PROLOGO Protocollo CAPITOLO 1 Quesito CAPITOLO 2 Background CAPITOLO 3 Ricerca degli studi CAPITOLO 4 Selezione degli studi CAPITOLO 5 Valutazione critica
degli studi CAPITOLO 6 Estrazione dei dati CAPITOLO 7 Sintesi e analisi dei
dati CAPITOLO 8 EPILOGO
SINTESI DEI DATI Raccolta, comparazione e riepilogo dei
risultati dei singoli studi inclusi in una revisione.
SINTESI DEI DATI
QUANTITATIVE: uso di tecniche formali statistiche come le meta analisi
NARRATIVE: quando le prime non sono possibili discussione delle caratteristiche degli studi e dei loro risultati
CONTENUTO
Confrontare i dati estratti
Considerare la forza delle evidenze
Esplorare la coerenza degli effetti osservati tra gli studi
Investigare possibili ragioni di incongruenza.
Trarre affidabili conclusioni dal corpo di evidenze assemblato.
QUALE APPROCCIO
Dipende dal quesito e dalla tipologia di studi che si prevede saranno trovati
Dovrebbe essere pianificata nel protocollo.
L’approccio narrativo e quantitativo non sono esclusivi.
Componenti della sintesi narrativa possono essere incorporati in una revisione quantitativa
Una revisione principalmente narrativa può incorporare alcune analisi statistiche
SINTESI NARRATIVE
Approccio testuale che fornisce un’analisi della relazione all’interno e tra gli studi e una valutazione generale della
forza delle evidenze.
o Gli studi sono troppo diversi sia dal punto di vista clinico che metodologico per essere combinati in una meta analisi
o Interpretare le evidenze raccolte dove esista una meta-analisi
SINTESI DESCRITTIVA INIZIALE
Sia le sintesi narrative che quantitative dovrebbero cominciare con un riepilogo descrittivo chiaro degli studi inclusi. (tabelle)
Tipologia dello studio
Tipologia di intervento
Numero di partecipanti,
Riepilogo delle caratteristiche dei partecipanti
Gli outcome
Le misure di outcome.
esempio
Michael Klompas et al Reappraisal of Routine Oral Care With Chlorhexidine Gluconate for Patients Receiving Mechanical Ventilation Systematic Review and Meta-analysis JAMA Intern Med..2014.359 Published online March 24, 2014.
SINTESI NARRATIVE
Essendo un processo soggettivo anche loro dovrebbero essere redatta con un processo rigoroso e trasparente.
Un progetto dell’Economic and Social Research Council (ESRC) http://www.esrc.ac.uk
Linea guida sulla conduzione di sintesi narrative nelle revisioni sistematiche.
Recepita dal Centre for Review and Dissemination, University of York
Centre for Reviews and Dissemination, University of York 2009 Systematic Review. CDR’s guidance for undertaking reviews in health care. 48-53
GUIDANCE...
Jennie Popay, Helen Roberts, Amanda Sowden, Mark Petticrew, Lisa Arai, Mark Rodgers, Nicky Britten With Katrina Roen and Steven Duffy. 2006 Guidance on the Conduct of Narrative Synthesis in Systematic Reviews: A Product from the ESRC Methods Programme
(http://www.lancaster.ac.uk/shm/research/nssr/research/dissemination/publications.php)
La guida offre sia una struttura generale che specifici strumenti e tecniche per aumentare trasparenza e affidabilità delle sintesi narrative
STRUTTURA GENERALE
Sviluppare una teoria su come lavora l’intervento, perché e per chi
Sviluppare una sintesi preliminare dei risultati dei singoli studi
Esplorare le relazioni all’interno e tra gli studi
Valutare la solidità delle evidenze
Non per forza sequenziali ma neanche totalmente indipendenti
Non obbligatorie ma giustificare la selezione nella sezione di metodi della revisione
SCHEMA GENERALE
SVILUPPARE UNA TEORIA:
COME LAVORA L’INTERVENTO, PERCHÈ E PER CHI
Non ha lo stesso ruolo in tutte le revisioni
Scarso in una revisione su l’effetto di un farmaco perché i meccanismi di azione saranno già stati spiegati.
Importante in una revisione che valuta l’effetto di un programma psicosociale o educativo (catena causale che collega l’intervento all’outcome d’interesse)
FORMA DESCRITTIVA O UN DIAGRAMMA
Teachers’ salaries increase
Teacher morale improves
Classroom climate becomes more
pleasant
Teachers give up their second jobs and put full energies into
teaching
Abler people are attracted to teaching
Teachers work harder at teaching and put
more effort into preparation and pedagogy
Teachers develop more congenial relationships
with students
Teachers prepare lessons more
thoroughly
School districts hire abler teachers
Students understanding of their material
improves
Students seek to maintain good relations
with their teachers
Teachers employ a greater variety of pedagogical strategies
Abler teachers teach more effectively
Students work harder Teachers teach more effectively
Increased student achievement
Figure 3. Example of a Programme Theory model: mechanisms by which higher teachers’ pay may be linked to increased student achievement (from Weiss, 1998)
Jennie Popay, et al. 2006 Guidance on the Conduct of Narrative Synthesis in Systematic Reviews: A Product from the ESRC Methods Programme, 13
esempio
Interventions to increase use and function of smoke alarms: implicit theory of change model
Centre for Reviews and Dissemination, University of York 2009 Systematic Review. CDR’s guidance for undertaking reviews in health care. 50
SVILUPPARE UNA SINTESI PRELIMINARE DEI RISULTATI DEI SINGOLI STUDI Riunire, organizzare e descrivere i risultati degli studi
Descrizione testuale degli studi Paragrafo descrittivo per ogni studio incluso Raggruppamenti e cluster Raggruppamento studi inclusi per descrizione e
schemi interni e tra gli studi.
Tabulazione Rappresentazione visiva dei dati Trasformare i dati in una misura
comune
Dati presentati in una misura comune
Il conteggio come uno strumento di descrizione
Direzione dell’effetto, categorie, pesi e punteggi
Trasformare i dati: analisi tematiche
Identificare in modo sistematico le tematiche e/o i concetti principali
Trasformare i dati: analisi di contenuto
Convertire i dati in frequenze
ESPLORARE LE RELAZIONI ALL’INTERNO E TRA GLI STUDI
Analisi dei dati emersi dalla sintesi preliminare per identificare i fattori che potrebbero spiegare le variazioni nelle dimensione e nella direzione dell’effetto
Esplorare le relazioni tra
Le caratteristiche degli studi e i loro risultati
I risultati dei diversi studi
STRUMENTI
Grafici, frequenze, distribuzioni, forest plot ecc.
Strumenti visivi e grafici per aiutare i revisori a esplorare le relazioni all’interno e tra gli studi Variabili moderatrici e analisi
per sottogruppi
Analisi di variabili che ci si aspetta influenzino l’effetto principale esaminato nella revisione:
1.caratteristiche variabili tra gli studi (disegno, ambiente)
2.caratteristiche del campione Reticoli di idee e mappe
concettuali
Metodi visivi per aiutare a costruire raggruppamenti e relazioni
Descrizione qualitativa dei casi I dati descrittivi usati per provare a spiegare le differenze nei risultati statistici
Triangolazione tra autori, concetti e metodologia
Usare più di un punto di riferimento per spiegare il fenomeno: analisi dei dati in relazione al contesto (riferimenti disciplinari) e all’esperienza del ricercatore
VALUTARE LA SOLIDITÀ DELLE EVIDENZE
Qualità metodologica degli studi
Credibilità del processo di sintesi
Qualità e quantità delle evidenze
Il metodo di sintesi
Chiarezza/trasparenza della sua descrizione
STRUMENTI
Uso di una valutazione di validità
Sistema di grading
Riflettere in modo critico sul processo di sintesi:
informazioni sulla solidità e generalizzabilità
Metodologia usata per la sintesi, evidenze usate (possibili fonti di bias), deduzioni fatte, discrepanze e incertezze identificate, cambiamenti attesi nella tecnologia e nelle evidenze, aspetti che possono influenzare efficacia e implementazione.
Controllare la sintesi con gli autori degli studi primari
Testare la validità delle interpretazioni e quanto i dati primari supportano la sintesi
VALUTAZIONE SINTESI NARRATIVA
http://www.york.ac.uk/inst/crd/Posters/Guidance%20on%20the%20conduct%20of%20narrative%20synthesis%20 in%20systematic%20review.pdf
Objectives
• To evaluate the impact of applying guidance on the conduct of narrative synthesis to a systematic review of effects.
•To compare the results and conclusions of this guidance- led narrative synthesis with those of a published Cochrane meta-analysis of the same group of studies.
Methods
• Initially, we undertook a review of the methodological literature to develop draft guidance on the conduct of narrative synthesis in systematic reviews (see box).
•After developing a draft of the guidance, we applied it to a synthesis of 11 RCTs that had previously been included in
•Ten of the 19 “tools and techniques” described in the guidance were considered relevant and were used in the synthesis (see Figure 1).
•Both the narrative synthesis and the meta-analysis led to the conclusion that educational interventions resulted in only modest increases in smoke alarm ownership and function and that there was insufficient data on injury/burn prevention.
•Both syntheses suggested that including previously-injured children in a trial might moderate the effectiveness of a safety education intervention.
•The narrative synthesis led to recommendations for future research relating to improvements in outcome
Conclusions
• For this example, the results and conclusions of meta- analysis and guidance-led narrative synthesis of the same effectiveness studies were broadly similar.
•The availability of point estimates in subgroup and sensitivity analyses may allow the meta-analyst greater confidence to draw ‘firm’ conclusions about moderators of effects.
•The detailed scrutiny of studies allowed by narrative synthesis may provide additional insights into implications for further research.
•The guidance provides a useful framework for the conduct of narrative synthesis, particularly for increasing
Guidance on the conduct of narrative synthesis in systematic reviews:
a comparison of guidance-led narrative synthesis versus meta-analysis Rodgers M1, Arai L2, Britten N3, Petticrew M4, Popay J5, Roberts H2, Sowden A1
1CRD, University of York,2Child Health Research and Policy Unit, City University,3Peninsula Medical School, Universities of Exeter and Plymouth, 4MRC Social and Public Health Sciences Unit, University of Glasgow, 5Institute for Health Research, University of Lancaster
SINTESI QUANTITATIVA
SINTESI QUANTITATIVA
Conteggio dei risultati positivi e di quelli negativi
Combinazione statistica dei risultati di due o più studi separati
CONTEGGIO
Comparare numero studi positivi con quello degli studi negativi
PROBLEMI
1)Agli studi grandi e piccoli viene dato lo stesso valore 2)Investigatori diversi possono valutare in modo diverso lo stesso studio:
Negativo per assenza significatività statistica
Positivo per piccolo effetto ma importante dal punto di vista clinico.
COMBINAZIONE STATISTICA
Combinazione statistica dei risultati di due o più studi separati
META-ANALISI
META-ANALISI
La meta-analisi è una tecnica clinico-statistica quantitativa che permette di combinare i dati di più studi condotti su uno stesso argomento, generando un unico dato conclusivo per rispondere ad uno specifico quesito clinico.
De Berardis Meta-analisi Lab. Epidemiologia Clinica del Diabete e delle Malattia Croniche Istituto Mario Negri. Presentazione
UN PO’ DI STORIA
Uno dei primi esempi di questo tipo di analisi risale ai primi anni del novecento ed è dovuta a Karl Pearson (matematico e statistico)
Sviluppò una tecnica statistica allo scopo di trovare un accordo per studi di piccole dimensioni che presentavano risultati divergenti;
Pearson K. Report on certain enteric fever inoculation statistics.
BMJ 1904;3:1243–6
UN PO’ DI STORIA
Il termine meta-analisi è entrato a far parte della letteratura scientifica solamente in tempi molto recenti, l’interesse intorno a questa disciplina si è manifestato sostanzialmente negli ultimi 25 anni.
Il primo uso del termine in senso statistico è del 1976 da parte di Gene V. Glass (ricercatore americano che lavora nel campo della psicologia educativa e delle scienze sociali).
Glass, G. V (1976). Primary, secondary, and meta-analysis of research.
Educational Researcher, 5, 3-8.
Da: Pingitore Giuseppe 2011 Come si legge una meta-analisi
PERCHE’ FARE UNA META-ANALISI
Fornire omogeneità a risultati di studi clinici diversi
Incrementare la potenza statistica di confronti fra campioni piccoli
Migliorare la precisione della stima dell’efficacia di una terapia
Studiare sottogruppi di pazienti nei diversi studi
Fornire indicazioni su nuovi possibili studi
FORZE DELLE META-ANALISI
Combinare dati fra un elevato numero di studi individuali
Aumentare il potere statistico per individuare differenze significative tra gli interventi
Può fornire un risultato più preciso rispetto a un singolo lavoro
Minimizza la soggettività nell’interpretazione degli studi individuali
Karen Spithoff Syntesizing the evidence November 28 2012
FORZE DELLA META-ANALISI
Evidenzia la coerenza dei risultati tra gli studi
Permette di fare considerazioni su sottogruppi di pazienti ed esplorare le differenze tra i risultati degli studi
Fornisce un risultato più generalizzabile tra i diversi ambienti
Può aiutare a velocizzare l’introduzione di un intervento efficace nella pratica clinica
Karen Spithoff Syntesizing the evidence November 28 2012
DEBOLEZZE DELLE META-ANALISI
Può volerci molto lavoro
Devono essere disponibili un certo tipo di dati negli studi
La validità della meta-analisi dipende da quella degli studi inclusi (GIGO: garbage in, garbage out)
I risultati possono comunque essere inconcludenti
Karen Spithoff Syntesizing the evidence November 28 2012
DEBOLEZZE DELLE META-ANALISI
Applicare i risultati ai singoli pazienti rimane un problema
I bias di pubblicazione possono gonfiare i risultati
Può dare una falsa impressione di certezza dei risultati e trascurare elementi soggettivi del processo
Può mascherare differenze importanti tra gli studi
Karen Spithoff Syntesizing the evidence November 28 2012
COMPONENTI DI UNA META-ANALISI
La stima dell’effetto del trattamento
Le misure di incertezza intorno alla stima dell’effetto del trattamento
Karen Spithoff Syntesizing the evidence November 28 2012
TIPOLOGIE DI META-ANALISI
Meta-analisi sui dati aggregati
Outcome dicotomici (morte)
Outcome continui (variazioni di peso)
Outcome Time to event (tempo di sopravvivenza totale)
Altri (accuratezza diagnostica)
Meta-analisi per dati individuali
Raccolta dei dati di singoli pazienti dai trial originali e rianalisi i risultati
TIPOLOGIE DI OUTCOME: DICOTOMICI
Esempio: morte, infezione, reintervento Misure più comuni
Odds ratio (OR)
Odds gruppo A / Odds gruppo B
Rischio relativo (RR)
Rischio gruppo A / Rischio gruppo B
Rischio attribuibile (RA)
Rischio gruppo A – Rischio gruppo B
TIPOLOGIE DI OUTCOME: CONTINUI
Esempio: giorni di degenza, dolore, variazioni di peso
Misure più comuni
1)
Differenza tra medie ( gli studi hanno outcome con misure confrontabili: stesse scale)
Media gruppo A – Media gruppo B
2)
Differenza delle medie standardizzata (gli studi hanno outcome misurati in modo diverso: differenti scale)
1)Media gruppo A – Media Gruppo B / Media ponderata della DS del gruppo A e del gruppo B
TIPI DI OUTCOME: TIME-TO-EVENT
Spruance SL, Reid JE, Grace M, Samore M. Hazard Ratio in Clinical Trials. Antimicrob Agents and Chemotherapy Aug 2004:2787-2792.
Effect of acyclovir on time to resolution of postherpetic neuralgia
TIPI DI OUTCOME: TIME-TO-EVENT
Esempio: sopravvivenza, tempo alla ricaduta
1)Due tipi di informazioni
Se un evento ha avuto luogo
Punto nel tempo dove avviene l’evento o se il paziente è uscito dallo studio
1)
Due tipi di approcci meta analitici
Riassuntivo con hazard ratio (HR)
Tenere conto dei “censurati” e includere tutti i dati
Convertire i dati in outcome binari
Necessita i dati di tutti i partecipanti al punto definito nel tempo (p.e. sopravvivenza a un anno). Non bisogna tener conto dei censurati
52/97 69/101 -11.3 27.6 693/927 720/915 -35.0 315.6
0.0 0.5 1.0 1.5 2.0
Treatment better Treatment worse Deaths/Patients
Treatment Control O-E variance O-E
Stima dell’effetto I.C. 95%
Stima cumulativa
Forest Forest plot plot
De Berardis Meta-analisi Lab. Epidemiologia Clinica del Diabete e delle Malattia Croniche Istituto Mario Negri.
META-ANALISI: RAPPRESENTAZIONE GRAFICA
PESO
Ai diversi studi viene attribuito un peso differente a seconda della numerosità del campione studiato. più è grande uno
studio e più esso influenzerà il risultato globale della meta-analisi
Karen Spithof Synthesizing the evidence 28/12/2012 Presentazione
META-ANALISI
Il principale presupposto di una meta analisi è che gli studi siano sufficientemente simili per poter combinare i risultati.
CIOE’
Non siano eterogenei
ETEROGENEITÀ
Variabilità negli effetti del trattamento tra gli studi
STATISTICA: sono stati utilizzati metodi statistici differenti nei vari studi
CLINICA: differenze relative ai pazienti, metodologie di somministrazione dei trattamenti o dei controlli, valutazione degli esiti.
PERCHÈ È IMPORTANTE
Se gli studi sono eterogenei i risultati potrebbero non essere significativi
Se la differenza tra gli studi non è dovuta solo al caso, la combinazione dei trial potrebbe non essere la risposta giusta al quesito che ci siamo posti.
ETEROGENEITÀ: IDENTIFICAZIONE
1) Ispezione visiva dei dati
Accordo tra gli studi
2) Valutazione della eterogeneità
Cochran’s chi square (X
2) o Q test
Ci dice se esiste eterogeneità
Criterio comune per un’eterogeneità significativa: p<0.10
I2 (Inconsistenza)
Ci dice quanta eterogeneità c’è (% della variabilità che è dovuta alla eterogeneità piuttosto che al caso)
Criterio comune per una eterogeneità significativa (>50%)
ISPEZIONE VISIVA
Guardare come sono distribuite le linee.
Le stime dovrebbero essere sullo stesso lato
Gli intervalli di confidenza dovrebbero sovrapporsi.
Se si sovrappongono il caso rimane una spiegazioni plausibile delle differenze nella stima puntuale.
Se non si sovrappongono il caso è una spiegazione improbabile.
Intervalli di confidenza molto separati fanno pensare alla presenza di un’importante variabilità che richiede una spiegazione.
ISPEZIONE VISIVA
Funnel plot
ISPEZIONE VISUALE VALUTAZIONE DELLA ETEROGENEITÀ
TEST Q DI COCHRAN χ 2
INCONSISTENZA I 2
TEST Q DI COCHRANE
Il test valuta se le differenze tra i risultati degli studi sono compatibili solo con il caso o sono dovute a eterogeneità reale.
TEST Q DI COCHRAN
Per prima cosa bisogna calcolare i gradi di libertà (df) che corrispondono al numero degli studi inclusi nella meta-analisi – 1.
Se il test è superiore ai gradi di libertà risulta respinta l’ipotesi nulla (c’è eterogeneità).
Se il test è inferiore ai gradi di libertà risulta accettata
l’ipotesi nulla (non c’è eterogeneità).
TEST Q DI COCHRAN
(SIGNIFICATIVITÀ STATISTICA)
Confrontare i gradi di libertà e il valore del test nelle tavole di distribuzione χ
2
Se il test Cochran χ
2è statisticamente significativo (generalmente p<0,1) c’è eterogeneità in modo certo.
Il livello di significatività per χ
2è spesso stabilito a 0,1 per il basso potere che questo test ha di individuare l’eterogeneità
NO ETEROGENEITÀ SIGNIFICATIVA
ETEROGENITÀ SIGNIFICATIVA
Karen Spithoff Syntesizing the evidence November 28 2012
TEST DI COCHRAN
Come test per valutare l’eterogeneità ha un basso potere soprattutto se il numero di studi e piccolo
Ha invece troppo potere quando il numero degli studi è alto.
INCONSISTENZA
Valuta il grado di influenza della eterogeneità sulle conclusioni della meta analisi.
I 2 = 100x(Q-df)/Q
Q è la Q di Cochran, il test di eterogeneità, e df i suoi gradi di libertà
Julian P T Higgins, Simon G Thompson, Jonathan J Deeks, Douglas G Altman Measuring inconsistency in meta-analyses BMJ 2003 327 557-560
INCONSISTENZA
I valori vanno da 0% a 100% dove 0 indica nessuna eterogeneità osservata.
1)
0 - 40 potrebbe non essere importante
2)
30 - 60 può rappresentare un’eterogeneità moderata
3)50 - 90 può rappresentare eterogeneità
4)
75 - 100 considerevole eterogeneità
NO ETEROGENEITÀ SIGNIFICATIVA
ETEROGENITÀ SIGNIFICATIVA
Karen Spithoff Syntesizing the evidence November 28 2012
CHE COSA FARE QUANDO C’È ETEROGENEITÀ QUATTRO APPROCCI
Ignorarla e usare il modello a effetti fissi
Fare un test e non procedere alla meta-analisi se c’è eterogeneità
Incorporarla e usare il modello a effetti random
Spiegarla facendo analisi per sottogruppi o meta regressioni
MODELLI DI META-ANALISI
Due modelli principali per la sintesi dei risultati degli studi
Modello a effetti fissi
Modello a effetti random
Gli approcci differiscono su come combinano e pesano gli studi
MODELLO A EFFETTI FISSI
Si ipotizza che ci sia un vero valore generale uguale per ogni studio. La variabilità dei risultati fornita dalla meta-analisi è influenzata solo dal caso.
Karen Spithoff Syntesizing the evidence November 28 2012
MODELLO A EFFETTI RANDOM
Si ipotizza che ogni singolo studio abbia il proprio vero effetto e permette di analizzare le differenze tra gli studi.
Karen Spithoff Syntesizing the evidence November 28 2012
QUALE MODELLO USARE
I risultati sono simili quando vi sono piccole differenze nei risultati degli studi
I risultati possono essere molto differenti quando ci sono pochi studi e/o le dimensioni degli studi sono molto diverse
Spesso i risultati sono simili ma quelli del modello a effetti random hanno degli intervalli di
confidenza più ampi.
QUALE MODELLO USARE
Alcuni ritengono che la eterogeneità sia inevitabile per cui dovrebbe sempre essere usato un modello a effetti random
Altri dicono che solo il modello a effetti fissi abbia senso e se non si può dare una spiegazione all’eterogeneità, non bisognerebbe fare la meta- analisi
Se non si è sicuri può valer la pena fare tutti e due
Bisognerebbe prendere la decisione a priori
Da: Pingitore Giuseppe 2011 Come si legge una meta-analisi
ANALISI PER SOTTOGRUPPI
Vengono condotte meta-analisi separate su sottogruppi
Caratteristiche dei partecipanti
Caratteristiche del trattamento e dell’intervento
Modalità di conduzione dello studio
Qualità metodologica dello studio
L’analisi per sottogruppi dovrebbe essere pianificata in anticipo per evitare I bias
ESEMPIO
Karen Spithof Syntesizing the evidence November 28 2012 Da: Pingitore Giuseppe 2011 Come si legge una meta-analisi
ANALISI DI SENSIBILITÀ
Misura la forza dei risultati in rapporto a problemi fondamentali contenuti negli studi
Ricalcolare la stima globale di effetto escludendo i fattori che potrebbero avere un’influenza particolare sul risultato della meta-analisi
Uno studio di grosse dimensioni
Studi di bassa qualità (non c’è randomizzazione, alto rischio di bias)
Uno studio con risultati molto diversi dagli altri
Sottogruppi di pazienti
Risultati coerenti tra loro rafforzano l'evidenza e la generalizzabilità dei risultati osservati
BIAS DI PUBBLICAZIONE
• Diversa probabilità di pubblicazione di risultati positivi rispetto a quelli negativi
Se non c’è il bias il funnel avrà un aspetto simmetrico
Se c’è il bias il funnel sarà asimmetrico o distorto
Una meta-analisi può individuare ma non correggere
bias di pubblicazione
FUNNEL PLOT
1) Simmetrico: assenza di bias
2) Asimmetrico: bias di pubblicazione, mancano gli studi a basso campione (cerchietto bianco) (stima spostata verso sinistra)
3) Asimmetrico: presenza di bias dovuto a scarsa qualità degli studi a basso campione
Cipriani Andrea, Barbui Corrado Dalle revisioni narrative a quelle sistematiche e alle metanalisi, per un approccio moderno alla valutazione dei trattamenti farmacologici in psichiatria NÓOς