Skip to content
Назад к результатам поиска

Мета-аналитическое экологическое исследование — синтез данных на агрегированном уровне

Автор метода
Morgenstern, Blettner, and colleagues in epidemiology methodology
Год
1990s
Тип
Quantitative synthesis design
Семейство
Clinical / epidemiology

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Мета-аналитическое экологическое исследование синтезирует данные из множества популяций или географических единиц — а не от отдельных пациентов — для оценки связей между воздействиями и исходами для здоровья.

Объединяя статистические данные агрегированного уровня из различных исследований или регионов, оно расширяет возможности экологического анализа на более широкую доказательную базу, позволяя выявлять взаимосвязи между воздействием и исходом, которые могут быть упущены при анализе в рамках одной популяции из-за ограниченной вариабельности или размера выборки.

Интуиция метода

Представьте, что вы хотите узнать, связаны ли национальные уровни фтора в питьевой воде с уровнем кариеса, но ни одна страна не предоставляет достаточной вариабельности для получения надежного вывода. Мета-аналитическое экологическое исследование собирает экологические данные из многих стран — каждая из которых предоставляет среднее значение воздействия и средний исход для популяции — и синтезирует их с использованием методов мета-анализа. Единицей анализа остается популяция или группа, а не индивид. Сила метода заключается в заимствовании вариабельности из множества различных условий, в то время как присущее ограничение заключается в том, что взаимосвязи на индивидуальном уровне не могут быть напрямую выведены из ассоциаций на уровне группы.

История

Экологические дизайны исследований использовались в эпидемиологии со времен картографирования Джоном Сноу случаев холеры в 1854 году и классических анализов Джеффри Роузом национального питания и смертности от сердечно-сосудистых заболеваний в 1980-х годах. Формальное применение методов мета-анализа к экологическим данным развивалось в 1990-х годах, когда исследователи стремились синтезировать результаты из множества стран или регионов — особенно в области эпидемиологии питания, окружающей среды и рака. Методологическая работа Ханса Моргенштерна по принципам экологических исследований (1998) и обзор мета-аналитических подходов в эпидемиологии Блеттнер и коллег (1999) заложили ключевые методологические основы для комбинированного дизайна.

Когда применять

Используйте мета-аналитическое экологическое исследование, когда данные на индивидуальном уровне недоступны или их получение непрактично для интересующих популяций, но данные о воздействии на групповом уровне (например, национальные средние, региональные показатели) доступны из множества источников. Оно подходит для изучения воздействия на окружающую среду, питание или социально-экономические факторы, которые существенно различаются между популяциями, а не внутри них — например, фторирование воды и здоровье зубов, или национальное потребление жиров и смертность от сердечно-сосудистых заболеваний. Избегайте этого дизайна, когда индивидуальный конфаундинг силен и не может быть устранен с помощью доступных экологических ковариат, когда интересующее воздействие варьируется в основном внутри, а не между популяциями, или когда экологическая ошибка может критически подорвать выводы, необходимые для принятия решений.

Ограничения и замечания

  • Экологическая ошибка (ошибка агрегирования): ассоциации, наблюдаемые на групповом уровне, могут не соответствовать индивидуальному уровню и даже быть обратными — это фундаментальное и неустранимое ограничение.
  • Объединенные оценки чувствительны к неизмеренным конфаундерам на экологическом уровне, которые систематически различаются между популяциями.
  • Гетерогенность в определении и измерении переменных воздействия и исхода между исследованиями затрудняет осмысленное объединение.
  • Не может установить причинно-следственную связь на индивидуальном уровне; выводы должны быть триангулированы с эпидемиологическими данными на индивидуальном уровне.
  • Ограничено качеством и полнотой агрегированных данных, доступных из систем эпиднадзора и опубликованных экологических исследований.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Расширяет экологические данные путем объединения данных из множества популяций, значительно увеличивая статистическую мощность для выявления ассоциаций.
  • Применимо, когда данные на индивидуальном уровне этически недоступны, дороги в сборе или еще не существуют в интересующем географическом или временном диапазоне.
  • Может выявить макроуровневые детерминанты здоровья (политика, окружающая среда, социально-экономический контекст), которые не могут быть охвачены дизайнами на индивидуальном уровне.
  • Мета-аналитическая структура позволяет проводить формальную оценку гетерогенности и выявлять факторы, модерирующие ассоциации между популяциями.
  • Полезно для генерации гипотез, которые будут проверены в исследованиях на индивидуальном уровне, и для информирования решений в области общественного здравоохранения на популяционном уровне.

Применение

  • Исследование ассоциаций между национальными или региональными моделями питания и уровнем смертности от хронических заболеваний в разных странах.
  • Синтез данных многонационального эпиднадзора по уровням загрязнения атмосферного воздуха и заболеваемости респираторными или сердечно-сосудистыми заболеваниями.
  • Объединение региональных данных по показателям социально-экономического развития и исходам для психического здоровья населения в различных системах здравоохранения.
  • Изучение того, связаны ли уровни фтора или хлорирования в питьевой воде экологически с исходами для здоровья зубов или общим здоровьем в различных условиях.
  • Оценка экологической взаимосвязи между уровнем охвата вакцинацией и заболеваемостью инфекционными заболеваниями в разных странах или регионах.
  • Изучение межстрановых ассоциаций между переменными политики (например, налогообложение табака, доступность алкоголя) и показателями здоровья населения.

Как это работает

Как это работает

1

Определите переменную экологического воздействия (например, региональный индекс загрязнения, среднее национальное потребление пищи) и интересующий исход (например, распространенность заболевания, уровень смертности). Проведите систематический поиск опубликованных экологических исследований или баз данных эпиднадзора, которые сообщают об обеих переменных на групповом или популяционном уровне. Примените заранее определенные критерии включения для выбора сопоставимых единиц анализа из различных исследований.

2

Из каждого включенного исследования или источника данных извлеките сводные статистические данные на уровне группы: меру экологического воздействия (среднее значение, частоту или долю для каждой популяционной единицы) и соответствующую меру исхода, а также модераторы на уровне исследования, такие как группа доходов страны, год исследования и факторы, учтенные в исходном анализе. Запишите оценки точности (стандартные ошибки, доверительные интервалы или размеры выборок популяционных единиц) для обеспечения взвешенного объединения.

3

Гармонизируйте метрики воздействия и исхода между исследованиями, при необходимости переводя их на общий масштаб. Оцените гетерогенность экологических ассоциаций между исследованиями с использованием статистики I² и Q Кокрейна. Определите потенциальные источники межъисследовательской вариабельности — такие как различия в способах измерения воздействия, географическое разрешение единиц или характеристики популяции — посредством подгруппового анализа или мета-регрессии.

4

Рассчитайте объединенную оценку экологического эффекта (обычно коэффициент регрессии, отношение частот или корреляцию), используя модели мета-анализа с фиксированными или случайными эффектами, взвешенные по обратной дисперсии каждой экологической оценки. Модели случайных эффектов обычно предпочтительны при наличии существенной межъисследовательской гетерогенности. Анализы чувствительности должны исследовать влияние отдельных исследований и предположений о конфаундинге на экологическом уровне.

5

Интерпретируйте объединенную оценку как экологическую ассоциацию между средним значением воздействия для популяции и средним значением исхода для популяции. Критически оцените риск экологической ошибки: объединенная ассоциация на уровне группы может неточно отражать взаимосвязь на индивидуальном уровне. Оцените потенциальный конфаундинг, вызванный неизмеренными популяционными характеристиками, и контекстуализируйте результаты с учетом индивидуальных данных из когортных или случайных исследований.

Частые ошибки

  • Трактовка объединенной оценки экологического эффекта как эффекта на индивидуальном уровне — экологическая ошибка является наиболее существенной ошибкой в этом дизайне.
  • Объединение экологически несопоставимых единиц: смешивание стран с городами или разных лет без учета временных тенденций вносит серьезную гетерогенность, которая раздувает кажущуюся точность.
  • Игнорирование внутригрупповой вариабельности воздействия: если воздействие существенно варьируется внутри популяций, но используется только среднее значение группы, неверная классификация воздействия ослабляет наблюдаемую экологическую ассоциацию.
  • Неспособность провести анализы чувствительности для влиятельных исследований или альтернативных моделей мета-анализа, что делает выводы хрупкими.
  • Смешение этого дизайна со стандартным мета-анализом исследований на индивидуальном уровне — аналитическая и выводная логика существенно различается и должна быть прозрачно представлена.

Часто задаваемые вопросы

Что такое экологическая ошибка и почему она важна здесь?

Экологическая ошибка — это ошибка вывода индивидуальных взаимосвязей из данных на групповом уровне. В мета-аналитическом экологическом исследовании даже очень точная объединенная оценка говорит вам об ассоциации между средними значениями для популяций — а не о том, что происходит внутри индивидов. Например, популяции с более высоким средним потреблением жиров могут иметь более высокую смертность от сердечно-сосудистых заболеваний, однако внутри этих популяций люди, потребляющие больше жиров, могут не подвергаться более высокому личному риску. Любая политическая или клиническая интерпретация должна явно признавать это ограничение.

Чем это отличается от стандартного мета-анализа?

Стандартный мета-анализ объединяет оценки эффектов, полученные из исследований на индивидуальном уровне (например, относительные риски из когортных исследований). Мета-аналитическое экологическое исследование объединяет экологические ассоциации — каждая точка данных представляет собой популяцию или географическую единицу, а не индивида. Статистический аппарат мета-анализа (взвешенное объединение, статистика гетерогенности, диаграммы леса) общий, но единица анализа, выводная область и специфические смещения принципиально различаются.

Когда следует предпочесть объединенный анализ этому дизайну?

Если вы можете получить данные на индивидуальном уровне из исходных исследований — записи пациентов или наборы данных на уровне участников — объединенный анализ (мета-анализ IPD) является предпочтительным. Он позволяет избежать экологической ошибки, допускает корректировку по ковариатам на индивидуальном уровне и поддерживает более точный подгрупповой анализ. Мета-аналитический экологический дизайн является подходящей альтернативой только тогда, когда данные на индивидуальном уровне действительно недоступны.

Как обрабатывать гетерогенность между популяциями?

Оцените гетерогенность с помощью I² и Q Кокрейна. Если I² превышает 50–75%, популяции, вероятно, слишком разнообразны для осмысленной единой объединенной оценки. Используйте модели случайных эффектов, проводите мета-регрессию для объяснения гетерогенности с помощью модераторов на уровне исследования (например, уровень дохода, географический регион, метод измерения) и проводите подгрупповой анализ. Представляйте доверительный интервал вместе с точечной оценкой, чтобы передать истинный диапазон экологических ассоциаций в различных условиях.

Нужно ли мне сообщать диаграмму потока PRISMA?

Да, если систематически ищутся и отбираются опубликованные экологические исследования. Следуйте рекомендациям PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) для поиска и отбора литературы. Если экологические данные получены из баз данных эпиднадзора, а не из опубликованных исследований, документируйте источники данных, правила извлечения и критерии включения с соответствующей прозрачностью.

Похожие методы

Источники

  1. Blettner, M., Sauerbrei, W., Schlehofer, B., Scheuchenpflug, T., & Friedenreich, C. (1999). Traditional reviews, meta-analyses and pooled analyses in epidemiology. International Journal of Epidemiology, 28(1), 1–9.

    Открыть ссылку DOI
    Скопировано.
  2. Morgenstern, H. (1998). Ecologic studies in epidemiology: concepts, principles, and methods. Annual Review of Public Health, 19, 61–87.

    Открыть ссылку на публикацию
    Скопировано.