Мета-анализ и систематический обзор: в чём разница

Эти два слова часто ставят рядом, будто это одно и то же. На практике вопрос «как сделать мета-анализ» и вопрос «как написать систематический обзор» лежат в разных плоскостях. Обзор это про метод поиска и отбора исследований. Мета-анализ относится к статистике: это способ сложить числовые результаты нескольких работ в одну оценку. Можно сделать обзор без мета-анализа. Сделать корректный мета-анализ без обзора нельзя, потому что иначе непонятно, откуда вы взяли исследования и почему именно эти.

Разберём границу по-человечески, без формул на полстраницы, и посмотрим, когда объединять данные вообще можно, а когда нет.

Что такое систематический обзор

Систематический обзор это исследование, в котором вопрос задан заранее, а поиск, отбор и оценка работ идут по прописанному и воспроизводимому протоколу. Цель в том, чтобы собрать все релевантные исследования по теме, а не выборочно те, что подтверждают вашу гипотезу. Отсюда жёсткая логика: критерии включения и исключения, поиск по нескольким базам, скрининг в две пары глаз, оценка риска систематической ошибки.

Финал обзора не обязан быть числом. Если исследования слишком разные по дизайну, популяции или способу измерения, синтез остаётся качественным: вы описываете, что нашли, где результаты сходятся, где противоречат и почему. Это нормальный и полноценный результат.

Если этот этап для вас пока в тумане, начните с пошагового разбора в нашем пилларе систематический обзор литературы: как написать. Здесь сосредоточимся на статистической надстройке.

Что такое мета-анализ

Мета-анализ это статистический метод, который объединяет числовые результаты отдельных исследований в единую сводную оценку. Грубо говоря, вы берёте размеры эффекта из десятка работ и считаете один общий размер эффекта, более точный, чем любая из работ по отдельности, потому что под ним больше наблюдений.

Ключевой момент: мета-анализ это не «обзор повышенной сложности», а инструмент внутри обзора. По логике Cochrane мета-анализ выполняется на той выборке исследований, которую дал систематический поиск и отбор. Сначала строгий обзор, потом, если данные позволяют, статистический синтез поверх него. Перевернуть порядок нельзя: если выборка собрана тенденциозно, любая красивая сводная цифра наследует эту тенденциозность.

Поэтому фраза «систематический обзор и мета-анализ» в заголовке статьи означает именно это. Авторы провели обзор и поверх однородной части данных посчитали мета-анализ.

Когда данные можно объединять, а когда нельзя

Главный вопрос перед любым мета-анализом звучит так: имеет ли смысл вообще складывать эти исследования в одну цифру. Если работы измеряют принципиально разные вещи, усреднять их бессмысленно, и сводная оценка будет красивой, но пустой.

Здесь появляется понятие гетерогенности, то есть разброса результатов между исследованиями сверх того, что объясняется случайностью. Cochrane предлагает оценивать её двумя инструментами.

• Тест хи-квадрат (Chi²). Проверяет, превышают ли различия между исследованиями то, что можно списать на случай. Низкое p-значение говорит о наличии гетерогенности. Слабое место теста: при малом числе исследований он почти ничего не ловит, поэтому «незначимый» результат не доказывает однородность.
• Статистика I². Показывает, какая доля разброса в оценках эффекта объясняется реальной гетерогенностью, а не случайностью. Её удобно читать в процентах.

Для I² в руководстве Cochrane дан ориентировочный диапазон именно как грубый ориентир, а не как порог «годен или нет»:

Значение I²	Как трактовать (по Cochrane)
0-40%	возможно, несущественна
30-60%	умеренная гетерогенность
50-90%	существенная гетерогенность
75-100%	значительная гетерогенность

Диапазоны нарочно перекрываются. Cochrane прямо предупреждает: толковать I² нужно с оглядкой на величину и направление эффекта, а не механически по числу. Высокая гетерогенность не запрет на мета-анализ, но сигнал разобраться, откуда разброс, и, возможно, не объединять всё в одну кучу, а разбить на подгруппы.

На практике решение про объединение принимают ещё до статистики, на уровне здравого смысла. Если в выборке вперемешку рандомизированные испытания и наблюдательные когорты, разные дозы, разные сроки наблюдения, то честнее описать их раздельно, чем усреднять.

Базовые понятия, без которых не разобраться

Чтобы прочитать чужой мета-анализ или сделать свой, хватит четырёх опорных терминов.

Размер эффекта. Числовая мера того, насколько вмешательство меняет исход. Для бинарных исходов (выжил или нет, заболел или нет) это отношение рисков, отношение шансов или разность рисков. Для непрерывных (давление, баллы по шкале) это разность средних, а когда шкалы у исследований разные, стандартизированная разность средних. Мета-анализ объединяет именно размеры эффекта, а не сырые средние из таблиц.

Доверительный интервал. Диапазон, в котором с заданной вероятностью лежит истинное значение эффекта. Узкий интервал означает более точную оценку. Когда складывают много исследований, доверительный интервал сводной оценки сужается, в этом и смысл объединения.

Forest plot. График, на котором каждое исследование показано квадратом (точечная оценка эффекта) и горизонтальной линией (его доверительный интервал). Размер квадрата отражает вес работы. Внизу ромб обозначает сводную оценку по всем исследованиям. По тому, насколько перекрываются линии отдельных работ, гетерогенность видно на глаз ещё до всякого I².

Модель: фиксированный или случайный эффект. Это про допущение, лежащее под расчётом. Модель фиксированного эффекта исходит из того, что у всех исследований один и тот же истинный эффект, а различия от случайности. Модель случайных эффектов допускает, что истинные эффекты у работ разные, но связанные, и даёт более широкий доверительный интервал. Когда гетерогенности нет, обе модели дают одинаковый ответ. Когда она есть, фиксированная модель занижает неопределённость и интервал получается обманчиво узким, поэтому при заметной гетерогенности обычно берут случайные эффекты.

Какими инструментами считают

Вручную мета-анализ не делают, для этого есть специализированный софт.

• RevMan (Review Manager). Программа Cochrane для систематических обзоров. В ней мета-анализ встроен: вы вводите данные по исследованиям, выбираете меру эффекта и модель, и программа сама строит forest plot и считает I² и тест хи-квадрат. Один из основных методов объединения это обратно-дисперсионное взвешивание, а для бинарных исходов часто применяют метод Мантеля-Хензеля.
• R с пакетом metafor. Бесплатный пакет для R, автор Wolfgang Viechtbauer. Считает размеры эффекта, подгоняет модели с равным, фиксированным, случайным и смешанным эффектом, делает мета-регрессию и анализ модераторов, строит визуализации. Это выбор тех, кому нужны нестандартные модели или воспроизводимый скрипт.
• Из той же среды R популярен пакет meta, а для тех, кто не дружит с кодом, есть бесплатная программа с графическим интерфейсом. Логика везде одна.

Выбор инструмента вторичен. Первично то, что в него попадёт: корректно отобранные исследования и аккуратно извлечённые числа.

С чего на самом деле начинается мета-анализ

Парадокс в том, что собственно статистика это последний и самый короткий этап. Программа посчитает forest plot за секунды. Девяносто процентов работы это то, что было до неё: воспроизводимый поиск, отбор по критериям и извлечение из каждой статьи нужных чисел, размера выборки, средних, отклонений или количества событий. Ошибка на этом этапе не лечится никакой моделью.

Именно здесь обычно теряются недели. Нужно прочитать десятки полных текстов, найти в каждом нужные показатели и свести их в одну таблицу так, чтобы потом можно было проверить, откуда взялась каждая цифра. Нейросинт закрывает ровно этот участок: собирает выборку по нескольким базам в логике PRISMA и извлекает данные из полного текста PDF в структурированную таблицу, где за каждым значением стоит цитата с привязкой к странице. Готовую таблицу остаётся загрузить в RevMan или R. Сам мета-анализ вы по-прежнему делаете и интерпретируете сами, инструмент снимает с вас ручное копирование и риск потерять источник числа.

Если по ходу всплывают незнакомые термины, держите под рукой глоссарий.

Частые вопросы

Можно ли сделать мета-анализ без систематического обзора? Технически посчитать сводную оценку можно по любому набору исследований. Но без воспроизводимого поиска и отбора непонятно, репрезентативна ли выборка, и результат не считается доказательным. Корректный мета-анализ всегда стоит на систематическом обзоре.

Чем мета-анализ отличается от систематического обзора в двух словах? Обзор это метод поиска и отбора исследований. Мета-анализ это статистический метод их объединения. Обзор может обойтись без мета-анализа, мета-анализ без обзора нет.

Что значит высокий I²? I² показывает долю разброса между исследованиями, объясняемую реальной гетерогенностью. По ориентиру Cochrane значения примерно от 50% обычно трактуют как умеренную-существенную гетерогенность, но диапазоны перекрываются, и решают не по одному порогу: I² читают вместе с величиной и направлением эффекта. Это повод разобраться в причинах разброса, а не автоматический запрет объединять данные.

Фиксированный эффект или случайный? Если гетерогенности практически нет, обе модели дадут близкий ответ. При заметном разбросе берут случайные эффекты: они честнее отражают неопределённость и дают более широкий доверительный интервал.

RevMan или R metafor для начинающего? RevMan проще на старте: интерфейс, встроенные forest plot и расчёт гетерогенности. R с metafor гибче и воспроизводимее, но требует базового кода. Для первого мета-анализа разумно начать с RevMan.