gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

Ein R-Paket zur Berechnung der exakten Verteilung von Q und I² für Metaanalysen

Meeting Abstract

Suche in Medline nach

  • Michael Preuß - Universitätsklinikum Schleswig-Holstein, Lübeck
  • Andreas Ziegler - Universitätsklinikum Schleswig-Holstein, Lübeck

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds019

doi: 10.3205/11gmds019, urn:nbn:de:0183-11gmds0199

Veröffentlicht: 20. September 2011

© 2011 Preuß et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

In der evidenzbasierten Medizin ist das zufällige Effekte Modell in Bezug auf Metaanalysen ein unverzichtbarer Bestandteil geworden [1]. Es berücksichtigt die Varianz zwischen Studien τ², also die Heterogenität zwischen den Studien. Diese Art von Heterogenität kann u.a. bei unterschiedlichen Stichproben und damit einhergehenden Stichprobenfehler oder bei abweichender Definition der Zielgröße der einzelnen Studien beobachtet werden [2]. Üblicherweise wird zur Schätzung von τ² die Momentenmethode verwendet, die von DerSimonian und Laird [2] vorgeschlagen wurde. Die Berechnung des momentenbasierten Schätzers von τ² enthält u.a. die Cochran Q-Statistik; der entsprechende Test prüft auf die Gleichheit mehrerer Varianzen. Die Teststatistik ist insbesondere Bestandteil zur Berechnung des Heterogenitätsschätzers I² [3]. Die propagierten Vorteile des I² sind die Unabhängigkeit von der Anzahl der Studien sowie die einfache Interpretation gegenüber der Cochran Q-Statistik bzw. τ² [4]. Die übliche momentenbasierte Schätzung von I² bezieht jedoch nicht die Annahme einer Verteilung unter dem zufälligen Effekte Modells mit ein. Biggerstaff und Jackson zeigten auf, wie sowohl die exakte Verteilung der Cochran Q-Statistik als auch die exakte Verteilung von I² unter Berücksichtigung des zufälligen Effekte Modells hergeleitet werden kann [5]. Mithilfe der exakten Verteilung ist es nun möglich die Heterogenitätsmaße ohne Monte Carlo Fehler zu untersuchen.

Diese Arbeit erläutert sowohl die Herleitung des exakten I² Maß unter Berücksichtigung des zufälligen Effekte Modells. Zudem wird ein selbstentwickeltes R-Paket vorgestellt, welches die Funktionalität zur Berechnung der exakten Verteilungen von Q und I² bietet. Mithilfe des R-Pakets wurden Simulationsergebnisse von Mittlböck und Heinzl [6] bezüglich Q und I² hinsichtlich der exakten Verteilung beider Maße betrachtet und Schlussfolgerungen für die exakte Verteilung neu bewertet.


Literatur

1.
Higgins J, Green S. Cochrane Handbook for Systematic Reviews of Interventions, Version 5.1.0 [updated March 2011]. 2011
2.
DerSimonian R, Laird N. Meta-analysis in clinical trials. Controlled Clinical Trials. 1986;7:177-188.
3.
Higgins JPT, Thompson SG. Quantifying heterogeneity in a meta-analysis. Statistics in Medicine. 2002;21:1539-1558.
4.
Rucker G, Schwarzer G, Carpenter J, Schumacher M. Undue reliance on I2 in assessing heterogeneity may mislead. BMC Medical Research Methodology. 2008;8:79.
5.
Biggerstaff BJ, Jackson D. The exact distribution of Cochran's heterogeneity statistic in one-way random effects meta-analysis. Statistics in Medicine. 2008;27:6093-6110.
6.
Mittlböck M, Heinzl H. A simulation study comparing properties of heterogeneity measures in meta-analyses. Statistics in Medicine. 2006;25:4321-4333.