Skip to content
بازگشت به نتایج جست‌وجو

کارآزمایی بالینی تصادفی فراتحلیلی — تجمیع شواهد کارآزمایی بالینی تصادفی

معرفی‌شده توسط
Gene V. Glass (meta-analysis method); Cochrane Collaboration (systematic RCT pooling standards)
سال
1976 (Glass coinage of meta-analysis); 1993 (Cochrane Collaboration formalization)
نوع
Quantitative evidence-synthesis design
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

یک کارآزمایی بالینی تصادفی فراتحلیلی (meta-analytic randomized clinical trial) روش رسمی سنتز شواهد است که نتایج چندین کارآزمایی بالینی تصادفی را که به یک پرسش بالینی یکسان می‌پردازند، شناسایی، ارزیابی و به صورت آماری ترکیب می‌کند. با تجمیع داده‌های سطح کارآزمایی، یک تخمین واحد و دقیق‌تر از اثر درمان تولید کرده و ناهمگونی بین کارآزمایی‌ها را کمی می‌کند و در رأس سلسله مراتب شواهد برای ارزیابی مداخلات بهداشتی قرار می‌گیرد.

شهود پشت روش

ده کارآزمایی بالینی مختلف را تصور کنید که هر کدام همان دارو را آزمایش می‌کنند اما با اندازه‌های نمونه متفاوت — برخی سودمندی را نشان می‌دهند، برخی نه، و هیچ‌کدام به تنهایی قاطع نیست. یک کارآزمایی بالینی تصادفی فراتحلیلی مانند یک هیئت منصفه دقیق عمل می‌کند که هر کارآزمایی را می‌خواند، هر حکم را بر اساس میزان اطمینان به کارآزمایی وزن‌دهی می‌کند، و سپس یک حکم تجمیع‌شده با حاشیه خطای بسیار کمتر از آنچه هر کارآزمایی انفرادی می‌تواند به دست آورد، ارائه می‌دهد. هیئت منصفه همچنین می‌پرسد: آیا همه کارآزمایی‌ها واقعاً موافق هستند، یا تنوع توضیح‌داده‌نشده‌ای (ناهمگونی) وجود دارد که نشان می‌دهد دارو در بیماران یا محیط‌های مختلف به طور متفاوتی عمل می‌کند؟

تاریخ

Gene V. Glass در سال 1976 اصطلاح فراتحلیل را برای توصیف سنتز آماری یافته‌های مطالعات در روانشناسی تربیتی ابداع کرد. این روش به سرعت به پزشکی بالینی مهاجرت کرد و اولین فراتحلیل‌های پزشکی تأثیرگذار در اوایل دهه 1980 ظاهر شدند (به ویژه Yusuf و همکاران در مورد بتا-بلاکرها پس از انفارکتوس میوکارد، 1985). تأسیس همکاری کوکران (Cochrane Collaboration) در سال 1993، کارآزمایی‌های بالینی تصادفی فراتحلیلی را به عنوان استاندارد طلایی برای سنتز شواهد بالینی نهادینه کرد و استانداردهای مرور سیستماتیک و گزارش‌دهی PRISMA را که اکنون بر این حوزه حاکم هستند، ایجاد نمود.

چه زمانی استفاده شود

هنگامی که چندین کارآزمایی بالینی تصادفی منتشر شده یا ثبت شده وجود دارد که به همان پرسش PICO می‌پردازند و در جایی که برای هدایت عمل بالینی، سیاست بهداشت، یا تصمیمات نظارتی به تخمین اثر دقیق‌تر یا قطعی‌تر نیاز است، از یک کارآزمایی بالینی تصادفی فراتحلیلی استفاده کنید. این روش به ویژه زمانی ارزشمند است که کارآزمایی‌های فردی توان کافی ندارند یا نتایج متناقضی ارائه می‌دهند. زمانی از آن استفاده نکنید که: کمتر از دو کارآزمایی بالینی تصادفی در دسترس باشد؛ کارآزمایی‌ها از نظر بالینی آنقدر ناهمگون باشند که نتوان به طور معنی‌داری تجمیع کرد (جمعیت‌ها، دوزها، یا تعاریف پیامد متفاوت)؛ کارآزمایی‌های بالینی تصادفی موجود دارای نقص طراحی مشترکی باشند که صرفاً سوگیری را در تخمین تجمیع‌شده تشدید کند؛ یا زمانی که یک فراتحلیل پیشگیرانه داده‌های فردی بیمار (individual-patient-data meta-analysis) مناسب‌تر باشد اما از نظر لجستیکی امکان‌پذیر نباشد.

محدودیت‌ها و ملاحظات

  • کیفیت توسط کیفیت کارآزمایی‌های گنجانده شده محدود می‌شود — تجمیع کارآزمایی‌های دارای سوگیری، سوگیری را به جای لغو کردن، تشدید می‌کند.
  • سوگیری انتشار و گزارش‌دهی انتخابی پیامد می‌تواند تخمین تجمیع‌شده را حتی پس از تعدیل، تحریف کند.
  • ناهمگونی بالینی و روش‌شناختی ممکن است حتی زمانی که از نظر آماری امکان‌پذیر باشد، یک اثر تجمیع‌شده واحد را بی‌معنی بالینی کند.
  • نمی‌تواند علیت را فراتر از آنچه کارآزمایی‌های اصلی ایجاد کرده‌اند، اثبات کند؛ آلودگی مشاهده‌ای در صورت گنجاندن تصادفی مطالعات غیرکارآزمایی بالینی وارد می‌شود.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • دقیق‌ترین تخمین اثر درمان موجود از شواهد کارآزمایی بالینی تصادفی موجود را تولید می‌کند.
  • به طور صریح ناهمگونی بین کارآزمایی‌ها را کمی کرده و بررسی می‌کند و نشان می‌دهد چه زمانی یک اثر متوسط واحد گمراه‌کننده است.
  • در رأس سلسله مراتب سنتی شواهد قرار دارد و وزن بالایی در توسعه دستورالعمل‌های بالینی دارد.
  • پروتکل شفاف و قابل پیش‌ثبت‌نام (PROSPERO) که امکان تکرار مستقل و به‌روزرسانی با ظهور کارآزمایی‌های جدید را فراهم می‌کند.
  • می‌تواند رویدادهای جانبی نادر یا اثرات زیرگروهی را که کارآزمایی‌های فردی برای شناسایی آن‌ها بسیار کوچک بودند، تشخیص دهد.

کاربردها

  • تعیین اثربخشی و ایمنی خالص یک دارو یا دستگاه در سراسر کارآزمایی‌های بالینی تصادفی فاز III قبل از ارسال برای اخذ مجوز یا پذیرش دستورالعمل.
  • حل و فصل نتایج متناقض کارآزمایی‌ها در دارودرمانی قلبی عروقی، انکولوژی، یا بیماری‌های عفونی.
  • توانمندسازی ارزیابی فناوری سلامت و مدل‌های هزینه-اثربخشی با بهترین تخمین‌های اثر موجود.
  • شناسایی زیرگروه‌های بیمار (سن، بیماری همزمان، شدت بیماری) که اثر درمان در آن‌ها تعدیل می‌شود، با استفاده از تحلیل زیرگروه یا فراتحلیل داده‌های فردی بیمار.
  • به‌روزرسانی دستورالعمل‌های بالینی زمانی که کارآزمایی‌های جدید پایگاه شواهد تجمیع‌شده قبلی را تغییر می‌دهند.
  • تشخیص رویدادهای جانبی نادر اما جدی که کارآزمایی‌های فردی برای ثبت قابل اعتماد آن‌ها بسیار کوچک بودند.

چگونه کار می‌کند

چگونه کار می‌کند

1

یک جستجوی جامع و از پیش ثبت‌شده در ادبیات در پایگاه‌های داده الکترونیکی متعدد (MEDLINE، EMBASE، CENTRAL، ClinicalTrials.gov) با استفاده از معیارهای از پیش تعریف‌شده PICO (جمعیت، مداخله، مقایسه، پیامد) انجام می‌شود. ادبیات خاکستری و ثبت کارآزمایی‌ها برای کاهش سوگیری انتشار جستجو می‌شوند. استراتژی جستجو برای قابلیت تکرار به طور کامل مستند می‌شود.

2

سوابق بازیابی شده در دو مرحله — ابتدا عناوین و چکیده‌ها، سپس متن کامل — توسط حداقل دو داور مستقل در برابر معیارهای واجد شرایط بودن از پیش تعیین‌شده (طراحی مطالعه محدود به کارآزمایی‌های بالینی تصادفی، جمعیت‌های خاص، مداخلات، مقایسه‌ها و معیارهای پیامد) غربالگری می‌شوند. اختلافات از طریق اجماع یا داور سوم حل و فصل می‌شود. یک نمودار جریان PRISMA شامل و حذف در هر مرحله را مستند می‌کند.

3

فرم‌های استاندارد استخراج داده برای ثبت ویژگی‌های کارآزمایی (طراحی، جمعیت، جزئیات مداخله، مدت پیگیری) و داده‌های پیامد (میانگین‌ها، انحراف معیارها، تعداد رویدادها، اندازه‌های نمونه) از هر کارآزمایی بالینی تصادفی گنجانده شده استفاده می‌شود. ارزیابی خطر سوگیری با استفاده از ابزار Cochrane RoB 2، با رتبه‌بندی دامنه‌هایی مانند تصادفی‌سازی، پنهان‌سازی تخصیص، کورسازی و ریزش انجام می‌شود.

4

تخمین‌های اثر از کارآزمایی‌های فردی (نسبت شانس، نسبت خطر، تفاوت میانگین‌ها، یا تفاوت میانگین استاندارد شده) با استفاده از مدل اثر ثابت یا مدل اثر تصادفی تجمیع می‌شوند. در مدل اثر تصادفی، تخمین تجمیع‌شده یک میانگین وزنی است: اثر کلی θ-hat برابر است با مجموع w_i ضربدر θ-hat_i تقسیم بر مجموع w_i، که در آن وزن‌های w_i معمولاً منعکس‌کننده وزن‌دهی معکوس واریانس به علاوه واریانس بین مطالعه‌ای τ-squared هستند.

فرمول
\hat{\theta} = \frac{\sum w_i \hat{\theta}_i}{\sum w_i}
5

ناهمگونی آماری با آزمون Q Cochran و آماره I-squared کمی می‌شود. I-squared نسبت کل تغییرپذیری ناشی از تفاوت‌های بین کارآزمایی‌ها به جای شانس را نشان می‌دهد؛ مقادیر بالاتر از 50–75% نشان‌دهنده ناهمگونی قابل توجه است که نیاز به تحلیل زیرگروه یا فراتحلیل رگرسیونی برای شناسایی متغیرهای تعدیل‌کننده دارد.

فرمول
I^2 = \frac{Q - (k-1)}{Q} \times 100\%
6

سوگیری انتشار بالقوه با استفاده بصری از نمودارهای قیفی و به طور رسمی با آزمون Egger یا آزمون Begg ارزیابی می‌شود. تحلیل‌های حساسیت (حذف کارآزمایی‌های با خطر سوگیری بالا، تغییر مدل آماری، یا اعمال روش trim-and-fill) استحکام تخمین تجمیع‌شده را ارزیابی می‌کنند. پروفایل‌بندی GRADE، قطعیت کلی شواهد را به عنوان بالا، متوسط، پایین یا بسیار پایین رتبه‌بندی می‌کند.

دام‌های رایج

  • ترکیب کارآزمایی‌های بالینی نامتجانس — تجمیع کارآزمایی‌هایی با دوزها، جمعیت‌ها، یا مدت پیگیری بسیار متفاوت، تخمین تجمیع‌شده‌ای تولید می‌کند که به هیچ گروه واقعی از بیماران اعمال نمی‌شود؛ همیشه معیارهای ورود را به طور محدود از پیش تعیین کنید.
  • نادیده گرفتن ناهمگونی — گزارش صرفاً تخمین نقطه‌ای تجمیع‌شده زمانی که I-squared از 50% فراتر می‌رود بدون بررسی، خوانندگان را گمراه می‌کند؛ تحلیل‌های زیرگروه و فراتحلیل رگرسیونی برای بررسی منابع ناهمگونی الزامی است.
  • تجمیع زباله در ورودی — گنجاندن کارآزمایی‌هایی با خطر سوگیری بالا یا نامشخص، دقت را بدون بهبود صحت، افزایش می‌دهد؛ تحلیل‌های حساسیت محدود به کارآزمایی‌های با سوگیری کم باید همیشه گزارش شوند.
  • سوگیری گزارش‌دهی پیامد — گنجاندن تنها پیامدهایی که گزارش شده‌اند (نه از پیش تعیین شده)، اثربخشی ظاهری را افزایش می‌دهد؛ بررسی ثبت کارآزمایی‌ها در برابر پیامدهای منتشر شده الزامی است.
  • تفسیر بیش از حد اثرات مطالعات کوچک — عدم تقارن نمودار قیفی ممکن است نشان‌دهنده ناهمگونی باشد، نه سوگیری انتشار؛ آزمون‌های رسمی و ارزیابی روایی باید همراه با بازرسی بصری انجام شوند.

پرسش‌های متداول

برای انجام فراتحلیل به چند کارآزمایی بالینی تصادفی نیاز دارم؟

حداقل رسمی وجود ندارد، اما تجمیع کمتر از سه کارآزمایی به ندرت تخمین‌های ناهمگونی پایداری را ارائه می‌دهد و مستعد تأثیر نامتناسب از یک کارآزمایی پرتکانه منفرد است. اکثر روش‌شناسان حداقل چهار تا پنج کارآزمایی را توصیه می‌کنند؛ با تنها دو کارآزمایی، باید یک مرور روایی سیستماتیک را در نظر بگیرید و به وضوح توضیح دهید که چرا تجمیع نامناسب تشخیص داده شد.

چه زمانی باید از مدل اثر تصادفی به جای مدل اثر ثابت استفاده کنم؟

مدل اثر ثابت فرض می‌کند که همه کارآزمایی‌ها یک اثر واقعی واحد را تخمین می‌زنند و تنها زمانی مناسب است که کارآزمایی‌ها از نظر طراحی، جمعیت و اجرا عملاً یکسان باشند. در عمل، کارآزمایی‌های بالینی تصادفی همیشه تا حدی متفاوت هستند، بنابراین مدل اثر تصادفی — که اجازه می‌دهد اثر واقعی در بین کارآزمایی‌ها متغیر باشد — تقریباً همیشه قابل دفاع‌تر است. انتخاب باید در پروتکل از پیش تعیین شود و بر اساس استدلال بالینی باشد، نه انتخاب پس از وقوع برای ترجیح دادن یک نتیجه معنی‌دار.

مقدار بالای I-squared برای نتایج من چه معنایی دارد؟

I-squared بالاتر از 50% نشان می‌دهد که بیش از نیمی از تغییرپذیری مشاهده شده ناشی از تفاوت‌های بین کارآزمایی‌ها به جای خطای نمونه‌گیری است. این امر فراتحلیل را بی‌اعتبار نمی‌کند اما نیاز به توضیح دارد: آیا جمعیت‌ها، دوزها، یا معیارهای پیامد از نظر بالینی متفاوت هستند؟ تحلیل‌های زیرگروه یا فراتحلیل رگرسیونی باید برای بررسی منابع ناهمگونی استفاده شوند و نتایج باید اذعان کنند که میانگین تجمیع‌شده ممکن است به طور یکنواخت در همه محیط‌ها اعمال نشود.

کارآزمایی بالینی تصادفی فراتحلیلی استاندارد چگونه با فراتحلیل شبکه‌ای متفاوت است؟

یک کارآزمایی بالینی تصادفی فراتحلیلی استاندارد شواهد مستقیم رو در رو را از کارآزمایی‌هایی که دو مداخله یکسان را مقایسه می‌کنند، تجمیع می‌کند. فراتحلیل شبکه‌ای (Network meta-analysis - NMA) این را گسترش می‌دهد تا به طور همزمان سه مداخله یا بیشتر را مقایسه کند، از جمله جفت‌هایی که هرگز مستقیماً در یک کارآزمایی مقایسه نشده‌اند، با ترکیب شواهد مستقیم و غیرمستقیم در سراسر یک شبکه از کارآزمایی‌ها. NMA پیچیده‌تر است اما امکان رتبه‌بندی چندین درمان را زمانی که مجموعه‌ای کامل از کارآزمایی‌های رو در رو وجود ندارد، فراهم می‌کند.

آیا پیش‌ثبت‌نام واقعاً اهمیت دارد؟

بله. ثبت پروتکل در PROSPERO قبل از جستجو، شما را مجبور می‌کند تا معیارهای واجد شرایط بودن، پیامدها و مدل‌های آماری را از قبل مشخص کنید و از تصمیمات پس از وقوع که دقت ظاهری را افزایش می‌دهند یا نتایج مثبت را به طور انتخابی ترجیح می‌دهند، جلوگیری می‌کند. مجلات و نهادهای دستورالعمل به طور فزاینده‌ای ثبت PROSPERO را به عنوان شرط انتشار یا استناد الزامی می‌کنند.

روش‌های مرتبط

منابع

  1. Higgins, J. P. T., Thomas, J., Chandler, J., Cumpston, M., Li, T., Page, M. J., & Welch, V. A. (Eds.). (2019). Cochrane Handbook for Systematic Reviews of Interventions (2nd ed.). Wiley-Blackwell.

    شابک: 978-1119536628
    کپی شد.
  2. Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Wiley.

    شابک: 978-0470057247
    کپی شد.