Detaillierte Feature-Liste

Arbeiten mit einer Tabellenkalkulationsoberfläche
Berechnen Sie den Behandlungseffekt (oder die Effektstärke) automatisch
Führen Sie die Meta-Analyse schnell und präzise durch
Erstellen Sie hochauflösende Walddiagramme mit einem einzigen Klick
Berichte
Video-Tutorials
Vorhersage-Intervalle
Häufige Fehler und wie man sie vermeidet
Verwenden Sie eine kumulative Metaanalyse, um zu sehen, wie sich die Evidenz im Laufe der Zeit verändert hat
Verwenden Sie eine "Remove-One"-Analyse, um die Auswirkungen jeder Studie zu messen
Arbeiten mit Teilmengen der Daten
Arbeiten Sie mit mehreren Untergruppen oder Ergebnissen innerhalb von Studien
Bewerten Sie die Auswirkungen von Moderatorvariablen
Bewerten Sie die potenziellen Auswirkungen von Publikationsverzerrungen

Arbeiten mit einer Tabellenkalkulationsoberfläche

Daten direkt eingeben oder Daten aus einem anderen Programm importieren

Sie können Daten direkt in die Tabellenkalkulation eingeben, ähnlich wie bei jedem tabellenbasierten Programm. Wenn Sie derzeit ein anderes Programm für die Metaanalyse verwenden, können Sie die Daten entweder direkt aus diesem Programm kopieren oder mit einem Assistenten importieren.

Was ist, wenn ich mehrere Untergruppen oder Ergebnisse innerhalb von Studien habe?

Das Programm ermöglicht es Ihnen, mit Studien zu arbeiten, die Daten für mehr als eine Untergruppe, ein Ergebnis, einen Zeitpunkt oder einen Vergleich enthalten. Das Programm erleichtert die Eingabe von Daten für diese Studien und bietet eine Reihe von Möglichkeiten, mit ihnen in der Analyse zu arbeiten.

Berechnen Sie den Behandlungseffekt (oder die Effektstärke) automatisch

In jeder Meta-Analyse beginnen Sie mit den veröffentlichten zusammenfassenden Daten für jede Studie und berechnen den Behandlungseffekt (oder die Effektstärke). Wenn eine Studie z. B. die Anzahl der Ereignisse in jeder Gruppe angibt, können Sie das Chancenverhältnis berechnen. Wenn in einer Studie Mittelwerte und Standardabweichungen angegeben sind, können Sie auch die standardisierte Mittelwertdifferenz berechnen. Dieser Prozess der Berechnung von Effektgrößen ist in der Regel mühsam und zeitaufwändig. In einigen Fällen, insbesondere wenn Studien Daten in unterschiedlichen Formaten präsentieren, ist der Prozess auch schwierig und fehleranfällig.

Mit CMA ist der Prozess schnell und genau

Mit CMA geben Sie die Zusammenfassungsdaten ein, die in der veröffentlichten Studie berichtet wurden, und das Programm berechnet die Effektstärke aus diesen Zusammenfassungsdaten. Sie können z. B. Ereignisse und Stichprobengröße eingeben, und das Programm berechnet das Chancenverhältnis. Sie können auch Mittelwerte und Standardabweichungen eingeben, und das Programm berechnet die standardisierte Mittelwertdifferenz. Hier werden drei Beispiele (ausgewählt aus mehr als hundert Optionen) gezeigt.

Was ist, wenn meine Daten in einem anderen Format vorliegen?

Was wäre, wenn Ihre Studien Daten in einem anderen Format berichten würden? Vielleicht gibt es Studien, in denen nur ein p-Wert und eine Stichprobengröße angegeben wurden. Oder Sie haben Studien, die ein Chancenverhältnis und Konfidenzgrenzen angeben. Mit jedem anderen Programm müssten Sie die Effektstärke und -varianz für jede Studie berechnen, bevor Sie mit der Analyse fortfahren. Im Gegensatz dazu können Sie mit CMA fast jede Art von Daten eingeben – es enthält 100 Formate für die Dateneingabe, die den drei oben gezeigten ähneln. Suchen Sie einfach Ihren Datentyp in einer Liste und CMA erstellt die entsprechenden Spalten in der Tabelle.

> Klicken Sie hier, um die gesamte Liste zu sehen

Welche Formel verwendet das Programm, um diese Effekte zu berechnen?

Um die Formel anzuzeigen, die zur Berechnung einer Effektgröße verwendet wird, doppelklicken Sie auf diese Effektgröße. Das Programm öffnet ein Dialogfenster, in dem die genaue verwendete Formel und alle Details der Berechnung für diese bestimmte Zeile angezeigt werden.

Was ist, wenn ich einen anderen Index des Behandlungseffekts verwenden möchte?

In einem der oben gezeigten Beispiele haben wir Ereignisse und Stichprobengröße eingegeben und das Programm hat das Chancenverhältnis und das Risikoverhältnis berechnet. Was ist, wenn Sie lieber mit der Risikoquote arbeiten möchten? Oder was wäre, wenn Sie die standardisierte mittlere Differenz berechnen wollten, die dem Odds Ratio entspricht? In einem anderen Beispiel haben wir Mittelwerte und Standardabweichungen eingegeben und das Programm hat die standardisierte Mittelwertdifferenz berechnet. Was ist, wenn Sie es vorziehen, mit der rohen Mittelwertdifferenz zu arbeiten oder die Korrelation zu berechnen, die der standardisierten Mittelwertdifferenz entspricht?

CMA ermöglicht es Ihnen, mit dem Index Ihrer Wahl zu arbeiten und zwischen den Indizes hin und her zu wechseln.

Wenn Sie z. B. die Ereignisse und den Stichprobenumfang eingegeben haben, berechnet das Programm das Chancenverhältnis, das logarithmische Chancenverhältnis, das Risikoverhältnis, das logarithmische Risikoverhältnis, die Risikodifferenz, die standardisierte Mittelwertdifferenz (d), die verzerrungskorrigierte standardisierte Mittelwertdifferenz (g), die Korrelation und das Fisher-Z. Wenn Sie Mittelwerte und Standardabweichungen eingeben, berechnet das Programm die rohe Mittelwertdifferenz, die standardisierte Mittelwertdifferenz (d), die verzerrte korrigierte standardisierte Mittelwertdifferenz (g), die Korrelation, das Fishersche Z, das logarithmische Chancenverhältnis und das Chancenverhältnis.

Bei diesen Beispielen handelt es sich um eine Teilmenge der unterstützten Formate und Indizes.

Was wäre, wenn verschiedene Studien unterschiedliche Arten von Daten berichten würden?

Oben haben wir gezeigt, dass Sie den Dateneingabebildschirm so anpassen können, dass er fast jede Art von Daten akzeptiert. Aber welche verschiedenen Studien liefern unterschiedliche Arten von Daten? Was wäre beispielsweise, wenn eine Studie über Ereignisse und Stichprobengröße berichtete, während eine andere über das Chancenverhältnis und das Konfidenzintervall berichtete? Wie würden Sie beide Arten von Daten in das Programm bekommen?

CMA ermöglicht es Ihnen, die verschiedenen Datenformate zu mischen und anzupassen. Sie können Ereignisse und den Stichprobenumfang für die ersten Studien eingeben, dann das Chancenverhältnis und das Konfidenzintervall für die nächsten Studien, das Protokollierungsquotient mit Varianzen für andere Studien usw. Sie können auch Mittelwerte und Standardabweichungen für einige Studien, p-Werte für andere Studien, t-Werte für andere usw. eingeben. Sie können die Tabelle mit so vielen Arten von Datenformaten anpassen, wie Sie möchten. Das Programm berechnet die Effektstärke aus jedem von ihnen und ermöglicht es Ihnen (soweit möglich), sie alle in dieselbe Analyse einzubeziehen. CMA ist das einzige Programm, das diese Funktion bietet.

Was ist, wenn einige (oder alle) meiner Studien Pre-Post- oder Crossover-Designs enthalten?

CMA enthält Vorlagen für mehr als 20 Pre-Post- oder Crossover-Designs, was von besonderer Bedeutung ist, da der Standardfehler für diese sonst schwer zu berechnen ist. Und Sie können diese Studien mit Studien kombinieren, die nur Post-Tests verwendet haben.

> Eine Liste aller Formate finden Sie hier.

Was ist, wenn ich die Effektstärke bereits berechnet habe?

Wenn Sie die Effektstärke und ihre Varianz (oder den Standardfehler) bereits berechnet haben, können Sie diese direkt eingeben (genauso, wie Sie Daten in jedem anderen Format eingeben würden).

Kann ich binäre, kontinuierliche und korrelierende Daten mischen?

Wie oben erläutert, können Sie mit dem Programm zusammenfassende Daten in mehr als einem Format eingeben – z. B. Ereignisse und Stichprobenumfang für eine Studie und Odds Ratios mit Konfidenzintervallen für eine andere. Aber in diesem Beispiel verwendeten beide Studien binäre Daten. Was ist, wenn einige Studien binäre Daten (Ereignisse und Stichprobengröße) melden, während andere kontinuierliche Daten (Mittelwerte und Standardabweichungen) oder Korrelationsdaten melden?

Das Programm ist in der Lage, diese verschiedenen Datenklassen zu konvertieren. Es wird zwischen Chancenverhältnissen, standardisierter Mittelwertdifferenz und Korrelationen konvertiert, so dass alle in derselben Analyse verwendet werden können.

Was ist, wenn ich Studien habe, die sich eher mit Punktschätzungen als mit Effektstärken oder Behandlungseffekten befassen?

Während die meisten Metaanalysen mit Effektstärken arbeiten (die die Beziehung zwischen zwei Variablen bewerten), werden einige verwendet, um ein Risiko, eine Rate oder einen Mittelwert in einer Gruppe zu schätzen (z. B. "Wie hoch ist das Risiko für Lyme-Borreliose?"). CMA arbeitet auch mit diesen Effekten (oder Punktschätzungen).

Kann ich eine Meta-Analyse für Regressionsgewichte durchführen?

Ja. Das Programm ist nicht nur in der Lage, mit erkannten Effekten (wie z. B. Chancenverhältnissen und Mittelwertdifferenzen) zu arbeiten, sondern auch mit generischen Punktschätzungen, die entweder in ihrer ursprünglichen Skala oder auf einer logarithmischen Skala analysiert werden können.

Führen Sie die Meta-Analyse schnell und präzise durch

Mit einem Klick wird die Kern-Meta-Analyse gestartet und eine Anzeige erstellt, die als Roadmap für alles Folgende dient.

Bei dieser Anzeige handelt es sich um ein interaktives Walddiagramm, das einen klaren Überblick über die Daten gibt - wie viele Studien sind in die Analyse einbezogen, wie genau ist jede der Studien, ob der Effekt von Studie zu Studie konsistent ist oder zwischen den Studien erheblich variiert usw. Sie können diese Anzeige dann nach Bedarf anpassen. Fügen Sie Spalten hinzu oder entfernen Sie sie, legen Sie Berechnungsoptionen fest, öffnen Sie Tabellen mit zusätzlichen Statistiken. Es folgen einige Beispiele.

Studiengewichte anzeigen

Mit einem Klick können Sie eine Spalte einfügen, die die relative Gewichtung jeder Studie anzeigt. Mit diesem Mechanismus wird deutlich, ob der kombinierte Effekt eine Funktion vieler Studien ist, oder ob er hauptsächlich von einer kleinen Teilmenge der Studien angetrieben wurde.

Wählen Sie das Berechnungsmodell aus

Klicken Sie auf eine Registerkarte, um das Modell mit festem Effekt oder das Modell mit zufälligen Effekten auszuwählen. Sie können die beiden Modelle auch gleichzeitig anzeigen, sodass Sie sehen können, wie sich die Punktschätzung und das Konfidenzintervall zwischen den beiden Modellen unterscheiden.

Verstehen, wie sich das Berechnungsmodell auf die Studiengewichtungen auswirkt

Das Programm zeigt auch die relativen Gewichte für eine Analyse mit festen Effekten und eine Analyse mit zufälligen Effekten nebeneinander an. Dies hilft zu erklären, warum sich der kombinierte Effekt verschiebt, wenn wir von einem Modell mit festen Effekten zu einem Modell mit zufälligen Effekten übergehen (siehe Paper).

Anpassen des Analysebildschirms

Sie haben die volle Kontrolle über die Statistiken, die für jede Studie angezeigt werden. Sie können grundlegende Statistiken anzeigen, z. B. die Effektstärke, den Standardfehler und die Konfidenzgrenzen. Sie können Anzahl, z. B. Ereignisse und Stichprobengröße, für jede Gruppe anzeigen. Sie können Diagnosen für jede Studie anzeigen, z. B. das Residuum (der Abstand zwischen der Studie und dem kombinierten Effekt).

Wählen Sie den Index der Effektstärke aus

Die Symbolleiste enthält ein Dropdown-Feld, in dem alle verfügbaren Indizes für den Behandlungseffekt (oder die Effektgröße) aufgelistet sind. Wenn Sie eine Effektgröße auswählen, z. B. das Chancenverhältnis oder die standardisierte Mittelwertdifferenz, werden alle Statistiken, Gewichtungen und Diagramme automatisch aktualisiert.

Alle Details der Berechnungen anzeigen

Alle Berechnungen werden in einer Tabelle angezeigt. Sie können diese Tabelle anzeigen und tatsächlich alle Details der Berechnung verfolgen. Wenn Sie Ihre eigene Tabelle für die Meta-Analyse verwenden, können Sie diese Tabelle mit Ihrer eigenen vergleichen. Dies dient auch als einzigartiges Lehrmittel.

Erstellen Sie hochauflösende Walddiagramme mit einem einzigen Klick

Ein Schlüsselelement in jeder Meta-Analyse ist das Forest-Diagramm – ein Diagramm, das die Effektstärke und -genauigkeit für jede Studie sowie den kombinierten Effekt zeigt. Dieses Diagramm gibt der Analyse ein Gesicht – es zeigt, ob der kombinierte Effekt auf wenigen oder vielen Studien basiert, ob die Effektstärke konsistent ist oder variiert und so weiter. Daher spielt das Walddiagramm eine zentrale Rolle, um dem Forscher zu helfen, die Daten zu verstehen und die Ergebnisse auch an andere weiterzugeben.

Die meisten anderen Meta-Analyse-Programme verwenden Grafik-Engines, die für andere Zwecke entwickelt wurden, und stellen sie für die Erstellung von Waldparzellen in Betrieb. Im Gegensatz dazu wurde die Plotting-Engine in CMA speziell für den Zweck der Meta-Analyse entwickelt. Es ist sehr einfach zu bedienen und bietet eine breite Palette wichtiger Optionen.

Erstellen Sie mit einem Klick ein hochauflösendes Diagramm und passen Sie dann jedes Element im Diagramm an. Wählen Sie ein Symbol für Studien, für Untergruppen und für den Gesamteffekt aus. Geben Sie optional an, dass die Symbole proportional zu den Gewichtungen sein sollen, damit die Studien, die am meisten zum kombinierten Effekt beitragen, leicht zu erkennen sind. Legen Sie Farben und Schriftarten für jedes Element im Diagramm fest und exportieren Sie es dann mit einem einzigen Klick nach Word™ oder PowerPoint™!

> Klicken Sie hier, um es in Word™ zu sehen

Exportieren von Plots nach PowerPoint™

Mit einem Klick können Sie PowerPoint™ öffnen und eine Kopie der aktuellen Folie einfügen. Der gesamte Vorgang dauert ca. 2 Sekunden.

> Klicken Sie hier, um es in PowerPoint™ zu sehen

Berichte

Mit einem Klick erstellt das Programm ein Dokument, das alle Statistiken in einem für die Veröffentlichung geeigneten Format wiedergibt.

Mit einem zweiten Klick kommentiert das Programm dieses Dokument und erklärt die Bedeutung aller Statistiken sowie Annahmen und Einschränkungen

Mit einem dritten Klick exportiert das Programm dieses Dokument nach Word

Einen Beispielbericht finden Sie hier.

Video-Tutorials

Wir haben Videos mit Fallstudien entwickelt, die zeigen, wie man eine Analyse von Anfang bis Ende durchführt. Dazu gehören das Eingeben von Daten, das Ausführen der Analyse, das Erstellen von Diagrammen, das Vergleichen der Effektstärke in verschiedenen Untergruppen usw.

Entscheidend ist, dass in jedem Abschnitt des Videos nur noch erklärt wird, wie bestimmte Funktionen ausgeführt werden, aber welchen Zweck diese Funktionen im Kontext der Analyse erfüllen und wie die Bedeutung der Statistiken zu verstehen ist.

Jede Fallstudie dauert etwa neunzig Minuten. Sie können sich eine von Anfang bis Ende ansehen, um zu lernen, wie man eine Meta-Analyse durchführt und richtig berichtet. Oder Sie können von einem beliebigen Bildschirm im Programm zu dem Teil des Videos springen, in dem alle Funktionen auf diesem Bildschirm erklärt werden.

Vorhersage-Intervalle

In jeder Meta-Analyse ist es wichtig, die mittlere Effektstärke anzugeben und auch, wie stark die Effektstärke zwischen den Studien variiert. Diese Streuung wird durch das Vorhersageintervall adressiert. Auf diese Weise können wir beispielsweise berichten, dass die mittlere Effektstärke eine standardisierte mittlere Differenz von 0,50 ist, aber dass die tatsächliche Effektstärke in jeder einzelnen Population so niedrig wie 0,05 oder so hoch wie 0,95 sein kann. Viele Richtlinien für die Berichterstattung über eine Metaanalyse verlangen nun die Einbeziehung von Vorhersageintervallen.

In Version 4 bietet das Programm die Möglichkeit, das Vorhersageintervall als Teil des Walddiagramms anzuzeigen. Darüber hinaus können Sie mit einem Klick ein Diagramm erstellen, das die gesamte Verteilung der wahren Effekte zeigt. Mit einem weiteren Klick können Sie diese nach Word oder PowerPoint exportieren.

Häufige Fehler und wie man sie vermeidet

Wir haben kürzlich ein Buch mit dem Titel "Häufige Fehler in der Meta-Analyse und wie man sie vermeidet" veröffentlicht

Dieses Buch enthält Fehler in Bereichen wie der Auswahl eines statistischen Modells, Statistiken im Zusammenhang mit Heterogenität, dem Vergleich von Untergruppen von Studien, Publikationsverzerrungen und mehr.

Von jedem Bildschirm im Programm aus können Sie auf einen Link klicken, der eine PDF-Datei mit den relevanten Abschnitten des Buches öffnet.

Verwenden Sie eine kumulative Metaanalyse, um zu sehen, wie sich die Evidenz im Laufe der Zeit verändert hat

Eine kumulative Metaanalyse ist eigentlich eine Reihe von Metaanalysen, bei denen jede Analyse in der Sequenz eine zusätzliche Studie enthält. Die erste Zeile der Analyse könnte z. B. eine Studie enthalten, die 1990 veröffentlicht wurde, die nächste Zeile würde Studien enthalten, die 1990 und 1991 veröffentlicht wurden, usw. Eine kumulative Meta-Analyse kann retrospektiv durchgeführt werden, um zu zeigen, wie sich die Evidenz im Laufe der Zeit verändert hat (siehe z. B. die Lau-Studie), oder prospektiv, indem neue Studien der Evidenz hinzugefügt werden, sobald sie abgeschlossen sind (siehe das Beispiel Geburt).

Während die kumulative Metaanalyse am häufigsten verwendet wird, um Beweise im Laufe der Zeit zu verfolgen, kann sie auch verwendet werden, um zu zeigen, wie sich die Evidenz in Abhängigkeit von anderen Faktoren verschiebt. Zum Beispiel könnten wir die Daten nach Studiengröße sortieren und eine kumulative Analyse durchführen. In diesem Fall würde das Programm den kombinierten Effekt zeigen, wobei nur die größten Studien einbezogen wurden (nach oben) und wie sich dieser Effekt veränderte, wenn kleinere Studien zur Analyse hinzugefügt wurden (siehe das Beispiel des Passivrauchens). In ähnlicher Weise könnten wir mit den qualitativ hochwertigeren Studien beginnen und sehen, wie sich der Effekt verschiebt, wenn andere Studien hinzugefügt werden.

Verwenden Sie eine "Remove-One"-Analyse, um die Auswirkungen jeder Studie zu messen

Im Rahmen einer Sensitivitätsanalyse können wir die Auswirkungen jeder Studie auf den kombinierten Effekt bewerten. Wie wirkte sich zum Beispiel ein Ausreißer oder eine besonders große Studie auf den kombinierten Effekt aus? Oder hatte eine kleine Studie überhaupt einen Einfluss?

Um diese Art von Fragen zu beantworten, führt das Programm die Analyse automatisch mit allen Studien außer der ersten, dann mit allen Studien außer der zweiten usw. durch. Das resultierende Diagramm zeigt die Auswirkungen jeder Studie auf einen Blick.

Darüber hinaus haben Sie die Möglichkeit, die Analyse auszuführen, ohne dass eine Studie oder eine Reihe von Studien entfernt wurde – diese können über den Namen oder über den Wert einer Moderatorvariablen ausgewählt werden.

Arbeiten mit Teilmengen der Daten

Beim Ausführen der Analyse können Sie nach einer beliebigen Variablen oder Kombinationen von Variablen auswählen (oder filtern). Sie können Studien anhand des Studiennamens ein- oder ausschließen. Sie könnten Studien einschließen, die mit "Ja" für "Doppelblind" bewertet wurden. Sie könnten Studien einschließen, bei denen das Alter als "Älter" und der Patiententyp als "Chronisch" kodiert wurde.

Arbeiten Sie mit mehreren Untergruppen oder Ergebnissen innerhalb von Studien

Das Programm ermöglicht die Eingabe von Daten für mehr als eine Untergruppe, ein Ergebnis, einen Zeitpunkt oder einen Vergleich innerhalb von Studien und bietet verschiedene Möglichkeiten, diese in der Analyse zu behandeln.

Bewerten Sie die Auswirkungen von Moderatorvariablen

Wenn die Effektstärke von Studie zu Studie erheblich variiert, könnte ein wichtiges Ziel der Metaanalyse darin bestehen, den Grund für diese Variation zu verstehen.

Verwenden Sie die Varianzanalyse, um die Auswirkungen kategorischer Moderatoren zu bewerten. Zum Beispiel: "Ist die Behandlung bei akuten Patienten wirksamer als bei chronischen Patienten?" oder "Sind Hausaufgaben eine effektivere Intervention als Nachhilfe?"

Verwenden Sie die Meta-Regression, um die Auswirkungen kontinuierlicher Moderatorvariablen zu bewerten. Zum Beispiel: "Nimmt der Behandlungseffekt in Abhängigkeit von der Dosierung zu?" oder "Hängt die Größe der Effektstärke mit dem Alter der Schüler zusammen?"

Bewerten Sie die potenziellen Auswirkungen von Publikationsverzerrungen

Die Meta-Analyse bietet eine mathematisch genaue Synthese der verfügbaren Daten, aber es besteht die Befürchtung, dass signifikante Studien mit größerer Wahrscheinlichkeit veröffentlicht werden als nicht-signifikante Studien, und daher der Pool der verfügbaren Daten verzerrt sein könnte. Das Programm enthält eine Reihe von Funktionen, mit denen die potenziellen Auswirkungen dieser Verzerrung als eine Art Sensitivitätsanalyse bewertet werden können.