วิธีอ่าน meta-analysis
บทความดีๆจาก เพจ 1412
กลับมาพบกับพี่อีกครั้งในช่วงเทคนิคการอ่านวารสารทางการแพทย์เบื้องต้น สำหรับน้องๆแพทย์ประจำบ้านชั้นปีที่ 1 น้องๆอย่าเพิ่งเบื่อพี่นะครับ ถ้ายังจำกันได้ครั้งที่แล้วพี่แนะนำวิธี appraise การศึกษาที่เป็น RCT อย่างละเอียดรวมถึงวิธีตอบข้อสอบแบบ oral ให้ได้คะแนนสูงทีสุด
แต่วันนี้พี่จะมาสอนวิธีอ่านการศึกษาอีกรูปแบบหนึ่งที่น้องอาจจะเจอได้บ่อยๆก็คือ การนำการศึกษาหลายๆชิ้นที่เคยทำมาแล้วในอดีต จะเป็น RCT หรือ observational studies ก็ได้ มายำๆรวมกันแล้ววิเคราะห์ใหม่อีกครั้ง
การทำแบบนี้เรียกว่า การปริทัศน์เป็นระบบ หรือ systematic review
วิธีทางสถิติที่ใช้วิเคราะห์เรียกว่า การวิเคราะห์อภิมาน หรือ meta-analysis
วิธีอ่าน meta-analysis ไว้ตอบสอบอาจารย์แอดมินหลายท่านเคยเขียนไว้แล้ว น้องๆลองย้อนไปหาอ่านกันดู แต่วันนี้พี่จะมาสอนส่วนต่อจากนั้นขึ้นไปอีก ซึ่งอาจจะไม่ได้ใช้ตอบสอบ แต่น้องๆน่าจะได้ใช้ประโยชน์ในการอ่านวารสารจริง
นั่นก็คือ "วิธี appraise meta-analysis ของการศึกษาที่เป็น RCT"
การประเมินความน่าเชื่อถือ หรือ validity ของ meta-analysis ที่เป็น RCT ขึ้นกับปัจจัยหลักๆสามอย่าง เพื่อให้น้องๆเข้าใจง่ายขึ้นและจดจำได้แม่นยำพี่จะขอยกตัวอย่างง่ายๆนะครับ
สมมุติพี่กับน้องๆเราเป็นทีมเดียวกัน พวกเราเห็นว่ามีการศึกษายา A เปรียบเทียบกับยา B ในผู้ป่วย AF 20 การศึกษาที่มีการตีพิมพ์ในประเทศไทย เราอยากปริทัศน์เป็นระบบ เอาการศึกษาทั้งยี่สิบชิ้นมาเทใส่กระจาดเดียวกัน เนื่องจากทั้งยี่สิบการศึกษามีขนาดไม่เท่ากัน ใหญ่บ้างเล็กบ้าง เหมือนตัวละครใน angry birds มีนกตัวสีดำ นกตัวสีแดง นกตัวสีเหลือง นกตัวสีขาว อย่างตัวดำตัวเค้าจะใหญ่ ดังนั้นผลการศึกษาของเค้าก็จะมีน้ำหนักมากกว่าการศึกษาอื่นๆในกะละมังเดียวกัน ก่อนที่พี่จะเริ่มทำการวิเคราะห์ค่าถัวเฉลี่ยของผลการศึกษาทั้งหมดด้วยวิธีทางสถิติ หรือที่เรียกว่า meta-analysis น้องๆอาจจะแย้งขึ้นมาว่า หยั่งงี้ก็ได้เหรอพี่ มันไม่น่าเชื่อถือนะครับ เพราะอะไรถึงไม่น่าเชื่อถือ? เพราะปัจจัย 3 อย่าง ซึ่งพี่ต้องตอบคำถามและอธิบายให้ชัดเจนก่อน น้องถึงจะเชื่อถ้าหากเราเริ่มทำการวิเคราะห์
ทั้งสามข้อนี้ก็คือแกนในการ appraise meta-analysis ของ RCT นั่นเองครับ
(1) Heterogeneity คำนี้มีชื่อเต็มๆว่า statistical between studies heterogeneity หมายความว่า ผลการศึกษาที่ออกมาไม่เท่ากันหรือแตกต่างกันระหว่างยี่สิบการศึกษาที่เราเอามายำนั้น ถ้าแต่ละการศึกษามีองค์ประกอบใกล้เคียงกันจริงๆ ผลการศึกษามันควรจะต่างกันไม่เกินพิสัยหนึ่งที่เรารับได้ คือเราพอจะเชื่อได้ว่าความแตกต่างนั้นเกิด by chance นั่นก็คือไม่มี heterogeneity
แต่ถ้ามันมีองค์ประกอบแตกต่างกันจริงๆ ให้น้องๆสังเกตพวก angry birds ไม่ใช่แค่ขนาดที่ต่าง สี ลักษณะขน ความนุ่มหยาบของขนก็ต่างกันไปหมด ดังนั้นถ้าผลการศึกษาที่ออกมาแตกต่างกันนั้นเกินพิสัยที่รับได้ คือเกินกว่าที่จะเกิดขึ้น by chance เพียงอย่างเดียว นั่นแสดงว่ามี heterogeneity ระหว่างการศึกษานั่นเอง ซึ่งเราไม่สามารถบอกด้วยตาเปล่าจาก Forest Plot นะครับ ต้องใช้วิธีทางสถิติในการบอก อย่างที่กล่าวถึงในโพสท์ก่อนหน้านี้ นั่นก็คือ Test of Heterogeneity อย่าง Cochran's Q หรือ I2
สิ่งที่ทำให้มันต่างกันเกินพิสัยที่ว่านี้มีสองอย่าง
√ clinical difference คือ ลักษณะของคนไข้ที่แตกต่างกัน ความเสี่ยงที่ไม่เท่ากัน วิธีการให้ยาศึกษาที่อาจไม่เหมือนกัน ในแต่ละการศึกษา
√ methodological difference ส่วนนี้จะเป็นความแตกต่างในการควบคุมการศึกษาที่ไม่เท่ากัน หรือ bias ภายในการศึกษาที่ไม่เท่ากัน
ปัจจัยทั้งสองอย่างที่ว่านี้ อยากรู้รายละเอียดเราต้องขุดไปดูการศึกษาต้นฉบับทั้งหมด ถ้าทีมผู้วิจัยประเมินแล้วว่ามี Heterogeneity จากการทดสอบด้วยวิธีทางสถิติข้างต้น วิธีในการเฉลี่ยค่า Hazard Ratio หรือ pooled HR จะใช้โมเดลในการคำนวณที่เรียกว่า "random-effect model" คือเป็นโมเดลที่อนุมานว่า true treatment effect จากแต่ละการศึกษาไม่ได้เท่ากัน แต่ถ้าไม่มี Heterogeneity ทีมผู้วิจัยจะเลือกใช้ "fixed-effect model" ได้เลย ซึ่งมีความน่าเชื่อถือมากกว่า อย่างที่เรามักจะเห็นเขียนกำกับไว้ใน Forest Plot ทั้งสองวิธี
แต่ถึงแม้จะใช้ random-effect model เราต้องตระหนักไว้เสมอว่า Heterogeneity ยิ่งมาก ความน่าเชื่อถือของ pooled HR ก็จะยิ่งลดลง random-effect model ไม่ใช่พระเจ้า มันก็มีขอบเขตของมัน แล้วเราจะรู้ได้อย่างไรว่ามันมี Heterogeneity เกินกว่าที่จะเชื่อถือได้แม้จะใช้ random-effect model จุดนี้ต้องอาศัย Funnel Plot ช่วย ซึ่งพี่จะมาสอนวิธีอ่านให้ตั้งแต่ขั้นพื้นฐานในตอนต่อไป
(2) Small study effect เนื่องจากการศึกษาที่เล็ก โอกาส sampling error มีสูงกว่า การควบคุมการศึกษาก็มักจะทำได้ไม่ดีพอเมื่อเทียบกับการศึกษาที่ใหญ่กว่า ผลที่ออกมาอาจจะแตกต่างออกจากกลุ่มไปได้มาก ซึ่งเราจะพอมองเห็นได้จาก Forest Plot การศึกษาที่มีขนาดของสี่เหลี่ยมเล็กมากๆ ซึ่งมักจะมี upper และ lower boundary กว้าง ถ้ามีผลต่างออกจากกลุ่มไปเยอะๆ อาจทำให้ความน่าเชื่อถือของ meta-analysis ลดลง ทีมผู้วิจัยอาจลองตัดการศึกษาเหล่านี้ออกและทำการวิเคราะห์ใหม่ เราเรียกว่า วิธีนี้ว่า sensitivity analysis อย่างที่พี่เคยเขียนไว้ในโพสท์ก่อนหน้านี้
(3) Reporting bias อย่าใช้คำว่า Publication bias อย่างเดียว เพราะมันจะแคบไป คำว่า Reporting bias หมายความรวม Publication bias และ Outcome reporting กับ Analysis reporting bias เอาไว้ด้วยกัน
√ Publication bias ผลการศึกษาบางอย่างอาจเลือกถูกตีพิมพ์ การศึกษาที่เป็น negative study มักจะไม่ถูกตีพิมพ์เป็นภาษาอังกฤษ หรือหาได้ยากกว่าใน citation การศึกษาที่ให้ผลบวกอาจถูกตีพิมพ์ได้มากกว่าหนึ่งครั้ง ทำให้การแปลผล meta-analysis ต้องระมัดระวังมากขึ้น
√ Outcome reporting bias ผลการศึกษาบางอย่าง ทีมผู้วิจัยอาจเลือกที่จะไม่รายงาน
√ Analysis reporting bias ทีมผู้วัจัยเลือกวิเคราะห์ผลที่ให้ p value ที่มีนัยสำคัญ ยกตัวอย่าง outcome ที่เป็น revascularization ของ HOPE-3 ไม่ได้ถูกตั้งไว้เป็น pre-specified outcome แต่มีการวิเคราะห์และรายงานผลออกมา เนื่องจากวิเคราะห์แล้วมีนัยสำคัญทางสถิติเป็นต้น เมื่อมีการทำ meta-analysis โดยใช้ข้อมูลจากส่วนนี้ของ HOPE-3 ก็อาจถือเป็น reporting bias ได้เช่นเดียวกัน
ขอโทษที่ยาวไปนะครับ ถ้าอ่านแล้วเข้าใจง่าย และ อยากให้พี่สอนวิธีอ่าน Funnel Plot ต่อ กดไลค์เป็นกำลังใจให้พี่ด้วยนะครับ
Wipat
ไม่มีความคิดเห็น:
แสดงความคิดเห็น