การวิเคราะห์อภิมาน

จากวิกิพีเดีย สารานุกรมเสรี

การวิเคราะห์อภิมาน[1][2] (อังกฤษ: meta-analysis) หมายถึงวิธีการทางสถิติที่ใช้เพื่อเปรียบเทียบและรวบรวมข้อมูลจากงานวิจัยต่าง ๆ กัน โดยมีจุดมุ่งหมายเพื่อกำหนดสิ่งที่พบเหมือน ๆ กัน สิ่งที่ต่างกัน และความสัมพันธ์ที่น่าสนใจอื่น ๆ ที่อาจปรากฏด้วยการศึกษางานวิจัยหลาย ๆ งาน[3] Meta-analysis สามารถพิจารณาได้ว่าเป็นการ "ทำการศึกษาเกี่ยวกับการศึกษาอื่นที่ทำมาแล้ว" โดยแบบที่ง่ายที่สุด Meta-analysis จะทำโดยกำหนดการวัดค่าทางสถิติที่เหมือนกันในงานวิจัยหลาย ๆ งาน เช่น ขนาดผล (effect size) หรือ p-value แล้วสร้างค่าเฉลี่ยถ่วงน้ำหนัก (weighted average) ของการวัดค่าที่เหมือนกัน โดยน้ำหนักที่ให้มักจะขึ้นอยู่กับขนาดตัวอย่าง (sample size) ของแต่ละงานวิจัย แต่ก็สามารถขึ้นอยู่กับองค์ประกอบอย่างอื่น ๆ เช่นคุณภาพของงานศึกษาด้วย

แรงจูงใจที่จะทำงานศึกษาแบบ meta-analysis ก็เพื่อรวมข้อมูลเพื่อจะเพิ่มกำลังทางสถิติ (statistical power) ของค่าที่สนใจ เมื่อเปรียบเทียบกับเพียงใช้ค่าวัดจากงานศึกษาเดียว ในการทำงานศึกษาเช่นนี้ นักวิจัยต้องเลือกองค์ประกอบหลายอย่างที่อาจมีอิทธิพลต่อผลงาน รวมทั้งวิธีการสืบหางานวิจัย การเลือกงานวิจัยตามกฏเกณฑ์ที่เป็นกลาง การแก้ปัญหาเมื่อมีข้อมูลไม่ครบ การวิเคราะห์ข้อมูลที่ได้ และการแก้ปัญหาหรือไม่แก้ปัญหาความเอนเอียงในการตีพิมพ์[4]

การศึกษาแบบ Meta-analysis มักจะเป็นส่วนสำคัญของงานปริทัศน์แบบทั้งระบบ (systematic review) แต่ไม่เสมอไป ยกตัวอย่างเช่น อาจจะมีการทำงานแบบ Meta-analysis โดยใช้ผลงานการทดลองทางคลินิก (clinical trial) เกี่ยวกับการรักษาทางแพทย์อย่างหนึ่ง เพื่อที่จะได้ความเข้าใจที่ดีขึ้นว่าการรักษาได้ผลแค่ไหน

เมื่อใช้ศัพท์ต่าง ๆ ที่กำหนดโดยองค์กร Cochrane Collaboration[5] คำว่า meta-analysis ก็จะหมายถึงวิธีทางสถิติที่ใช้ในการประมวลหลักฐาน โดยไม่รวมเอาการประมวลข้อมูลรูปแบบอื่น ๆ เช่น research synthesis (แปลว่า การสังเคราะห์งานวิจัย) หรือ evidence synthesis (แปลว่า การสังเคราะห์หลักฐาน) ที่ใช้ประมวลข้อมูลจากงานศึกษาเชิงคุณภาพ (qualitative studies) ซึ่งใช้ในงานปริทัศน์แบบทั้งระบบ

ประวัติ[แก้]

งานศึกษาแบบ Meta-analysis ที่เก่าแก่ที่สุดเกิดขึ้นเมื่อคริสต์ทศวรรษที่ 12 ในประเทศจีน เมื่อนักปราชญ์จู ซี (朱熹, ค.ศ. 1130~1200) สร้างหลักปรัชญาโดยรวบรวมข้อมูลจากงานหนังสือต่าง ๆ จู ซี เรียกวิธีการศึกษาของตนว่า "ทฤษฏีกฏเกณฑ์ทั้งระบบ" (อังกฤษ: Theory of Systematic Rule, จีน: 道統論) ส่วนในประวัติชาวตะวันตก รากฐานของ meta-analysis เริ่มมาจากการศึกษาทางดาราศาสตร์ในคริสต์ศตวรรษที่ 17 แต่การประมวลผลการทดลองทางคลินิกด้วย meta-analysis เป็นครั้งแรก เกิดขึ้นเมื่อปี ค.ศ. 1904 เผยแพร่ในวารสารแพทย์อังกฤษ (British Medical Journal) ซึ่งแสดงประสิทธิภาพของวัคซีนไข้รากสาดน้อย ทำโดยนักสถิติชาวอังกฤษคาร์ล เพียร์สัน[6][7] ส่วนงาน meta-analysis ที่รวบรวมงานศึกษาที่มีแนวคิดเดียวกันทั้งหมดเกี่ยวกับประเด็นวิจัยเดียวกัน แต่ทำโดยนักวิจัยกลุ่มต่าง ๆ กัน เป็นหนังสือที่ตีพิมพ์ในปี ค.ศ. 1940 ชื่อว่า Extrasensory Perception After Sixty Years (ประสาทที่ 6 หลังจากผ่านมา 60 ปี) โดยนักจิตวิทยาของมหาวิทยาลัยดุ๊กคือ ดร. โจเซ็ฟ แพร็ตต์ และคณะ[8] เป็นงานปริทัศน์รวบรวมผลงานวิจัย 145 ผลงานในเรื่อง ESP (การรับรู้นอกประสาทสัมผัส) ที่พิมพ์ในระหว่างปี ค.ศ. 1882-1939 เป็นงานปริทัศน์ที่มีการประเมินระดับอิทธิพลของงานศึกษาที่ไม่ได้เผยแพร่ (คือประเมินอิทธิพลของความเอนเอียงในการตีพิมพ์)

ข้อดี[แก้]

โดยแนวคิดแล้ว งานศึกษาแบบ meta-analysis ใช้วิธีทางสถิติเพื่อประมวลผลข้อมูลจากงานศึกษาหลาย ๆ งานเพื่อ

  • เพิ่มกำลังสถิติของข้อมูลที่มีอยู่ทั้งหมด เทียบกับข้อมูลที่มีในงานเดียว
  • เพิ่มความแม่นยำของการประเมินขนาดของผล (size of the effect)
  • และ/หรือ มีการตัดสินเรื่องที่ไม่ชัดเจนที่ข้อมูลไม่ลงรอยกันในงานต่าง ๆ กัน


โดยพื้นฐานแล้ว งานศึกษาเช่นนี้ให้ผลเป็นค่าเฉลี่ยถ่วงน้ำหนัก (weighted average) ซึ่งมีข้อดีหลายอย่าง คือ

  • ผลที่ได้สามารถใช้วางนัยทั่วไปกับประชากรกลุ่มใหญ่ยิ่งขึ้นได้
  • เพิ่มความเที่ยงตรงและความแม่นยำของผลที่ได้เนื่องจากมีข้อมูลมากกว่า ซึ่งเพิ่มกำลังทางสถิติในการตรวจจับผลที่เป็นประเด็นศึกษา
  • ความไม่ตรงกันของผลในงานต่าง ๆ กันสามารถกำหนดค่าแล้วนำไปวิเคราะห์ได้ เช่นอาจมีการวินิจฉัยความไม่ตรงกันว่า เป็นความเคลื่อนคลาดจากการเลือกตัวอย่าง (sampling error) หรือเป็นความต่างกันขององค์ประกอบอื่น ๆ ในงานวิจัย
  • การตรวจสอบสมมติฐานสามารถทำได้ใช้ค่าประเมินที่รวมผล
  • สามารถเพิ่มตัวแปร Moderator[9] เพื่ออธิบายความแตกต่างกันระหว่างงานวิจัย
  • สามารถตรวจสอบว่ามีความเอนเอียงในการตีพิมพ์ในงานวิจัยเกี่ยวกับประเด็นนี้หรือไม่

ปัญหาที่อาจเกิดขึ้น[แก้]

งานศึกษา meta-analysis ที่ใช้งานวิจัยหลายงานที่มีขนาดตัวอย่างน้อย ไม่สามารถพยากรณ์ผลงานวิจัยงานเดียวที่มีขนาดตัวอย่างมากได้[10] นักวิชาการบางท่านแย้งว่า จุดอ่อนของวิธีการศึกษาเช่นนี้ก็คือ ไม่สามารถจะควบคุมความเอนเอียงต่าง ๆ ที่มาจากงานที่ใช้เป็นข้อมูลได้ คืองาน meta-analysis ที่มีการออกแบบดี แต่ใช้ข้อมูลจากงานวิจัยที่มีการออกแบบที่ไม่ดี ก็ยังจะคงให้ผลเป็นค่าต่าง ๆ ทางสถิติที่ไม่ดี[11] ดังนั้น ควรจะใช้งานวิจัยที่มีระเบียบวิธี (methodology) ที่ดีเท่านั้น ซึ่งเป็นกฎปฏิบัติที่เรียกว่า "best evidence synthesis" (แปลว่า การสังเคราะห์ผลโดยใช้หลักฐานที่ดีที่สุด) ส่วนนักวิชาการท่านอื่นคิดว่าสามารถรวมงานวิจัยที่ออกแบบไม่ค่อยดีได้ โดยเพิ่มตัวแปร (study-level predictor) ที่บ่งถึงคุณภาพระเบียบวิธีของผลงาน เพื่อที่จะตรวจสอบคุณภาพของผลงานเทียบกับระดับของผลที่เป็นประเด็นวิจัยได้[12] แต่ก็มีนักวิชาการท่านอื่นที่แย้งว่า วิธีที่ดีกว่าก็คือให้เก็บรักษาข้อมูลของความแปรปรวน (variance) ของตัวอย่างการศึกษาไว้ และให้ใช้ข้อมูลงานวิจัยที่มีอยู่ให้มากที่สุด เพราะว่า กฎเกณฑ์ที่คัดสรรงานวิจัยโดยคุณภาพระเบียบวิธี จะทำให้เกิดความไม่เป็นกลาง (subjectivity) เป็นการทำเหตุผลที่จะศึกษาโดยวิธีนี้ให้เป็นโมฆะ[13]

ความเอนเอียงในการตีพิมพ์[แก้]

ข้อมูลจากงานวิจัยต่าง ๆ แสดงโดยใช้ funnelplot เป็นรูปแบบที่แสดงว่า ไม่มีความเอนเอียงในการตีพิมพ์ คืองานวิจัยที่มีตัวอย่างมากที่สุด (จุดใหญ่กว่าที่อยู่บน ๆ) แสดงค่าที่ใกล้กับผลเปล่า ส่วนงานวิจัยมีตัวอย่างน้อย (จุดเล็กกว่าที่อยู่ล่าง ๆ) แสดงค่าที่ต่าง ๆ กันโดยสุ่ม
funnelplot รูปแบบที่แสดงว่า มีความเอนเอียงในการตีพิมพ์ คือ งานวิจัยที่มีตัวอย่างมากที่สุดก็ยังแสดงค่าที่ใกล้กับผลเปล่า แต่ว่า ความเอนเอียงในการที่จะไม่ตีพิมพ์งานวิจัยที่แสดงผลลบ ทำให้สิ่งตีพิมพ์โดยภาพรวมดูเหมือนจะแสดงว่า ประเด็นการศึกษามีผลบวก คือสมมติฐานที่ตั้งไว้ถูกต้องแล้ว

ปัญหาอีกอย่างหนึ่งที่อาจจะมีก็คือการใช้ข้อมูลที่มีการตีพิมพ์ ซึ่งอาจจะทำให้แสดงผลที่เกินความจริงเพราะเหตุแห่งความเอนเอียงในการตีพิมพ์ เพราะว่า งานวิจัยหลายงานได้พบว่า งานวิจัยที่แสดงผลเปล่า (หรือผลลบ) มีโอกาสน้อยกว่าที่จะรับเผยแพร่ ยกตัวอย่างเช่น นักวิจัยอาจจะไม่ได้สืบหาผลงานที่เป็นวิทยานิพนธ์ หรืองานที่ไม่ได้รับการเผยแพร่ นี่เป็นปัญหาที่แก้ได้ยาก เพราะไม่มีใครรู้ว่า มีผลงานกี่งานที่ไม่ได้รายงาน[14]

ความเอนเอียงในการตีพิมพ์เช่นนี้มีผลเป็นขนาดผล (ที่เป็นประเด็นวิจัย) ที่ไม่ตรงกับความจริง ทำให้เกิดเหตุผลวิบัติประเภท base rate fallacy ที่นัยสำคัญของงานที่เกิดการตีพิมพ์เกินความจริง เพราะว่างานอื่น ๆ (ที่ไม่แสดงนัยสำคัญ) ผู้วิจัยไม่ส่งเพื่อพิมพ์ หรือวารสารปฏิเสธที่จะพิมพ์ ปัญหาเช่นนี้ต้องมีการพิจารณาอย่างถี่ถ้วนเมื่อแปลผลที่เกิดจาก meta-analysis[14][15]

การแจกแจงของขนาดผล (distribution of effect sizes) สามารถเห็นได้ด้วยการวาด funnel plot ซึ่งเป็นแผนภาพกระจายของขนาดตัวอย่าง (sample size) และขนาดผล (effect size) คือจริง ๆ แล้ว ในขนาดผลบางอย่าง ตัวอย่างยิ่งมีน้อยเท่าใด ความน่าจะเป็นก็จะสูงขึ้นเท่านั้นในการพบขนาดผลนั้น ในขณะเดียวกัน ขนาดผลยิ่งสูงขึ้นเท่าไร ความน่าจะเป็นที่งานที่มีตัวอย่างมากจะแสดงผลที่ระดับนั้นโดยสุ่มก็เป็นไปได้น้อยลงเท่านั้น ถ้ามีงานที่แสดงผลเปล่าที่ไม่ได้พิมพ์เป็นจำนวนมาก งานที่แสดงผลบวกที่เหลือจะทำให้เกิด funnel plot ที่ขนาดผลจะมีลักษณะเป็นสัดส่วนผกผันกับขนาดตัวอย่าง กล่าวโดยอีกนัยก็คือ ขนาดผลยิ่งสูงขึ้นเท่าไร ขนาดตัวอย่างก็น้อยลงเท่านั้น ดังนั้นส่วนหนึ่งของผลที่แสดงนัยสำคัญนั้น จะเป็นค่าที่เกิดขึ้นโดยสุ่มและไม่มีความสมดุลใน plot เพราะงานวิจัยแสดงผลลบไม่ได้รับการพิมพ์ โดยเปรียบเทียบกัน ถ้างานวิจัยโดยมาก (ทั้งผลบวกผลลบผลเปล่า) ได้รับการพิมพ์ ขนาดผลที่แสดงจะไม่มีอิทธิพลจากขนาดตัวอย่าง และ funnel plot จะออกมาสมดุล ดังนั้น ถ้าไม่มีความเอนเอียงในการตีพิมพ์ ก็จะไม่มีความสัมพันธ์กันระหว่างขนาดตัวอย่างและขนาดผล[16] ดังนั้น ความสัมพันธ์เชิงลบระหว่างขนาดตัวอย่างและขนาดผลจึงบอกเป็นนัยว่า งานศึกษาที่พบนัยสำคัญในผล มีการตีพิมพ์มากกว่า มีวิธีการหลายอย่างที่สามารถใช้แก้ปัญหาความเอนเอียงในการตีพิมพ์ เช่นการตัดข้อมูลออกแต่จะต้องเดาว่า ควรจะตัดออกที่จุดไหน

วิธีการตรวจจับความเอนเอียงในการตีพิมพ์เป็นเรื่องที่ยังไม่มีที่ยุติ เพราะมักจะมีกำลังทางสถิติต่ำในการตรวจจับ และสามารถแม้จะให้ผลบวกที่ไม่เป็นจริงในบางกรณี[17] ยกตัวอย่างเช่น ในงานที่มีขนาดผลต่ำ ถ้ามีความแตกต่างกันในระเบียบวิธีระหว่างงานที่มีขนาดตัวอย่างน้อยและงานที่มีขนาดตัวอย่างมาก อาจทำให้เกิดความแตกต่างกันของขนาดผลที่ดูเหมือนจะเป็นความเอนเอียงในการตีพิมพ์[โปรดขยายความ]

นอกจากนั้นแล้วยังมีวิธี "Tandem Method" ที่ใช้ในการวิเคราะห์หาความเอนเอียงในการตีพิมพ์ และสามารถลดระดับผลบวกที่ไม่จริง[18] เป็นวิธีที่มี 3 ขั้นตอน อย่างไรก็ดี มีการเสนอว่า 25% ของผลงาน meta-analysis ที่เกี่ยวกับจิตวิทยา อาจจะมีความเอนเอียงในการตีพิมพ์[18] แต่ว่า เนื่องจากว่าวิธีการตรวจจับมีกำลังต่ำ ดังนั้น การประเมินระดับความเอนเอียงในการตีพิมพ์อาจจะต่ำเกินไปจากความเป็นจริง

การอภิปรายเรื่องความเอนเอียงในการตีพิมพ์ มักจะพุ่งความสนใจไปในเรื่องข้อปฏิบัติในการตีพิมพ์ที่เน้นงานที่พบผลที่มีนัยสำคัญทางสถิติ แต่ว่า จริง ๆ แล้ว แม้นักวิจัยเองก็มีพฤติกรรมที่เป็นปัญหาบางอย่าง เช่นการเปลี่ยนรูปแบบทางสถิติของงานวิจัยไปเรื่อย ๆ จนกระทั่งพบผลที่มีนัยสำคัญ เพื่อที่จะสนับสนุนสมมติฐานของตน[19][20] และเพราะว่า พฤติกรรมที่เป็นปัญหาเช่นนี้จะไม่ปรากฏว่ามีความสัมพันธ์กับขนาดตัวอย่าง ดังนั้น ปัญหาเช่นนี้จะไม่ปรากฏให้เห็นใน funnel plot และอาจจะไม่สามารถตรวจจับได้โดยใช้วิธีอื่น ๆ ที่ใช้ตรวจจับความเอนเอียงในการตีพิมพ์

นอกจากนั้นแล้ว ยังมีปัญหาที่เป็นจุดอ่อนอื่น ๆ รวมทั้ง Simpson's paradox (คืองานวิจัยมีขนาดตัวอย่างน้อยสองงานอาจจะชี้ผลไปทางหนึ่ง ในขณะที่งานรวมข้อมูลอาจจะชี้ไปอีกทางหนึ่ง) และความไม่เป็นกลาง (subjectivity) ในวิธีการประมวลค่าของผล หรือในการตัดสินว่างานวิจัยงานไหนควรจะได้รับเลือก[21]

ความเอนเอียงโดยแผนงานเงื่อนงำ[แก้]

ปัญหาที่หนักที่สุดของ meta-analysis มักจะเกิดขึ้นเมื่อผู้ทำงานมีแรงจูงใจทางเศรษฐกิจ ทางสังคม หรือทางการเมือง เช่นมีความต้องการที่จะสนับสนุนหรือคัดค้านการออกกฎหมาย ผู้ทำงานที่มีแรงจูงใจเช่นนี้มีโอกาสมากกว่าที่จะใช้ meta-analysis อย่างผิด ๆ เพราะความเอนเอียงส่วนตัว ยกตัวอย่างเช่น งานวิจัยที่แสดงผลสอดคล้องกับความต้องการของผู้ทำงาน Meta analysis มีโอกาสที่จะรับเลือกใช้ข้อมูล (ในการประมวลผล) ในขณะที่งานที่ไม่มีความสอดคล้อง อาจจะไม่ได้รับความสนใจหรืออาจจะกำหนดว่า ไม่น่าเชื่อถือ ยิ่งไปกว่านั้น งานวิจัยที่แสดงผลสอดคล้องเองอาจจะมีความเอนเอียงอยู่แล้ว หรือผู้ทำงานของงานวิจัยนั้นเองอาจจะได้รับผลประโยชน์ในการแสดงผลที่สนับสนุนจุดมุ่งหมายทางการเมือง ทางสังคม หรือทางเศรษฐกิจ โดยใช้วิธีเลือกข้อมูลส่วนน้อยกว่าแต่สนับสนุนผลที่ต้องการ และไม่เลือกเอาข้อมูลที่ครอบคลุมกว่าแต่ไม่สนับสนุน อิทธิพลของความเอนเอียงเหล่านี้ต่อผลงาน meta-analysis เป็นไปได้เพราะว่า ระเบียบวิธีในการทำงาน meta-analysis สามารถยืดหยุ่นได้[21]Stegenga, J. (2011). "Is meta-analysis the platinum standard?". Studies in History and Philosophy of Biological and Biomedical Sciences 42 (4): 497–507. doi:10.1016/j.shpsc.2011.07.003. 

ในปี ค.ศ. 2011 มีงานวิจัยหนึ่งที่มุ่งจะเปิดเผยการขัดกันแห่งผลประโยชน์ของงานวิจัยที่ได้รับเลือกเพื่อใช้ในงาน meta-analysis ทางการแพทย์ งานวิจัยทำการปริทัศน์งาน meta-analysis ต่าง ๆ 29 งาน แล้วพบว่า การขัดกันแห่งผลประโยชน์ของงานวิจัยที่ได้รับเลือกเพื่อใช้ในงาน แทบไม่มีการเปิดเผยโดยประการทั้งปวง งาน 29 งานนี้รวม

  • 11 งานจากวารสารการแพทย์ทั่วไป
  • 15 งานจากวารสารการแพทย์เฉพาะทาง
  • 3 งานจากฐานข้อมูล Cochrane Database of Systematic Reviews

งาน 29 งานนี้ประมวลข้อมูลจากงานวิจัยแบบสุ่มและมีกลุ่มควบคุม (randomized controlled trials) 509 งาน จากงานเหล่านี้ 318 งานรายงานแหล่งทุนการวิจัย โดยที่ 219 งาน (69%) รับทุนมาจากอุตสาหกรรมและธุรกิจ[โปรดขยายความ] จากงาน 509 งาน 132 งานรายงานการขัดกันแห่งผลประโยชน์ของผู้ทำ โดยมี 91 งาน (69%) ที่เปิดเผยว่า ผู้ทำงานหนึ่งหรือมากกว่าหนึ่ง มีผลประโยชน์ทางการเงินร่วมกับอุตสาหกรรมและธุรกิจ แต่ว่า ข้อมูลเช่นนี้ แทบไม่เคยเปิดเผยในงาน meta-analysis เลย คือ จากงาน 29 งาน มีเพียงแค่ 2 (7%) ที่แสดงแหล่งทุนการวิจัย และไม่มีการรายงานผลประโยชน์ทางการเงินของผู้ทำงานวิจัยเลย ผู้ทำงานปริทัศน์นี้สรุปว่า

เพราะไม่มีการชี้แจงความขัดกันแห่งผลประโยชน์ เนื่องจากได้รับเงินทุนหรือมีผลประโยชน์ทางการเงินร่วมกับอุตสาหกรรมและธุรกิจ สำหรับงานวิจัยแบบสุ่มและมีกลุ่มควบคุมที่รวมอยู่ใน meta-analysis (ดังนั้น) ความเข้าใจและการประเมินหลักฐานที่ได้มาจาก meta-analysis อาจจะมีความบิดเบือน[22]

ขั้นตอนการทำงาน meta-analysis[แก้]

  1. กำหนดประเด็นปัญหา
  2. สืบหางานวิจัย
  3. สร้างกฏเกณฑ์ในการเลือกและทำการเลือกงานวิจัย เป็นต้นว่า
    • เลือกระดับคุณภาพ เช่น ต้องเป็นการทดลองทางคลินิกที่สุ่ม (randomized) และบอด (blinded)
    • เลือกงานที่มีเป้าหมายชัดเจน เช่น การรักษาโรคมะเร็งเต้านม
    • ตัดสินใจว่า จะรวมเอางานวิจัยที่ไม่ได้ตีพิมพ์เพื่อหลีกเลี่ยงความเอนเอียงในการตีพิมพ์หรือไม่
  4. ตัดสินใจว่า จะเอาตัวแปรตาม (dependent variable) หรือข้อมูลรวม (summary measure) อะไรบ้าง ตัวอย่างเช่น
  5. การเลือก meta-regression ที่ใช้เป็นแบบจำลองทางสถิติ เช่น Simple regression, fixed-effect meta regression, และ random-effect meta regression

meta-regression เป็นเทคนิคที่ใช้ในงาน meta-analysis เพื่อตรวจสอบอิทธิพลของตัวแปร moderator ต่อขนาดผลที่เป็นประเด็นวิจัยโดยใช้เทคนิคทาง regression ต่าง ๆ meta-regression นั้นมีประสิทธิภาพสำหรับงานนี้มากกว่าเทคนิค regression ธรรมดาทั่ว ๆ ไป

ส่วนมาตรฐานของรูปแบบการรายงาน ให้ดูรายละเอียดในเอกสาร Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA แปลว่า รายการข้อมูลที่ควรรายงานในงานปริทัศน์แบบทั้งระบบและ meta-analysis)[23]

วิธีการต่าง ๆ และข้อสมมุติของ Meta-analysis[แก้]

การประยุกต์ใช้ในวิทยาศาสตร์[แก้]

ดูเพิ่ม[แก้]

เชิงอรรถและอ้างอิง[แก้]

  1. พูลสุวรรณ, ศิริยุภา (ผศ.ดร.). "การวิเคราะห์อภิมาน (Meta - analysis)" (DOC). Archived from the original on 2015-02-20. สืบค้นเมื่อ 2015-02-20. 
  2. "การวิเคราะห์อภิมาน (Meta - analysis)" (PDF). Archived from the original on 2015-02-20. สืบค้นเมื่อ 2015-02-20. 
  3. Greenland, S; O' Rourke, K (2008). "Meta-Analysis". In Rothman, KJ; Greenland, S; Lash, T. Modern Epidemiology (3 ed.) (Lippincott Williams and Wilkins). p. 652. 
  4. WALKER, E.; HERNANDEZ, A. V.; KATTAN, M. W. (2008-06-01). "Meta-analysis: Its strengths and limitations". Cleveland Clinic Journal of Medicine 75 (6): 431–439. doi:10.3949/ccjm.75.6.431. 
  5. "Glossary at Cochrane Collaboration". Cochrane Collaboration. 
  6. Nordmann, AJ; Kasenda, B; Briel, M (Mar 9, 2012). "Meta-analyses: what they can and cannot do". Swiss medical weekly 142: w13518. PMID 22407741. doi:10.4414/smw.2012.13518. 
  7. O'Rourke, Keith (2007-12-01). "An historical perspective on meta-analysis: dealing quantitatively with varying study results". J R Soc Med 100 (12): 579–582. PMC 2121629. PMID 18065712. doi:10.1258/jrsm.100.12.579. สืบค้นเมื่อ 2009-09-10. 
  8. Bösch, H. "Reanalyzing a meta-analysis on extra-sensory perception dating from 1940, the first comprehensive meta-analysis in the history of science". In Schmidt, S. Proceedings of the 47th Annual Convention of the Parapsychological Association, University of Vienna: 1–13. 
  9. ในการวิเคราะห์โดยสถิติ Moderation (สถิติ) เกิดขึ้นเมื่อความสัมพันธ์กันระหว่างตัวแปร 2 ตัว ขึ้นอยู่กับตัวแปรที่สาม ซึ่งเป็นตัวแปรที่เรียกว่า Moderator
  10. doi:10.1056/NEJM199708213370806
    This citation will be automatically completed in the next few minutes. You can jump the queue or expand by hand
  11. doi:10.3102/0013189X015009005
    This citation will be automatically completed in the next few minutes. You can jump the queue or expand by hand
  12. Hunter, Schmidt, & Jackson, John E. (1982). Meta-analysis: Cumulating research findings across studies. Beverly Hills, California: Sage. 
  13. Glass, McGaw, & Smith (1981). Meta-analysis in social research. Beverly Hills, CA: Sage. 
  14. 14.0 14.1 Rosenthal, Robert (1979). "The "File Drawer Problem" and the Tolerance for Null Results". Psychological Bulletin 86 (3): 638–641. doi:10.1037/0033-2909.86.3.638. 
  15. Hunter, John E; Schmidt, Frank L (1990). Methods of Meta-Analysis: Correcting Error and Bias in Research Findings. Newbury Park, California; London; New Delhi: SAGE Publications. 
  16. Light & Pillemer (1984). Summing up: The science of reviewing research. Cambridge, CA: Harvard University Pree. 
  17. Ioannidis, J., & Trikalinos, T. (2007). "The appropriateness of asymmetry tests for publication bias in meta-analyses: a large survey". Canadian Medical Association Journal 176 (8): 638–641. doi:10.1503/cmaj.060410. 
  18. 18.0 18.1 Ferguson, C., & Brannick, M. (2012). "Publication bias in psychological science: Prevalence, methods for identifying and controlling, and implications for the use of meta-analyses". Psychological Methods 17 (1): 120–128. doi:10.1037/a0024445. 
  19. Simmons, J., Nelson, L & Simonsohn, U. (2011). "False-Positive Psychology : Undisclosed Flexibility in Data Collection and Analysis Allows Presenting Anything as Significant". Psychological Science 22 (11): 1359–1366. PMID 22006061. doi:10.1177/0956797611417632. 
  20. LeBel, E. & Peters, K. (2011). (2011,rgp).pdf "Fearing the future of empirical psychology: Bem's (2011) evidence of psi as a case study of deficiencies in modal research practice". Review of General Psychology 15 (4): 371–379. doi:10.1037/a0025172. 
  21. 21.0 21.1 Stegenga, J. (2011). Is meta-analysis the platinum standard of evidence?. doi:10.1016/j.shpsc.2011.07.003.  |title=Is meta-analysis the platinum standard? |journal=Studies in History and Philosophy of Biological and Biomedical Sciences |volume=42 |issue=4 |pages=497-507
  22. "How Well Do Meta-Analyses Disclose Conflicts of Interests in Underlying Research Studies | The Cochrane Collaboration". Cochrane.org. สืบค้นเมื่อ 2012-01-13. 
  23. "The PRISMA statement". Prisma-statement.org. 2012-02-02. สืบค้นเมื่อ 2012-02-02. 
  • Cooper, H. & Hedges, L.V. (1994). The Handbook of Research Synthesis. New York: Russell Sage.
  • Cornell, J. E. & Mulrow, C. D. (1999). Meta-analysis. In: H. J. Adèr & G. J. Mellenbergh (Eds). Research Methodology in the social, behavioral and life sciences (pp. 285-323). London: Sage.
  • Norman S.-L. T. (1999). "Tutorial in Biostatistics. Meta-Analysis: Formulating, Evaluating, Combining, and Reporting". Statistics in Medicine 18 (3): 321–359. PMID 10070677. 
  • Sutton, A.J., Jones, D.R., Abrams, K.R., Sheldon, T.A., & Song, F. (2000). Methods for Meta-analysis in Medical Research. London: John Wiley. ISBN 0-471-49066-0
  • Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.0.1 [updated September 2008]. The Cochrane Collaboration, 2008. Available from www.cochrane-handbook.org

ข้อมูลอื่น[แก้]

  • Thompson, Simon G; Pocock, Stuart J (2 November 1991). "Can meta-analysis be trusted?". The Lancet 338 (8775): 1127–1130. PMID 1682553. doi:10.1016/0140-6736(91)91975-Z. สืบค้นเมื่อ 17 June 2011. . Explores two contrasting views: does meta-analysis provide "objective, quantitative methods for combining evidence from separate but similar studies" or merely "statistical tricks which make unjustified assumptions in producing oversimplified generalisations out of a complex of disparate studies"?
  • Wilson, D. B., & Lipsey, M. W. (2001). Practical meta-analysis. Thousand Oaks: Sage publications. ISBN 0-7619-2168-0
  • O'Rourke, K. (2007) Just the history from the combining of information: investigating and synthesizing what is possibly common in clinical observations or studies via likelihood. Oxford: University of Oxford, Department of Statistics. Gives technical background material and details on the "An historical perspective on meta-analysis" paper cited in the references.
  • Owen, A. B. (2009). "Karl Pearson's meta-analysis revisited". Annals of Statistics, 37 (6B), 3867-3892. Supplementary report.
  • Ellis, Paul D. (2010). The Essential Guide to Effect Sizes: An Introduction to Statistical Power, Meta-Analysis and the Interpretation of Research Results. United Kingdom: Cambridge University Press. ISBN 0-521-14246-6
  • Bonett, D. G. and Price, R. M. (2013). Meta-analysis methods for risk differences. British Journal of Mathematical and Statistical Psychology. doi: 10.1111/bmsp.12024
  • Bonett, D.G. (2012). Replication-extension studies, Current Directions in Psychology, 21, 409-412.
  • Bonett, D.G. (2010). Varying coefficient meta-analysis methods for alpha reliability, Psychological Methods, 15, 368-385.
  • Bonett, D.G. (2009). Meta-analytic interval estimation for standardized and unstandardized mean differences, Psychological Methods, 14, 225-238.
  • Bonett, D.G. (2008). Meta-analytic interval estimation for bivariate correlations, Psychological Methods, 13, 173-189.
  • Stegenga, Jacob (2011). "Is meta-analysis the platinum standard of evidence?". Studies in History and Philosophy of Biological and Biomedical Sciences 42 (4): 497–507. doi:10.1016/j.shpsc.2011.07.003. 

ซอฟต์แวร์[แก้]