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

Search Medline for

  • 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: urn:nbn:de:0183-11gmds0199

Published: September 20, 2011

© 2011 Preuß et al.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.


Outline

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.