsicht, dassGruppen in der Metaanalysenichtdoppeltgezähltwerden • Gefahr von FehlermitAnalyseeinheit (unit-of-analysis) SieheKapitel 16.5 imHandbuch

  20. Beispiel: AntibiotikazurHemmungfrühzeitigerWehen • Dieser Review schlosseinenfaktoriellen Trial (ORACLE) ein, der die größte und methodischbesteStudie war: • Erythromycin • Co-amoxiclav • Erythromycin + Co-amoxiclav • Keine Intervention • Review-AutorInnenbeschlossen, dassalle 3 Antibiotika-Armevergleichbarwaren Quelle: Craig Ramsay King JF, Flenady V, Murray L. Prophylactic antibiotics for inhibiting preterm labour with intact membranes. Cochrane Database of Systematic Reviews 2002, Issue 4. Art. No.: CD000246. DOI: 10.1002/14651858.CD000246.

  21. Istdiese Analyse richtig? Source: Craig Ramsay Adapted from: King JF, Flenady V, Murray L. Prophylactic antibiotics for inhibiting preterm labour with intact membranes. Cochrane Database of Systematic Reviews 2002, Issue 4. Art. No.: CD000246. DOI: 10.1002/14651858.CD000246.

  22. Kontrollgruppewurdeaufgeteilt Source: Craig Ramsay Adapted from: King JF, Flenady V, Murray L. Prophylactic antibiotics for inhibiting preterm labour with intact membranes. Cochrane Database of Systematic Reviews 2002, Issue 4. Art. No.: CD000246. DOI: 10.1002/14651858.CD000246.

  23. Studienarmewurdenkombiniert Source: Craig Ramsay Adapted from: King JF, Flenady V, Murray L. Prophylactic antibiotics for inhibiting preterm labour with intact membranes. Cochrane Database of Systematic Reviews 2002, Issue 4. Art. No.: CD000246. DOI: 10.1002/14651858.CD000246.

  24. Studienarmewurdengetrenntanalysiert Source: Craig Ramsay Adapted from: King JF, Flenady V, Murray L. Prophylactic antibiotics for inhibiting preterm labour with intact membranes. Cochrane Database of Systematic Reviews 2002, Issue 4. Art. No.: CD000246. DOI: 10.1002/14651858.CD000246.

  25. Cluster-randomisierte Studien • GanzePersonengruppenwerdenrandomisiert • z.B. Kliniken, Schulen, Städte, Familien • Wirdangewandt, um den Effekt von Gruppeninterventionenzuuntersuchen • Kannevtl. besser umgesetztwerden • Vermeidet “Kontaminierung”, d.h. das randomisiertePersonen von andere Intervention beeinflusstwerden

  26. KlassischesStudiendesign Randomisierungs-Einheit Analyse-einheit Individuen Individuen Intervention Randomisierung Kontrolle Quelle: Julian Higgins

  27. Cluster-randomisiertesStudiendesign Randomisierungs-einheit Analyse- einheit Gruppen Gruppen Intervention Randomisierung Kontrolle Source: Julian Higgins

  28. Cluster-randomisiertes Studiendesign Randomisierungs-einheit Analyse- einheit Gruppen Individuen Intervention Randomisierung Kontrolle Source: Julian Higgins

  29. Bei der Analyseeinheitzubeachten • Individueninnerhalbeines Clusters korrelieren • Problem, wennim Review Ergebnisse auf demindividuellen Level benötigtwerden: • Analyse auf Individumsebene -> zuhoherPräzision • GefahrfalschpositiverSchlussfolgerungen • zuvielGewicht in der Metaanalyse • Analyse auf Cluster-Ebene -> zugeringerPräzision • Das richtigeGewicht in der MA liegtirgendwodazwischen • DieseProblemekönnenauch in anderenStudienauftreten • Clustering z.B. wennimmergleiche/r Arzt/ÄrztineineStudieninterventiondurchführt • MehrfacheBehandlungen, z.B. Zyklen, Körperteile Source: Julian Higgins

  30. Korrelationberücksichtigen • Die Studiewurdeevtl. bereitsmiteinergeeignetenMethodeanalysiert • z.B. mitHilfeeines mixed (multilevel) model oder GEE • Metaanalysenmit GIV-Methode • Falls nicht, in der Analyse fürKorrelationadjustieren • StatistikerInkonsultieren • Im Review muss klarsein, welcheStudien cluster-randomisiertwurden und wieSiemit den Datenumgegangensind SieheKapitel 16.3 imHandbuch Source: Julian Higgins

  31. Beispiel: SchulungzurPrävention von Hundebissen Source: Craig Ramsay Duperrex O, Blackhall K, Burri M, Jeannot E. Education of children and adolescents for the prevention of dog bite injuries. Cochrane Database of Systematic Reviews 2009, Issue 2. Art. No.: CD004726. DOI: 10.1002/14651858.CD004726.pub2.

  32. Cross-over Studien • AlleTeilnehmerInnenerhaltensowohl Intervention alsauchKontrolle • Idealerweise in zufälligerReihenfolge • Profitiert von Korrelation • EliminiertVariabilitätzwischenTeilnehmerInnen • WenigerTeilnehmererforderlich, um gewünschte Power zuerreichen

  33. Parallel-Gruppe Endpunkt Intervention Randomisierung Kontrolle Endpunkt Intervention Endpunkt Intervention Endpunkt Cross-over Randomisierung Kontrolle Endpunkt Endpunkt Kontrolle Cross-over Studien VergleichzwischenTeilnehmerInnen TeilnehmerInalseigeneKontrolle Source: Julian Higgins

  34. Cross-over Design eignetsichbei • chronischenKrankeitenmitstabilemVerlauf • kurzfristigenEndpunkte (z.B. Symptom-Verbesserung) • Ausreichender Wash-out-Phase zwischenBehandlungen • MöglicheProbleme in der zweitenStudienphase • Irreversible Endpunkte (z.B. Tod, Heilung) • Veränderungüber die Zeit/ ”period effect” (z.B. degenerative Erkrankungen) • Carry-over (z.B. langewirksame Intervention) • In diesem Fall sollte die ersteInterventionsphasewieeineParallelstudiebetrachtet und verwendetwerden • DieseDatensindjedochnurselten und oft nurselektivberichtet Source: Julian Higgins

  35. BesondereAnalyseeinheiten • Messungen in dergleichen Person sindkorreliert • Einsolches “within-person design” muss bei Analyse berücksichtigtwerden • Falls nicht, wird die Studie in der MA zuniedriggewichtet • Kannauch in Studienvorkommen, in denenKörperteileverglichenwerden Source: Julian Higgins

  36. Korrelation beachten • In manchenStudienwerdenMethodenfürgepaarteDatenverwendet • Teilnehmer-spezifischeUnterschiedezwischen Intervention und Kontrollewerdengemessen • Metaanalysekannmit GIV durchgeführtwerden • MancheStudienarbeitenmiteinemsimplenVergleichzwischen Intervention und Kontrolle • Falls nicht, muss fürKorrelationkorrigiertwerden • HolenSiesichstatistischen Rat ein! • IdentifizierenSie cluster-randomisierteStudienrichtig und beschreibenSie den genauenUmgangmit den Daten SieheKapitel 16.4 imHandbuch

  37. SMD mit95% CI Woodcock 1981 Woodcock 1982 Johnson 83 Eiser A Eiser B Bruera 93 Light 96 Chua Poole Leung Noseda Jankelson Pooled -0.38 ( -0.61 , -0.15 ) -2 -1 0 1 2 Opioidbesser Placebo besser Beispiel: Cross-over Design ignoriert Quelle: Julian Higgins. Adaptiert von Jennings AL, Davies AN, Higgins JPT, Anzures-Cabrera J, Broadley KE. Opioids for the palliation of breathlessness in terminal illness. Cochrane Database of Systematic Reviews 2001, Issue 3. Art. No.: CD002066. DOI: 10.1002/14651858.CD002066.

  38. Woodcock 1981 Woodcock 1982 Johnson 83 Eiser A Eiser B Bruera 93 Light 96 Chua Poole Leung Noseda Jankelson Pooled -0.32 ( -0.43 , -0.20 ) -2 -1 0 1 2 Opioidbesser Placebo besser Beispiel: Cross-over Design berücksichtigt SMD mit95% CI Quelle: Julian Higgins. Adaptiert von Jennings AL, Davies AN, Higgins JPT, Anzures-Cabrera J, Broadley KE. Opioids for the palliation of breathlessness in terminal illness. Cochrane Database of Systematic Reviews 2001, Issue 3. Art. No.: CD002066. DOI: 10.1002/14651858.CD002066.

  39. Nicht-randomisierte Studien • Werdenmanchmalauch in Reviews eingeschlossen: • KontrollierteVorher-Nachher-Studien • UnterbrocheneZeitreihen (interrupted time series, ITS) • Andereobservationelle Designs z.B. fürNebenwirkungen • ÖkonomischeStudien • Qualitative Studien • VerschiedeneMethoden und Bedingungen • Rat einholen, bevorSiestarten! SieheKapitel 13, 14, 15 & 20 imHandbuch

  40. Was soll im Protokoll behandelt werden? • Es muss nichtjedesmögliche Problem imVorausbeschriebenwerden • BeschreibenSiegeplanteHerangehensweise falls folgendeProblemezuerwartensind : • aussergewöhnlicheKenngrössen • besondereDatentypen • spezielleStudiendesigns

  41. Fazit • SpezielleMethodenerforderlichbei • bestimmtenDatentypen • bestimmtenStudiendesigns • Es istwichtig, solcheSituationenüberhauptzuerkennen • GIV-MethodekannfürMetaanalyse von Effektschätzernbenutztwerden • ImHandbuchnachschlagen & statistischen Rat einholen

  42. Quellen 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. • Higgins JPT, Deeks JJ (editors). Chapter 7: Selecting studies and collecting data • Deeks JJ, Higgins JPT, Altman DG (editors). Chapter 9: Analysing data and undertaking Metaanalyses • Higgins JPT, Deeks JJ, Altman DG (editors). Chapter 16: Special topics in statistics Danksagung • Verfasst von Miranda Cumpston • Basiert auf Material von Julian Higgins, Craig Ramsay, Cochrane Statistical Methods Group and Australasian Cochrane Centre • Englische Version vom Cochrane Methods Board genehmigt • Übersetzt in KooperationzwischendemDeutschen Cochrane Zentrum (JörgMeerpohl, Laura Cabrera, Patrick Oeller), derÖsterreichischen Cochrane Zweigstelle (Barbara Nußbaumer, Peter Mahlknecht, IsoldeSommer, Jörg Wipplinger) und Cochrane Schweiz (Erik von Elm, Theresa Bengough)

More Related