1 / 19

Einführung in die Metaanalyse

Einführung in die Metaanalyse. Review vs. Metaanalyse. Mängel von Reviews: Reviewer verwenden alte Reviews, ohne sie zu prüfen Reviewer diskutieren nur eine Teilmenge der Befunde Ergebnisse werden nur grob klassifiziert („signifikant“)

malcolm
Download Presentation

Einführung in die Metaanalyse

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. Einführung in die Metaanalyse Metaanalyse

  2. Review vs. Metaanalyse • Mängel von Reviews: • Reviewer verwenden alte Reviews, ohne sie zu prüfen • Reviewer diskutieren nur eine Teilmenge der Befunde • Ergebnisse werden nur grob klassifiziert („signifikant“) • Das Auftreten fehlerhaft positiver Ergebnisse wird nicht berücksichtigt (Alpha-Fehler) • Zusammenhang zwischen Art der Studie und Ergebnis wird meist nicht diskutiert • Keine Angaben über die Art der Zusammenfassung von Befunden (Theorie der Review-Autoren) Metaanalyse

  3. Definition Metaanalyse • Glass (1976): • „Metaanalysis refers to the analysis of analyses. I use it to refer to the statistical analysis of a large collection of analysis results from individual studies for the purpose of interpreting the findings.“ (S. 3) Metaanalyse

  4. Arten der Metaanalyse • Inferenzstatistische Verfahren: • Auszählung von Prüfergebnissen (Vote-Counting): Signifikant vs. nicht signifikant • Summierung von Teststatistiken: p-Werte, t-Werte, z-Werte • Deskriptive Verfahren: • Beschreibung der „wahren“ Effektgröße Metaanalyse

  5. Probleme der Metaanalyse • Uniformitätsproblem: • Äpfel- und Birnen-Problem • Auswahl der Primärstudien: • Vollständig, Einzelfallstudien • Dokumentation der Primärstudien: • p-Werte, Effektschätzungen, Studienmerkmale • Methodische Qualität der Primärstudien Metaanalyse

  6. Beispiel • Ergebnis einer Zusammenstellung von Studien: • 4 von 12 Studien zeigen einen signifikanten Effekt. • Problem: • Was bedeutet das für den „wahren“ Effekt? • Gibt es ihn und wie groß ist er? Metaanalyse

  7. Bewertung des Ergebnisses • Vorüberlegung: Welche Extremfälle gibt es? • Keine (0 von 12) Studien zeigt einen Effekt: • Es liegt ziemlich sicher kein „wahrer“ Effekt vor • Alle (12 von 12) Studien zeigen einen Effekt: • Es liegt ziemlich sicher ein „wahrer“ Effekt vor • Statistische Überlegung: • Wenn es „in Wahrheit“ keinen Effekt gäbe, • und man würde 12 Studien durchführen, • wie viele signifikante Studien würde man erwarten? Metaanalyse

  8. Prüfung • Modell (Nullverteilung): • Wahrscheinlichkeit, dass eine Studie zufällig signifikant wird? • Alpha = 5% • n = 12 Studien • Binomialverteilung mit p = 0.05 und n = 12 • Ergebnis: • Es ist extrem unwahrscheinlich, dass vier oder mehr Studien signifikant werden • Es ist extrem unwahrscheinlich, dass kein Effekt vorliegt • Wie groß ist der Effekt? Metaanalyse

  9. Liegt ein Effekt vor? • Diese Frage wird nach der ganz normalen Testlogik beantwortet: • „Versuchspersonen“ sind hier die Studien. • Nullhypothese: Es liegt kein „wahrer“ Effekt vor (nur Zufall wirkt) • Statistisch: p (Studie zufällig signifikant) = Alpha der Studien = 0.05 • Nullverteilung (Modell): Binomialverteilung mit p = 0.05 und n = Anzahl der Studien • Logik: Wenn Ergebnis unter den Annahmen des Modells unwahrscheinlich ist, wird die Nullhypothese abgelehnt, d.h. das Modell verworfen • Ergebnis (umgangssprachlich): Es liegt ein Effekt vor, bzw. es liegt kein Effekt vor Metaanalyse

  10. Wie groß ist der Effekt? • Um diese Frage zu beantworten, wird die normale Testlogik umgedreht: • Die Nullhypothese behauptet, dass eine bestimmte Effektgröße vorliegt • Statistisch: z.B. p (Studie signifikant bei bestimmter Effektgröße) = 0.20 • Modell: Binomialverteilung mit p und n = Anzahl der Studien • Logik: Wenn das Ergebnis unter den Annahmen des Modells wahrscheinlich ist, wird die Nullhypothese beibehalten • Ergebnis: Der Effekt ist mindestens so groß wie die geprüfte Effektgröße Metaanalyse

  11. Festlegung von Effektgrößen • Angabe der Effektgröße als Differenz zweier z-Werte • Konvention: • d = 0.2: kleiner Effekt • d = 0.5: mittlerer Effekt • d = 0.8: großer Effekt Metaanalyse

  12. Effektgröße und Prüfverteilung • Problem: • Wie komme ich von der Effektgröße zur Prüfverteilung? • Was ist eine Prüfverteilung? • Angabe, wie wahrscheinlich es ist, dass eine bestimmte Anzahl von Studien signifikant wird, wenn eine bestimmte Effektgröße vorliegt • Annahmen für Prüfverteilung bei d = 0.8: • Zwei Gruppen mit normalverteilten Werten (z-Werte) • Mittelwert Gruppe 1: 0 • Mittelwert Gruppe 2: 0.8 • SD in beiden Gruppen: 1 • N Studien untersucht Metaanalyse

  13. Erstellen der Prüfverteilung • Beispiel: • N = 3 Studien • Jeweils n = 5 Probanden in Kontroll- und Behandlungsgruppe • Prinzip: • Mache mit den Gruppen unter Modellannahmen das, was du in den Experimenten mit Versuchspersonen gemacht hast • Vorgehen: • Ziehe per Zufall 5 Zahlen aus Normalverteilung 1 (randomisierte Auswahl von Probanden aus der Grundgesamtheit) • Ziehe per Zufall 5 Zahlen aus Normalverteilung 2 • Führe einen t-Test durch: Signifikant oder nicht? • Wiederhole dies 3 Mal (N = 3 Studien wurden durchgeführt) • Zähle die Anzahl der signifikanten Ergebnisse (0 bis 3) Metaanalyse

  14. Vorgehen grafisch t-Test: n.s. t-Test: * t-Test: n.s. Metaanalyse

  15. Ergebnis am Beispiel • Eingangsbeispiel: • N = 12 Studien • Je n = 10 Vpn in Kontroll- und Behandlungsgruppe • d = 0.8 • Asymptotische Annäherung: • N = 12 Studien, n = 20 Vpn, d = 0.8 • Ist angenähert binomialverteilt mit bestimmtem p (Umrechnungsformel existiert) Metaanalyse

  16. Bewertung • Annahme Stichprobengröße: • Mittelwert in den Studien: n = 18 • Konservativ: n = 20 • Annahme Studienanzahl: • N = 12 • Annahme Effektgrößen: • d = 0.2 entspricht p = 0.112 • d = 0.5 entspricht p = 0.285 • d = 0.8 entspricht p = 0.530 • Ergebnis: • p (Ergebnis / d = 0.2): 0.992 • p (Ergebnis / d = 0.5): 0.762 • p (Ergebnis / d = 0.8): 0.142 • Kleiner Effekt! Metaanalyse

  17. Ergebnisdarstellung Alkohol Metaanalyse

  18. Übersicht Prüfmethoden • Vote-Counting, wenn nur Information „signifikant / nicht signifikant“ vorliegt. • Bei Vorliegen von Teststatistiken (t-, F-, p-Werte): • Adding of Logs (Fisher-Methode) • Addieren von transformierten p-Werten • Addieren von t-Werten • Addieren von z-Werten (Stouffer-Methode) • Nachteil: • Prüft nur, ob Effekt vorhanden ist Metaanalyse

  19. Schätzung Effektstärke • 1. Pro Studie Schätzung des Effekts, diese Effektstärken werden dann aggregiert. • 2. Bekannt sein müssen: • Mittelwerte der EG und KG • Stichprobengröße in EG und KG • Standardabweichungen der EG und KG (oder F-, t-Werte -> Schätzung der Standardabweichungen) • 3. Effektstärke pro Experiment wird geschätzt • 4. Effektstärke insgesamt wird dann als Mittelwert dieser Effektstärken pro Experiment berechnet (u.U. korrigiert, um erwartungstreuen Schätzer zu erhalten) • 5. Effektstärke ist zu interpretieren in Einheiten der gemittelten Standardabweichungen (wie oben) Metaanalyse

More Related