การทดลองทางคลินิกแบบสุ่มแบบอภิมาน — การรวบรวมหลักฐานจากการทดลองทางคลินิกแบบสุ่ม
- ผู้เสนอ
- Gene V. Glass (meta-analysis method); Cochrane Collaboration (systematic RCT pooling standards)
- ปี
- 1976 (Glass coinage of meta-analysis); 1993 (Cochrane Collaboration formalization)
- ประเภท
- Quantitative evidence-synthesis design
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การทดลองทางคลินิกแบบสุ่มแบบอภิมาน (meta-analytic randomized clinical trial) เป็นวิธีการสังเคราะห์หลักฐานที่เป็นทางการ ซึ่งระบุ ประเมิน และรวมผลลัพธ์ของการทดลองทางคลินิกแบบสุ่มหลายรายการที่ตอบคำถามทางคลินิกเดียวกัน โดยการรวบรวมข้อมูลระดับการทดลอง วิธีการนี้จะให้ค่าประมาณผลของการรักษาที่แม่นยำยิ่งขึ้นเพียงค่าเดียว และวัดความแตกต่างระหว่างการทดลอง (between-trial heterogeneity) ซึ่งถือเป็นจุดสูงสุดของลำดับชั้นหลักฐานสำหรับการประเมินการแทรกแซงด้านสุขภาพ
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพการทดลองทางคลินิกสิบรายการที่ทดสอบยาชนิดเดียวกัน แต่มีขนาดตัวอย่างแตกต่างกัน บางการทดลองแสดงให้เห็นถึงประโยชน์ บางการทดลองไม่แสดง และไม่มีการทดลองใดเพียงลำพังที่สามารถสรุปผลได้ การทดลองทางคลินิกแบบสุ่มแบบอภิมานทำหน้าที่เหมือนคณะลูกขุนที่รอบคอบ ซึ่งอ่านทุกการทดลอง ชั่งน้ำหนักคำตัดสินของแต่ละการทดลองตามความน่าเชื่อถือของการทดลองนั้น และจากนั้นจึงให้คำตัดสินที่รวบรวมมาเพียงหนึ่งเดียว โดยมีช่วงความคลาดเคลื่อนที่แคบกว่าที่การทดลองใดการทดลองหนึ่งจะสามารถทำได้ คณะลูกขุนยังถามอีกว่า: การทดลองทั้งหมดเห็นด้วยกันจริงหรือไม่ หรือมีความแปรปรวนที่อธิบายไม่ได้ (heterogeneity) ซึ่งบ่งชี้ว่ายาทำงานแตกต่างกันในผู้ป่วยหรือสถานการณ์ที่แตกต่างกันหรือไม่?
ประวัติศาสตร์
Gene V. Glass เป็นผู้บัญญัติศัพท์ meta-analysis ในปี 1976 เพื่ออธิบายการสังเคราะห์ทางสถิติของผลการศึกษาข้ามงานวิจัยในสาขาจิตวิทยาการศึกษา วิธีการนี้ได้แพร่หลายอย่างรวดเร็วเข้าสู่การแพทย์ทางคลินิก โดยมีการวิเคราะห์อภิมานทางการแพทย์ที่มีอิทธิพลครั้งแรกปรากฏในช่วงต้นทศวรรษ 1980 (โดยเฉพาะ Yusuf et al. เกี่ยวกับ beta-blockers หลังภาวะกล้ามเนื้อหัวใจตาย, 1985) การก่อตั้ง Cochrane Collaboration ในปี 1993 ได้ทำให้การทดลองทางคลินิกแบบสุ่มแบบอภิมานกลายเป็นมาตรฐานทองคำสำหรับการสังเคราะห์หลักฐานทางคลินิก โดยได้กำหนดมาตรฐาน systematic review และ PRISMA ที่ปัจจุบันควบคุมสาขาวิชานี้
ควรใช้เมื่อใด
ใช้การทดลองทางคลินิกแบบสุ่มแบบอภิมานเมื่อมี RCTs ที่ตีพิมพ์หรือลงทะเบียนหลายรายการที่ตอบคำถาม PICO เดียวกัน และเมื่อต้องการค่าประมาณผลที่แม่นยำหรือชัดเจนยิ่งขึ้นเพื่อเป็นแนวทางในการปฏิบัติทางคลินิก นโยบายสุขภาพ หรือการตัดสินใจของหน่วยงานกำกับดูแล วิธีการนี้มีคุณค่าอย่างยิ่งเมื่อการทดลองแต่ละรายการมีกำลังไม่เพียงพอ (underpowered) หรือให้ผลลัพธ์ที่ขัดแย้งกัน ไม่ควรใช้เมื่อ: มี RCTs น้อยกว่าสองรายการ; การทดลองมีความแตกต่างทางคลินิกมากเกินไปที่จะรวบรวมได้อย่างมีความหมาย (ประชากร, ขนาดการใช้ยา, หรือคำจำกัดความของผลลัพธ์แตกต่างกัน); RCTs ที่มีอยู่มีการออกแบบที่มีข้อบกพร่องร่วมกันซึ่งจะขยายอคติในค่าประมาณที่รวบรวม; หรือเมื่อการวิเคราะห์ข้อมูลผู้ป่วยรายบุคคลแบบอภิมาน (prospective individual-patient-data meta-analysis) จะเหมาะสมกว่า แต่ไม่สามารถทำได้ในทางปฏิบัติ
ข้อจำกัดและข้อควรพิจารณา
- คุณภาพถูกจำกัดด้วยคุณภาพของการทดลองที่รวมอยู่ — การรวบรวม RCTs ที่มีอคติจะขยายอคติแทนที่จะหักล้างอคติ
- อคติในการตีพิมพ์และการรายงานผลลัพธ์ที่เลือกสรร (selective outcome reporting) สามารถบิดเบือนค่าประมาณที่รวบรวมได้ แม้ว่าจะมีการปรับแก้แล้วก็ตาม
- ความแตกต่างทางคลินิกและระเบียบวิธี (clinical and methodological heterogeneity) อาจทำให้ค่าประมาณผลรวมมีความหมายทางคลินิกน้อย แม้ว่าจะมีความเป็นไปได้ทางสถิติก็ตาม
- ไม่สามารถสร้างความเป็นเหตุเป็นผลได้เกินกว่าที่ RCTs ต้นฉบับได้สร้างไว้; การปนเปื้อนจากการสังเกต (observational contamination) จะเกิดขึ้นหากมีการรวมการศึกษาที่ไม่ใช่ RCT โดยไม่ได้ตั้งใจ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ให้ค่าประมาณผลของการรักษาที่แม่นยำที่สุดทางสถิติที่มีอยู่จากหลักฐาน RCT ที่มีอยู่
- วัดและสำรวจความแตกต่างระหว่างการทดลอง (between-trial heterogeneity) อย่างชัดเจน โดยเปิดเผยเมื่อค่าเฉลี่ยผลลัพธ์เพียงค่าเดียวอาจทำให้เข้าใจผิด
- อยู่ในจุดสูงสุดของลำดับชั้นหลักฐานแบบดั้งเดิม มีน้ำหนักมากในการพัฒนากรอบการทำงานทางคลินิก (clinical guideline development)
- มีระเบียบวิธีที่โปร่งใสและสามารถลงทะเบียนล่วงหน้าได้ (PROSPERO) ซึ่งช่วยให้สามารถทำซ้ำและปรับปรุงได้อย่างอิสระเมื่อมีการทดลองใหม่ๆ เกิดขึ้น
- สามารถตรวจจับเหตุการณ์ไม่พึงประสงค์ที่หายากหรือผลกระทบในกลุ่มย่อยที่การทดลองแต่ละรายการมีขนาดเล็กเกินไปที่จะระบุได้
การประยุกต์ใช้
- การกำหนดประสิทธิภาพสุทธิและความปลอดภัยของยาหรืออุปกรณ์จากการทดลองทางคลินิกแบบสุ่มระยะที่ III ก่อนการยื่นขออนุมัติจากหน่วยงานกำกับดูแลหรือการยอมรับกรอบการทำงาน
- การแก้ไขผลการทดลองที่ขัดแย้งกันในการรักษาโรคหัวใจและหลอดเลือด, มะเร็งวิทยา, หรือโรคติดเชื้อด้วยยา
- การเพิ่มกำลังการประเมินเทคโนโลยีสุขภาพ (health technology assessment) และแบบจำลองต้นทุน-ประสิทธิผล (cost-effectiveness models) ด้วยค่าประมาณผลลัพธ์ที่ดีที่สุดที่มีอยู่
- การระบุกลุ่มผู้ป่วยย่อย (อายุ, โรคร่วม, ความรุนแรงของโรค) ที่ผลการรักษาเปลี่ยนแปลงไป โดยใช้การวิเคราะห์กลุ่มย่อยหรือการวิเคราะห์ข้อมูลผู้ป่วยรายบุคคลแบบอภิมาน
- การปรับปรุงกรอบการทำงานแนวปฏิบัติทางคลินิก (clinical practice guidelines) เมื่อการทดลองทางคลินิกแบบสุ่มใหม่ๆ เปลี่ยนแปลงฐานหลักฐานที่รวบรวมไว้ก่อนหน้านี้
- การตรวจจับเหตุการณ์ไม่พึงประสงค์ที่หายากแต่ร้ายแรง ซึ่งการทดลองแต่ละรายการมีขนาดเล็กเกินไปที่จะจับได้อย่างน่าเชื่อถือ
วิธีการทำงาน
วิธีการทำงาน
ดำเนินการค้นหาวรรณกรรมอย่างครอบคลุมและลงทะเบียนล่วงหน้า (pre-registered) ในฐานข้อมูลอิเล็กทรอนิกส์หลายแห่ง (MEDLINE, EMBASE, CENTRAL, ClinicalTrials.gov) โดยใช้เกณฑ์ PICO ที่กำหนดไว้ล่วงหน้า (Population, Intervention, Comparator, Outcome) ค้นหาวรรณกรรมสีเทา (grey literature) และทะเบียนการทดลองเพื่อลดอคติในการตีพิมพ์ (publication bias) กลยุทธ์การค้นหาจะถูกบันทึกไว้อย่างสมบูรณ์เพื่อความสามารถในการทำซ้ำ (reproducibility)
บันทึกที่ได้รับจะถูกคัดกรองในสองขั้นตอน — ชื่อเรื่องและบทคัดย่อก่อน จากนั้นจึงเป็นข้อความฉบับเต็ม — โดยผู้ทบทวนอิสระอย่างน้อยสองคนตามเกณฑ์คุณสมบัติที่กำหนดไว้ล่วงหน้า (การออกแบบการศึกษาจำกัดเฉพาะ RCTs, ประชากรเฉพาะ, การแทรกแซง, การเปรียบเทียบ, และการวัดผลลัพธ์) ความขัดแย้งจะได้รับการแก้ไขโดยฉันทามติหรือผู้ทบทวนคนที่สาม แผนภาพ PRISMA flow จะบันทึกการรวมและการยกเว้นในแต่ละขั้นตอน
ใช้แบบฟอร์มการสกัดข้อมูลที่เป็นมาตรฐานเพื่อบันทึกลักษณะของการทดลอง (การออกแบบ, ประชากร, รายละเอียดการแทรกแซง, ระยะเวลาการติดตามผล) และข้อมูลผลลัพธ์ (ค่าเฉลี่ย, ส่วนเบี่ยงเบนมาตรฐาน, จำนวนเหตุการณ์, ขนาดตัวอย่าง) จาก RCTs ที่รวมอยู่แต่ละรายการ การประเมินความเสี่ยงของอคติ (risk-of-bias assessment) จะดำเนินการโดยใช้เครื่องมือ Cochrane RoB 2 โดยให้คะแนนในโดเมนต่างๆ เช่น การสุ่ม (randomisation), การปกปิดการจัดสรร (allocation concealment), การปิดบัง (blinding), และการสูญเสียข้อมูล (attrition)
ค่าประมาณผลจากการทดลองแต่ละรายการ (อัตราต่อรอง (odds ratios), อัตราความเสี่ยง (risk ratios), ความแตกต่างของค่าเฉลี่ย (mean differences), หรือความแตกต่างของค่าเฉลี่ยมาตรฐาน (standardised mean differences)) จะถูกรวบรวมโดยใช้แบบจำลองผลคงที่ (fixed-effect model) หรือแบบจำลองผลสุ่ม (random-effects model) ในแบบจำลองผลสุ่ม ค่าประมาณที่รวบรวมเป็นค่าเฉลี่ยถ่วงน้ำหนัก: ผลโดยรวม theta-hat เท่ากับผลรวมของ w_i คูณ theta-hat_i หารด้วยผลรวมของ w_i โดยที่น้ำหนัก w_i มักจะสะท้อนถึงการถ่วงน้ำหนักด้วยส่วนกลับของความแปรปรวน (inverse-variance weighting) บวกกับความแปรปรวนระหว่างการศึกษา (between-study variance) tau-squared
สูตร
\hat{\theta} = \frac{\sum w_i \hat{\theta}_i}{\sum w_i}ความแตกต่างทางสถิติ (statistical heterogeneity) จะถูกวัดด้วยการทดสอบ Cochran's Q และสถิติ I-squared ค่า I-squared แสดงถึงสัดส่วนของความแปรปรวนทั้งหมดที่เกิดจากความแตกต่างระหว่างการทดลอง แทนที่จะเป็นความบังเอิญ ค่าที่สูงกว่า 50–75% บ่งชี้ถึงความแตกต่างที่สำคัญซึ่งจำเป็นต้องมีการวิเคราะห์กลุ่มย่อย (subgroup analysis) หรือการถดถอยแบบอภิมาน (meta-regression) เพื่อระบุตัวแปรที่ปรับผล (moderating variables)
สูตร
I^2 = \frac{Q - (k-1)}{Q} \times 100\%อคติในการตีพิมพ์ที่อาจเกิดขึ้นจะถูกประเมินด้วยสายตาโดยใช้แผนภาพกรวย (funnel plots) และอย่างเป็นทางการด้วยการทดสอบของ Egger หรือการทดสอบของ Begg การวิเคราะห์ความไว (sensitivity analyses) (การยกเว้นการทดลองที่มีความเสี่ยงของอคติสูง, การเปลี่ยนแปลงแบบจำลองทางสถิติ, หรือการใช้เทคนิค trim-and-fill) จะประเมินความแข็งแกร่งของค่าประมาณที่รวบรวม การให้คะแนน GRADE จะประเมินความแน่นอนโดยรวมของหลักฐานเป็น สูง ปานกลาง ต่ำ หรือต่ำมาก
ข้อผิดพลาดที่พบบ่อย
- การรวมการทดลองที่แตกต่างกันทางคลินิก — การรวบรวมการทดลองที่มีขนาดการใช้ยา, ประชากร, หรือระยะเวลาการติดตามผลที่แตกต่างกันมาก จะให้ค่าประมาณผลรวมที่ไม่สามารถนำไปใช้กับกลุ่มผู้ป่วยจริงใดๆ ได้; ควรกำหนดเกณฑ์การรวมไว้อย่างแคบๆ ล่วงหน้าเสมอ
- การละเลยความแตกต่าง (Ignoring heterogeneity) — การรายงานเฉพาะค่าประมาณผลรวมเมื่อ I-squared เกิน 50% โดยไม่มีการตรวจสอบ จะทำให้ผู้อ่านเข้าใจผิด; ควรใช้การวิเคราะห์กลุ่มย่อยและการถดถอยแบบอภิมาน
- การรวบรวมข้อมูลขยะ (Garbage-in pooling) — การรวมการทดลองที่มีความเสี่ยงของอคติสูงหรือไม่ชัดเจน จะเพิ่มความแม่นยำโดยไม่ปรับปรุงความถูกต้อง; ควรรายงานการวิเคราะห์ความไวที่จำกัดเฉพาะการทดลองที่มีอคติต่ำเสมอ
- อคติในการรายงานผลลัพธ์ (Outcome-reporting bias) — การรวมเฉพาะผลลัพธ์ที่ถูกรายงาน (ไม่ใช่ที่กำหนดไว้ล่วงหน้า) จะเพิ่มประสิทธิภาพที่ปรากฏ; การตรวจสอบทะเบียนการทดลองกับผลลัพธ์ที่ตีพิมพ์เป็นสิ่งจำเป็น
- การตีความผลกระทบจากขนาดการศึกษาที่เล็กเกินไป (Over-interpreting small-study effects) — ความไม่สมมาตรของแผนภาพกรวยอาจสะท้อนถึงความแตกต่าง (heterogeneity) ไม่ใช่อคติในการตีพิมพ์; ควรมีการทดสอบอย่างเป็นทางการและการประเมินเชิงพรรณนาควบคู่ไปกับการตรวจสอบด้วยสายตา
คำถามที่พบบ่อย
ฉันต้องทำการทดลองทางคลินิกแบบสุ่มแบบอภิมานจำนวนกี่รายการ?
ไม่มีเกณฑ์ขั้นต่ำอย่างเป็นทางการ แต่การรวบรวมการทดลองน้อยกว่าสามรายการมักให้ค่าประมาณความแตกต่างที่เสถียร และมีแนวโน้มที่จะได้รับอิทธิพลอย่างมากจากค่าผิดปกติ (outlier) เพียงรายการเดียว นักระเบียบวิธีส่วนใหญ่แนะนำอย่างน้อยสี่ถึงห้าการทดลอง; หากมีเพียงสองรายการ คุณควรพิจารณาทบทวนวรรณกรรมเชิงพรรณนา (systematic narrative review) แทน และอธิบายอย่างชัดเจนว่าเหตุใดจึงตัดสินว่าการรวบรวมข้อมูลไม่เหมาะสม
เมื่อใดที่ฉันควรใช้แบบจำลองผลสุ่มแทนแบบจำลองผลคงที่?
แบบจำลองผลคงที่ (fixed-effect model) สันนิษฐานว่าการทดลองทั้งหมดประเมินผลลัพธ์ที่แท้จริงเพียงค่าเดียว และเหมาะสมเฉพาะเมื่อการทดลองมีการออกแบบ ประชากร และการดำเนินการที่เหมือนกันอย่างมีประสิทธิภาพ ในทางปฏิบัติ RCTs มักจะแตกต่างกันไปบ้าง ดังนั้นแบบจำลองผลสุ่ม (random-effects model) — ซึ่งอนุญาตให้ผลลัพธ์ที่แท้จริงแตกต่างกันไปในแต่ละการทดลอง — จึงมักจะมีความน่าเชื่อถือมากกว่าเสมอ การเลือกควรถูกกำหนดไว้ล่วงหน้าในระเบียบวิธี และอิงตามเหตุผลทางคลินิก ไม่ใช่การเลือกหลังการทดลอง (post-hoc) เพื่อให้ได้ผลลัพธ์ที่มีนัยสำคัญ
ค่า I-squared ที่สูงหมายความว่าอย่างไรต่อข้อสรุปของฉัน?
I-squared ที่สูงกว่า 50% บ่งชี้ว่าความแปรปรวนที่สังเกตได้มากกว่าครึ่งเกิดจากความแตกต่างระหว่างการทดลอง มากกว่าข้อผิดพลาดจากการสุ่มตัวอย่าง สิ่งนี้ไม่ได้ทำให้การวิเคราะห์อภิมานเป็นโมฆะ แต่ต้องการคำอธิบาย: ประชากร ขนาดการใช้ยา หรือการวัดผลลัพธ์มีความแตกต่างกันทางคลินิกหรือไม่? ควรใช้การวิเคราะห์กลุ่มย่อยหรือการถดถอยแบบอภิมานเพื่อสำรวจแหล่งที่มาของความแตกต่าง และข้อสรุปควรยอมรับว่าค่าเฉลี่ยที่รวบรวมอาจไม่สามารถนำไปใช้ได้อย่างสม่ำเสมอในทุกสถานการณ์
การทดลองทางคลินิกแบบสุ่มแบบอภิมานแตกต่างจากการวิเคราะห์อภิมานแบบเครือข่าย (network meta-analysis) อย่างไร?
การทดลองทางคลินิกแบบสุ่มแบบอภิมานมาตรฐานจะรวบรวมหลักฐานโดยตรงแบบตัวต่อตัว (head-to-head) จากการทดลองที่เปรียบเทียบสองการแทรกแซงเดียวกัน การวิเคราะห์อภิมานแบบเครือข่าย (NMA) ขยายขอบเขตนี้เพื่อเปรียบเทียบสามการแทรกแซงขึ้นไปพร้อมกัน รวมถึงคู่ที่ไม่เคยถูกเปรียบเทียบโดยตรงในการทดลองเดียวกัน โดยการรวมหลักฐานโดยตรงและโดยอ้อมทั่วทั้งเครือข่ายของการทดลอง NMA มีความซับซ้อนมากกว่า แต่ช่วยให้สามารถจัดอันดับการรักษาหลายรายการได้เมื่อไม่มีชุดการทดลองแบบตัวต่อตัวที่สมบูรณ์
การลงทะเบียนล่วงหน้ามีความสำคัญจริงหรือ?
ใช่ การลงทะเบียนระเบียบวิธีใน PROSPERO ก่อนการค้นหาจะบังคับให้คุณต้องยึดมั่นในเกณฑ์คุณสมบัติ ผลลัพธ์ และแบบจำลองทางสถิติไว้ล่วงหน้า ป้องกันการตัดสินใจหลังการทดลองที่เพิ่มความแม่นยำที่ปรากฏหรือเลือกผลลัพธ์เชิงบวกอย่างมีลำเอียง วารสารและหน่วยงานกำหนดกรอบการทำงานต่างๆ กำลังต้องการการลงทะเบียน PROSPERO มากขึ้นเรื่อยๆ เป็นเงื่อนไขในการตีพิมพ์หรืออ้างอิง
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
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.
ISBN: 978-1119536628คัดลอกแล้วBorenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Wiley.
ISBN: 978-0470057247คัดลอกแล้ว