Mikä meta-analyysi on ja miksi sitä tehdään?
Meta-analyysi on tilastollinen keino yhdistää useamman tutkimuksen tuloksia. Meta-analyysi tähtää satunnaisvaihtelun vähentämiseen, eli esimerkiksi pienestä otoskoosta johtuvan epävarmuuden pienentämiseen.
Keskeinen tarkoitus on parantaa tutkimuksen tilastollista voimakkuutta, eli sitä että todellinen ilmiö pystytään tilastollisesti havaitsemaan.
Meta-analyysin tulos on painotettu keskiarvo tutkimuskohtaisista tuloksista. Painotus pohjautuu yleisimmin kunkin tutkimuksen otoskokoon: mitä suurempi tutkimus, sitä suurempi suhteellinen paino tutkimuksella.
Yksinkertaisimmillaan meta-analyysi kerää yhteen tuloksia useammasta pienestä tutkimuksesta, jotka on tehty saman analyysisuunnitelman mukaisesti. Tämä lähestymistapa on hyvin yleinen esimerkiksi genominlaajuisissa assosiaatiotutkimuksissa, joissa lopulliset tulokset koostetaan yhteen useammasta pienemmästä tutkimuksesta.
Meta-analyysi voidaan tehdä myös julkaistujen artikkelien tuloksista. Tällöin on erityisen tärkeää, että nämä yhdistettävät tutkimukset vastaavat samaan tutkimuskysymykseen.
Meta-analyysi ja systemaattinen kirjallisuuskatsaus
Kun meta-analyysi tehdään julkaistujen tutkimusten tuloksista, on myös yleistä tehdä samalla systemaattinen kirjallisuuskatsaus, jossa tutkimukset arvioidaan laadullisesti. Tämän arvioinnin on tarkoitus antaa osviittaa esimerkiksi mahdollisten tutkimusharhojen vaikutuksesta yksittäisen tutkimuksen tuloksiin, ja sitä kautta informoida ko. tutkimuksen hyödyllisyydestä meta-analyysissä. Huonolaatuisia tutkimuksia (eli tutkimuksia, joissa on vakavia tutkimusharhoja jotka vaikuttavat tutkimuksen tuloksiin) ei tule käyttää meta-analyysissä.
Mitä meta-analyysi ei ole?
Usein meta-analyysiä pidetään tieteellisen tiedon hierarkiassa yhtenä luotettavimmista tiedonlähteistä. Meta-analyysi ei kuitenkaan ole mikään 'ihmelääke' – yksi yleinen harhaluulo onkin, että meta-analyysissä useamman pienemmän tutkimuksen kaikki tutkimusharhat voitaisiin eliminoida. Meta-analyysissä voidaan vähentää vain satunnaisvaihtelusta johtuvaa harhaa, mutta erilaiset tutkimusharhat (kuten sekoittuneisuus tai valikoitumisharha) tulee arvioida erikseen, esimerkiksi systemaattisessa kirjallisuuskatsauksessa. Myös aiemmassa blogipostauksessa käsitelty julkaisuharha voi vääristää meta-analyysin tuloksia.
Miten muilla tavoin tutkimustuloksia voidaan yhdistää?
Meta-analyysin ja systemaattisen kirjallisuuskatsauksen ohella on muitakin tapoja yhdistää tutkimustuloksia. Yhtenä esimerkkinä annettakoon triangulaatio, joka on verrattain uusi lähestymistapa eri tutkimusten tulosten yhdistämiseen.
Triangulaatiossa keskeinen idea on, että vertailtavien tutkimusten tutkimusasetelmat, niiden oletukset, sekä todennäköisimmät tutkimusharhat ovat erilaisia. Tulokset, jotka antavat samansuuntaisia tuloksia kaikissa asetelmissa, ovat uskottavimpia.
Yhteenvetona, meta-analyysi on hyödyllinen tapa yhdistää matemaattisesti useamman tutkimuksen tuloksia, ja se vähentää tulosten satunnaisvaihtelua. Meta-analyysi on kuitenkin vain yksi tapa tehdä tutkimusta, ja yksittäinen meta-analyysi ei itseisarvoisesti ole aina parempi kuin mikä tahansa muu tutkimus.
Kirjoittaja: Ville Karhunen
Terveyttä tutkimassa -blogissa kirjoitetaan väestöterveyden ja lääketieteen tutkimukseen liittyvistä aiheista sekä esitellään ja pohditaan ajankohtaisia aiheeseen liittyviä ilmiöitä. Kirjoittajina toimivat pääasiassa lääketieteellisen tiedekunnan tutkijat.