La meta-analisi è una tecnica clinico-statistica quantitativa che permette di combinare i dati provenienti da più studi condotti su uno stesso argomento e di generare un unico dato conclusivo in risposta ad uno quesito clinico. L’integrazione di più studi consente una maggiore attestazione della significatività degli effetti prodotti da un intervento, rispetto a quelli rilevati in singoli studi. Gli studi inclusi in una meta-analisi, infatti, sono esaminati in modo sistematico, permettono anche di esplorare le incoerenze tra gli studi ed esaminare se gli effetti dell’intervento differiscono negli specifici sottogruppi di studi.
Questa tecnica risulta utile quando vi è incertezza sulla valutazione dell’efficacia di un trattamento, oppure nel caso di risultati non univoci provenienti da singoli studi, oppure da singoli studi effettuati su pochi pazienti e considerati scarsamente affidabili.
Esistono diversi tipi di meta-analisi. In questo libro Cuijpers si concentra sulle meta-analisi tradizionali o “due a due”, in cui viene fatta, ad esempio, una comparazione tra un trattamento ed un gruppo di controllo oppure una comparazione tra due trattamenti.
Vi sono, tuttavia, anche altri tipi di meta-analisi, definite di rete o multiple, in cui posso essere fatti più confronti.
Pim Cuijpers, professore di Psicologia Clinica nella Vrije Universiteit di Amsterdam ha realizzato una pratica guida che spiega come condurre uno studio di meta-analisi nell’ambito della ricerca sulla salute mentale. (a cura di V.Nuzzaci)
INDICE
Introduction. What are meta-analyses and why are they important?
Traditional, systematic and meta-analytic reviews
Different types of meta-analyses
Advantages and problems of meta-analyses
Key points
Step 1. Defining research questions for meta-analyses: PICO
Introduction Inclusion and exclusion criteria for meta-analyses
Control conditions in mental health research
Which design to use in a meta-analysis?
Key points
Step 2. Searching bibliographical databases
Selecting bibliographical databases .
Other ways to identify studies for inclusion
Searching in bibliographical databases
Boolean operators, truncation, wildcards, proximity operators, and search filters
A simplified example
Key points
Step 3. Selection of studies, retrievement of data and risk of bias
Selection of studies Working with two independent assessors
Selection of full-text studies for inclusion in your meta-analysis
Data extraction: Characteristics of the included studies
Assessing methodological quality and bias
Sources of bias
Selection bias
Detection bias
Attrition bias
Reporting bias
Other potential threats to validity
Researcher allegiance
Assessing risk of bias: the Cochrane Risk of bias assessment tool
Key points
Step 4. Calculating and pooling effect sizes
Effect sizes based on continuous outcomes
How to find the data needed for calculating effect sizes?
Interpreting effect sizes
More outcomes in one study
Effect sizes based on dichotomous outcomes
Pooling of effect sizes
When can effect sizes be pooled?
The random and the fixed effects model
The forest plot: An excellent summary of a meta-analysis
Sensitivity analyses
Key points
Step 5. Examining heterogeneity and potential publication bias
Visual inspection of the forest plot
Test for homogeneity (Q) (is it significant?)
Quantifying heterogeneity
Examining the causes of heterogeneity
Subgroup analyses to examine sources of heterogeneity
Choosing subgroups for subgroup analyses
Metaregression analyses
Publication bias and other reporting biases
Testing for “publication bias” with indirect methods: The funnel plot
Key points
Step 6. Writing and publishing meta-analyses
Publishing the protocol of your meta-analysis
The PRISMA Statement
The structure of a paper on a meta-analysis
Key points
References
La guida è scaricabile gratuitamente su ResearchGate.
Scarica il testo in .pdf