Meta analysis là gì? Cách làm nghiên cứu tổng hợp lần đầu

Trả lời trực tiếp: Meta-analysis là phương pháp thống kê gộp kết quả định lượng của nhiều nghiên cứu cùng trả lời một câu hỏi, cho ra một ước lượng hiệu ứng chung. Theo Borenstein và cộng sự (2021), đây là lựa chọn đúng khi đã có nhiều nghiên cứu so sánh được và cùng báo cáo một kết cục đo được, nhưng từng nghiên cứu riêng lẻ lại quá nhỏ hoặc thiếu nhất quán để tự kết luận.

Bằng chứng: Higgins và cộng sự (2024), trong Cochrane Handbook for Systematic Reviews of Interventions, định nghĩa meta-analysis là gộp thống kê kết quả từ hai nghiên cứu riêng biệt trở lên, và nhấn mạnh rằng nó phải nằm bên trong một tổng quan hệ thống chứ không đứng một mình. Borenstein và cộng sự (2021) lưu ý rằng gộp kết quả làm tăng lực thống kê và độ chính xác so với bất kỳ nghiên cứu đơn lẻ nào.

Ví dụ: Một sinh viên năm nhất người Việt đang chuẩn bị hồ sơ học bổng muốn "làm nghiên cứu từ con số không" nhưng không có phòng thí nghiệm. Cố vấn MAAS gợi ý chị cân nhắc một meta-analysis từ các nghiên cứu đã có trong ngành. Đó là một thiết kế khả thi, ít phụ thuộc dữ liệu mới, và cho phép chị tự làm ra một bài định lượng đăng được mà không phải chạy thêm một thí nghiệm nào.

Trả lời trực tiếp: Tổng quan hệ thống là toàn bộ quy trình tìm, thẩm định và tổng hợp mọi nghiên cứu liên quan tới một câu hỏi, theo cách lặp lại được. Meta-analysis là bước thống kê tuỳ chọn nằm bên trong tổng quan đó, dùng để gộp các kết quả bằng số. Mọi meta-analysis vững đều dựng trên một tổng quan hệ thống, nhưng không phải tổng quan hệ thống nào cũng kết thúc bằng một meta-analysis.

Bằng chứng: Page và cộng sự (2021) công bố PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) trên BMJ như chuẩn báo cáo cho cả hai loại nghiên cứu, và coi khâu tìm và chọn có hệ thống là nền móng, còn phần tổng hợp bằng meta-analysis chỉ là một kết quả khả dĩ. Khi các nghiên cứu quá khác nhau về lâm sàng hoặc về phương pháp, Cochrane Handbook khuyên tổng hợp bằng lời thay vì cố ép ra một con số gộp.

Ví dụ: Một tác giả được MAAS hướng dẫn tưởng có thể bỏ qua đề cương tìm kiếm để nhảy thẳng vào "phần thống kê". Cố vấn dẫn chị đi qua đúng thứ tự, bắt đầu từ đăng ký đề cương và tìm kiếm có hệ thống, rồi mới tới meta-analysis, và chỉ làm khi các nghiên cứu đủ giống nhau. Vài ngày đi đường vòng đó đã bảo vệ độ tin cậy cho nhiều tháng làm việc. Bài hướng dẫn đi kèm về cách thiết kế một tổng quan hệ thống trong khoa học sức khoẻ bàn chi tiết phần nền móng này.

Trả lời trực tiếp: Hãy biến chủ đề thành một câu hỏi tập trung và trả lời được bằng khung PICO (Population, Intervention, Comparison, Outcome). Trước khi sàng lọc dù chỉ một nghiên cứu, bạn viết và đăng ký đề cương đầy đủ, mà với nghiên cứu sức khoẻ thì nơi đăng ký thường là PROSPERO. Đăng ký đóng dấu thời gian cho phương pháp, và chặn chuyện câu hỏi lặng lẽ đổi đi cho khớp với kết quả.

Bằng chứng: Cochrane Handbook quy định dùng PICO để phát triển câu hỏi tổng quan. Theo University of York, Centre for Reviews and Dissemination (n.d.), PROSPERO yêu cầu nộp một đề cương hoàn chỉnh trước khi bắt đầu trích xuất dữ liệu, rồi cấp một mã đăng ký gắn với công bố về sau. PRISMA 2020 xếp mã đăng ký đó vào nhóm mục bắt buộc phải báo cáo.

Ví dụ: Một nghiên cứu sinh người Việt khởi đầu với chủ đề "AI trong chẩn đoán", rộng tới mức không gộp được. Cố vấn MAAS hướng dẫn chị dùng PICO để tự cố định quần thể, nhóm so sánh và một kết cục đo được duy nhất. Câu hỏi của chị trở nên đủ chính xác để các nghiên cứu đủ điều kiện thật sự báo cáo cùng một hiệu ứng, và đó chính là điều kiện làm cho phép gộp có giá trị.

Trả lời trực tiếp: Hãy chọn một thước đo hiệu ứng chung mà mọi nghiên cứu được đưa vào đều quy đổi về được. Với kết cục nhị phân thì thường là risk ratio hoặc odds ratio, với kết cục liên tục thì thường là standardised mean difference (Cohen's d hoặc Hedges' g). Bạn trích từ mỗi nghiên cứu những con số cần thiết để tính thước đo, bằng biểu mẫu đã chạy thử và được hai người làm độc lập.

Bằng chứng: Cochrane Handbook của Higgins và cộng sự (2024) yêu cầu ít nhất hai người rà soát độc lập cùng trích xuất dữ liệu để giảm sai sót, và khớp lựa chọn cỡ hiệu ứng với loại kết cục. Borenstein và cộng sự (2021) nhấn mạnh mọi nghiên cứu phải được đưa về cùng một thang cỡ hiệu ứng trước khi có thể gộp lại.

Ví dụ: Một nhà nghiên cứu ngành dược được MAAS hướng dẫn gặp các nghiên cứu báo cáo kết cục theo ba kiểu khác nhau, gồm trung bình, trung vị và tỷ lệ phần trăm. Cố vấn hướng dẫn chị dựng một bảng trích xuất duy nhất, tự quy đổi từng nghiên cứu về standardised mean difference ở những chỗ quy đổi được, và tách riêng hai nghiên cứu không quy đổi được để xử lý bằng phần tổng hợp lời văn, thay vì làm méo con số gộp.

Trả lời trực tiếp: Chỉ dùng mô hình fixed-effect khi bạn giả định được rằng mọi nghiên cứu đang ước lượng cùng một hiệu ứng thật, và dùng random-effects khi hiệu ứng thật có khả năng khác nhau giữa các nghiên cứu do khác biệt về quần thể, bối cảnh hay phương pháp. Với hầu hết tổng quan trong thực tế, kể cả tổng quan của người mới, random-effects là lựa chọn mặc định an toàn và dễ bảo vệ hơn.

Bằng chứng: Borenstein và cộng sự (2021) giải thích rằng hai mô hình trả lời hai câu hỏi khác nhau, nên bạn phải chọn dựa trên lập luận khái niệm từ trước khi nhìn dữ liệu, chứ không chọn cái nào cho ra kết quả gọn hơn. Cochrane Handbook lưu ý mô hình random-effects đưa cả phần biến thiên giữa các nghiên cứu vào khoảng tin cậy.

Ví dụ: Một nhà nghiên cứu Việt gộp các nghiên cứu từ nhiều quốc gia và nhiều nhóm tuổi, ban đầu chọn fixed-effect vì khoảng tin cậy trông hẹp hơn. Cố vấn MAAS giải thích rằng các quần thể rõ ràng khác nhau, nên random-effects mới là lựa chọn trung thực. Phản biện Q1 sẽ dò tới đúng chỗ này, tức là bạn có bảo vệ được lựa chọn mô hình của mình hay không.

Trả lời trực tiếp: Tính không đồng nhất (heterogeneity) là mức biến thiên của hiệu ứng thật giữa các nghiên cứu, vượt quá mức ngẫu nhiên. Hãy định lượng nó bằng Cochran's Q, tức kiểm định ý nghĩa, và bằng chỉ số I², vốn thể hiện phần trăm biến thiên do khác biệt thật gây ra chứ không do sai số lấy mẫu. Mức không đồng nhất cao là tín hiệu để tìm nguyên nhân, không phải lý do bỏ con số gộp.

Bằng chứng: Higgins và cộng sự (2003) giới thiệu I² như một thước đo mức thiếu nhất quán, và khác với Q, chỉ số này không phụ thuộc vào số lượng nghiên cứu. Chính nhóm tác giả ấy viết nguyên văn rằng "the quantity, which we call I², describes the percentage of total variation across studies that is due to heterogeneity rather than chance" (Higgins và cộng sự, 2003), nghĩa là I² đo đúng phần trăm biến thiên do khác biệt thật giữa các nghiên cứu gây ra, tách bạch khỏi phần biến thiên chỉ do ngẫu nhiên. Các mốc tham chiếu thô là khoảng 25%, 50% và 75%, ứng với mức thấp, trung bình và cao. Cochrane Handbook khuyên nên tìm hiểu mức không đồng nhất đáng kể bằng phân tích dưới nhóm hoặc meta-regression, thay vì làm ngơ.

Ví dụ: Lần gộp đầu tiên của một khách MAAS cho ra I² bằng 82%, cao hơn hẳn mốc 75% mà Higgins và cộng sự (2003) coi là mức cao. Thay vì báo cáo một con số duy nhất dễ gây hiểu lầm, cố vấn hướng dẫn chị làm phân tích dưới nhóm theo thiết kế nghiên cứu. Kết quả cho thấy các nghiên cứu quan sát và các nghiên cứu can thiệp ngẫu nhiên có đối chứng kéo về hai hướng ngược nhau, và phát hiện đó trở thành phần thú vị nhất trong bài của chị.

Trả lời trực tiếp: Hãy đánh giá thiên lệch công bố, tức xu hướng kết quả dương tính dễ được đăng hơn, bằng biểu đồ phễu (funnel plot). Khi có khoảng mười nghiên cứu trở lên, hãy dùng thêm kiểm định thống kê như Egger's test. Sau đó bạn báo cáo từng bước theo PRISMA 2020, và xếp hạng độ chắc chắn của bằng chứng, thường bằng GRADE, để người đọc tự phán được nên tin con số gộp tới đâu.

Bằng chứng: Egger và cộng sự (1997) đề xuất kiểm định độ bất đối xứng của biểu đồ phễu để phát hiện thiên lệch trong meta-analysis. Page và cộng sự (2021) cung cấp trong PRISMA 2020 một bảng kiểm 27 mục cùng lưu đồ mà các tạp chí trông đợi. GRADE Working Group (n.d.) mô tả cách tiếp cận GRADE, viết tắt của Grading of Recommendations Assessment, Development and Evaluation, xếp hạng độ chắc chắn theo nhiều chiều, gồm nguy cơ sai lệch, mức thiếu nhất quán và mức thiếu chính xác.

Ví dụ: Biểu đồ phễu của một nhà nghiên cứu Việt trông bất đối xứng, gợi ý rằng những nghiên cứu nhỏ cho kết quả âm tính đang bị thiếu. Cố vấn MAAS giúp chị báo cáo minh bạch điều này như một giới hạn, đồng thời hạ mức chắc chắn theo GRADE. Động tác đó làm tăng chứ không làm giảm niềm tin của phản biện, và bài được nhận vào một tạp chí Q2 sau một vòng chỉnh sửa.