Efectuarea unei căutări inițiale este un pas crucial care validează conceptul propus, previne duplicarea subiectelor discutate anterior și confirmă un număr adecvat de articole pentru analiză. Acest proces nu este doar o formalitate, ci o contribuție semnificativă la domeniu (Tawfik et al., 2019).
După ce au stabilit protocolul și domeniul de aplicare, următorul pas este o căutare completă meticuloasă. Va genera numeroase studii, dar multe vor fi eliminate ca irelevante folosind criterii bazate pe titlul studiului, rezumatul sau locul publicării. Studiile rămase „potențial relevante” trebuie citite mai îndeaproape și împărțite în relevante și irelevante. Acest proces poate duce la o reducere semnificativă a numărului de lucrări la fiecare pas. Fiți pregătiți pentru un număr mare (de multe ori majoritatea) de studii pe care le identificați inițial ca fiind relevante ca fiind nepotrivite pentru meta-analiză. Pasul final este extragerea informațiilor necesare (dimensiunile efectelor și moderatorii) din lucrările relevante. O foaie de calcul cu date finalizată este crucială, asigurându-vă că toate informațiile pe care doriți să le extrageți sunt incluse.
Este esențială înțelegerea compromisului dintre construirea unui teanc de lucrări relevante și revenirea la acestea pentru a extrage dimensiunea efectului odată ce aveți o foaie de calcul cu date finalizată și extragerea datelor dintr-o hârtie în timp ce o citiți. Avantajul primei este că poți fi mai sigur că foaia ta de calcul conține toate informațiile pe care vrei să le extragi. Avantajul celui din urmă este că poți citi o lucrare în profunzime o singură dată.
Înțelegerea exactă a modului în care a fost conceput un studiu și a ce date relevante sunt necesare pentru a extrage o dimensiune a efectului poate fi surprinzător de complexă. O bună luare de note este esențială în acest proces și adesea nu este mai ușoară la o a doua lectură. Dacă sunteți sigur că aveți o bună înțelegere a principalelor caracteristici ale studiilor relevante, ați putea lua în considerare proiectarea unei baze de date și extragerea datelor de îndată ce clasificați o lucrare ca fiind relevantă. Avertisment, desigur, este că s-ar putea să mai trebuiască să vă întoarceți la aceste lucrări dacă descoperiți ulterior că trebuie să codificați un termen suplimentar de moderator sau să vă ajustați criteriile de includere în studiu. Extragerea informațiilor despre citirea inițială este cea mai fezabilă atunci când aveți de-a face cu studii care urmează îndeaproape un design experimental specific și banal.
Papakostidis și Giannoudis (2023) atrag atenția asupra faptului că, în ciuda ultimei tendințe de îmbunătățire a calității din ultimii ani, au fost găsite deficiențe metodologice în meta-analizele publicate în prezent. Evaluările sistematice și meta-analizele ar trebui să respecte reguli stricte și transparente, cum ar fi liniile directoare PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (vezi Fig. 4), asigurând reproductibilitatea și robustețea procesului de căutare, fiabilitatea și validitatea constatărilor lor și claritatea raportării. Aceste linii directoare subliniază pașii de bază pentru a asigura îndeplinirea tuturor cerințelor menționate mai sus, inclusiv raportarea transparentă a strategiei de căutare, procesul de selecție a studiilor, extragerea datelor și sinteza datelor:
- Un protocol de studiu prospectiv este piatra de temelie a unei revizuiri sistematice și a meta-analizei. Rolul său în reducerea părtinirii și asigurarea transparenței nu poate fi exagerat. Acest document bine structurat și succint ar trebui să descrie în mod adecvat toți pașii din procesul de cercetare, inclusiv potențialele modificări ale metodologiei de recenzie sistematică. Procedând astfel, justifică aceste modificări și previne introducerea părtinirii în selecția datelor pentru recenzie.
- Procesul de căutare nu este doar un pas, ci coloana vertebrală a unei revizuiri sistematice și a unei meta-analize. Natura sa robustă și reproductibilă asigură includerea tuturor datelor relevante din studiile eligibile. Aceasta implică căutarea în mai multe baze de date electronice și liste de referințe, bazele de date precum PubMed, EMBASE sau SCOPUS fiind esențiale. Ar trebui luate în considerare și baze de date suplimentare, cum ar fi Cochrane, Web of Science și ProQuest. De asemenea, merită să identificăm literatura gri potențial relevantă prin căutarea rezumatelor lucrărilor conferinței. Cu toate acestea, strategiile de căutare inadecvate și restricțiile lingvistice pot limita numărul de studii eligibile, introducând o cantitate semnificativă de părtinire a publicării. Această părtinire este posibilă chiar și cu cea mai cuprinzătoare strategie de căutare, deoarece este de așteptat eșecul publicării întregii studii sau a tuturor rezultatelor unui studiu.
- Valabilitatea internă a studiilor primare: Termenul „validitate internă” se referă la capacitatea unui studiu de a stabili o relație de încredere cauză-efect între un tratament și un rezultat prin limitarea diferitelor factori de confuzie. Este un aspect crucial strâns legat de riscul de părtinire și de calitatea metodologică a studiilor incluse. Au fost dezvoltate mai multe instrumente pentru a evalua riscul de părtinire în studiile primare, atât pentru studii randomizate controlate, cât și pentru studiile observaționale.
- Cea mai recentă ediție a instrumentului Cochrane Collaboration Risk-of-Bias (RoB-2)[1] oferă un cadru pentru evaluarea riscului de părtinire în rezultatele RCT. Este structurat în cinci domenii de posibilă introducere a părtinirii în rezultatele studiului: (1) proces de randomizare; (2) abateri ale intervențiilor preconizate; (3) lipsă date privind rezultatele; (4) măsurarea rezultatului; (5) selecția rezultatelor raportate (Sterne et al., 2019). În cadrul fiecărui domeniu de părtinire, întrebările specifice de semnalizare urmăresc să obțină informații relevante pentru evaluarea riscului de părtinire [2]. Instrumentul include algoritmi care mapează răspunsurile la aceste întrebări de semnalizare pe o judecată de risc de părtinire propusă pentru fiecare domeniu. Posibilele judecăți privind riscul de părtinire sunt (1) Risc scăzut de părtinire, (2) Unele preocupări și (3) Risc ridicat de părtinire. Instrumentul este reprezentat ca un afișaj de „semafoare”. Instrumentul Risc de părtinire în studiile non-randomizate ale intervențiilor (ROBINS-I) subliniază șapte domenii de apariție potențială a părtinirii (vezi Tabelul 3): două în faza de „pre-intervenție”, unul în faza de „la intervenție” și patru în faza „post-intervenţie”.
- Analiza și raportarea datelor: În timp ce combinarea datelor din studii individuale crește dimensiunea eșantionului și puterea statistică, este crucial să se exploreze prezența eterogenității statistice. Această inconsecvență în efectul tratamentului în cadrul studiilor incluse poate induce în eroare și poate reduce încrederea în concluzii. Cuantificarea eterogenității statistice se bazează de obicei pe teste statistice specifice (Higgins-I, Cochran Q-test). Autorii meta-analizelor trebuie să exploreze prezența eterogenității statistice prin proiectarea și efectuarea adecvată a analizelor de subgrup și de sensibilitate bazate pe ipoteze a priori la începutul protocolului de studiu. Astfel de ipoteze implică explorarea rezultatelor analizei grupate în subseturi de date (subgrupuri) potențial mai omogene, bazate, de exemplu, pe caracteristicile clinice ale probelor, aspecte metodologice, designul studiului și originea geografică a studiilor. Două modele statistice diferite sunt utilizate pentru a produce estimări ale efectelor combinate. Selecția modelului statistic adecvat pentru punerea în comun a datelor depinde de prezența eterogenității între studii. Cu toate acestea, nu au fost definite valori limită clare ale gradului de eterogenitate care ar dicta alegerea unui model în detrimentul celuilalt. Pe de altă parte, testele statistice pentru eterogenitate sunt adesea insuficiente pentru detectarea eterogenității semnificative:
- Modelul cu efecte fixe presupune o singură dimensiune reală a efectului pentru toate studiile, reprezentată de estimarea efectului cumulat. Acest model este utilizat în mod obișnuit atunci când nu există eterogenitate într-o meta-analiză și când există multe studii cu dimensiuni mari ale eșantionului. În astfel de cazuri, există încredere că testul de eterogenitate este suficient de puternic pentru a detecta diferențe semnificative. Rezultatele obținute folosind acest model tind să aibă intervale de încredere mai înguste. Dacă există îngrijorări cu privire la eterogenitate, modelul cu efecte aleatoare (DerSimonian & Kacker, 2007) este considerat o alegere mai bună. Produce intervale de încredere mai largi în jurul estimărilor punctuale și este o opțiune mai precaută pentru analiză. În domeniul medical, unde se așteaptă ca efectul real să varieze între diferitele populații, este mai adecvată utilizarea mai frecventă a modelului cu efecte aleatorii. Utilizarea modelului cu efecte fixe este rezonabilă în meta-analizele care includ un număr suficient de mare de studii cu dimensiuni adecvate ale eșantionului și în care eterogenitatea statistică nu a fost încă detectată. În cele din urmă, calitatea dovezilor rezumate obținute dintr-o meta-analiză ar trebui evaluată folosind cadrul transparent al instrumentului GRADE, AMSTAR sau PRISMA (vezi Fig. 4). Ei evaluează încrederea în estimarea efectului pentru fiecare rezultat de interes. Neutilizarea acestora în meta-analize ar putea duce la o lipsă de transparență și poate duce la concluzii înșelătoare.
- Modelul cu efecte aleatoare presupune că estimarea efectului real diferă între studiile originale din cauza diferențelor dintre caracteristicile lor clinice. Prin urmare, estimarea combinată a mărimii efectului generată pe baza acestui model reprezintă o estimare medie a estimărilor tuturor studiilor individuale.
- Analizarea rezultatelor unei meta-analize. Este esențial să se analizeze rezultatele unei meta-analize, având în vedere semnificația acestora. O variație semnificativă statistic nu este semnificativă dacă nu are relevanță. În plus, orice diferență poate atinge semnificație statistică cu o dimensiune a eșantionului suficient de mare. În schimb, atunci când se calculează o estimare a efectului global nesemnificativ, este esențial să se evalueze cu atenție dacă ceea ce este considerat relevant se încadrează în intervalul de încredere al acestei estimări.
- Validarea rezultatelor este un pas important. Centrele de evidență precum CEBM de la Universitatea Oxford, o instituție renumită în domeniu, dezvoltă instrumente importante de evaluare. Ele sunt esențiale în stabilirea credibilității, a semnificației științifice și a aplicabilității dovezilor colectate dintr-o meta- analiză. Cu cinci întrebări cheie, CEBM este o metodă de încredere pentru a determina validitatea constatărilor studiului.
[1] https://methods.cochrane.org/bias/resources/rob-2-revised-cochrane-risk-bias-tool-randomized-trials
[2]Consultați Tabelul 1, în https://www.bmj.com/content/366/bmj.l4898.long
