Statistik

Mittelwertsunterschiede (standardisiert oder nicht; zwischen oder innerhalb Gruppen) 

Risk Ratios 

Odds Ratios 

Incidence Ratios

Nicht standardisierte MD nur wenn alle Studien gleichen Fragebogen benutzt 

-> also meistens standardized mean difference SMD 

Treatment Gruppe - post werte für Mittelwert, Standardabweichung, Gruppengröße 

Kontrollgruppe - Post Werte für Mittelwert, Standardabweichung, Gruppengröße 

Siehe Abbildung 

Unterschied: Annahme bzgl wahrer Effekt 

- Common: alle beobachteten Effekte stammen aus Population und teilen sich einen wahren Effekt 

- Random: auch wahre Effekte unterscheiden sich zwischen jeder SP; Streuung wahrer Effekte mit τ^2 angegeben 

--> Common Effects schwer in Praxis zu übertragen (meist Unterschied zwischen Studien in Intervention, Outcomes, Settings,..) --> Varianz miteinbeziehen --> Random effects 

Im Random effects model Studienheterogenität angenommen 

Design/ Baseline Heterogenität 

Statistische Heterogenität 

τ^2 gibt varianz des wahren Effekts über Studien hinweg an --> hoch --> wahre Effekte variieren über Studien hinweg sehr stark --> gepoolter Effekt ist wenig aussagekräftig 

Der DerSimonian-Laird DL Schätzer 

Restricted Maximum Likelihoof REML oder Maximum Likelihood ML Verfahren 

Paule-Mandel PM Verfshren

Empirical Bayes EB Verfahren (quasi gleich wie PM Verfahren) 

Sidik- Jonkman SJ Schätzer 

--> keine festen Regeln wann welcher --> mehrere ausprobieren und vgl

Restricted Maximum likelihood

Paule Mandel 

Vorausgesetzt: SPgrößen variieren nicht zu stark 

Sidik-Jonkman 

(False positive vermieden werden soll) 

DerSimonian-Laird 

Annahme fixed effects model  --> wenn sign dann random effects 

I^2 gibt Proportion der gesamten Variabilität in Effekten an, die nicht auf die Sampling Vatianz zurückgeht --> wie viel Streuung ist nicht durch SPVarianz zu erklären 

I^2 = 25% niedrige Heterogenität 

I^2 = 50% mittlere Heterogenität 

I^2 = 75% hohe Heterogenität 

ABER sind abhängig von Studienanzahl und mittlerem Standardfehler 

Tau^2 nicht leicht interpretierbar 

Beinhalten τ^2 

Gibt 95% Intervall an, in dem Effekte zukünftiger Studien liegen würden, basierend auf vorliegender Evidenz 

Gepoolte Effektstärke 

τ^2 mit konfidenzintervall 

I^2 mit Konfidenzintervall 

Prädiktionsintervall 

Größe des Quadrats: Gewicht der Studie (meist SPGröße) 

Horizontale Linien: konfidenzintervall (meist 95%) je länger desto unpräzisere Schätzung 

Vertikale Linie: Null Effekt Linie --> wenn geschnitten dann Ergebnis nicht signifikant 

Sensitivitätsanalysen 

Modelldiagnostik 

Publikationsbias 

Grundidee: bleibt Effekt bestehen wenn ich Modell anhand Teilstichprobe errechne 

-> nur Studien mit low RoB 

-> oder Studien mit ausreichend Power 

Plotter den Einfluss der einzelnen Studien über Beitrag zur gesamtheterogenität 

Studien mit kleinen/ keinen Effekten oft vermutlich nciht publiziert (file drawer problem) 

Studienergebnisse möglicherweise verzerrt (p-hacking, outcome switching) 

Das macht Probleme weil wir davon ausgehen dass vorhandene Studien ganze mögliche Bandbreite abdecken

--> funnel plot 

Studien sollten symmetrisch im 95% Konfidenzbetei h verteilt sein (Dreieck) 

Je höher oben umso größere/ präzisere Studien (kleine SE) 

Je weiter rechts umso größerer Effekt 

--> Asymmetrien deuten auf Publikationsbias hin 

PICO 

search-string und Operatoren 

Ein und Ausschluss Kriterien 

Datenbanken 

Participants (wer wird untersucht) 

Interventions (was wird vermittelt) 

Controls (mit wem wird verglichen) 

Outcomes (was wird gemessen) 

(Study Design: RCT, Casestudy,...) 

PubMed 

PsycINFO

EMBASE

Cochrane Library 

AND 

OR 

NOT/ AND NOT 

Wörterbuch psychologischer und medizinischer Begriffe 

-> Kategorienbildunv im verschiedene Begriffe, die das gleiche meinen zu gliedern 

- MeSh (medical subject headings, PubMed) 

- Thesaurus of Pschological Index Termns (PsycINFO) 

- EMTree (EMBASE) 

zb suicide [MESH] 

Wortstammsuche: suicid* (suicidality, suicidal, suicide) 

Genauer Begriff via "search Term" 

Kombinieren durch Kommata 

Jahreszahl 

Studientyp 

Text availability 

Etc 

Systematische Suche 

Extraktion der Ergebnisse 

Preferred Reporting Items for Systematic reviews and Meta-Analyses 

Checkliste für Strukturierung eines Reviews oder Metaanalyse 

Flowchart Vorlage um den study flow nachvollziehen zu können 

- Title (identify report as systematic review) 

- abstract (see prisma 2020 for abstracts checklist) 

- introduction: 

      Rationale (describe rationale for the review in the context of existing knowledge) 

       Objectives (provide explicit statement of objectives or questions the review addresses) 

- methods: 

     Eligibility criteria 

     Information sources 

     Search strategy

     Selection process 

     Data collection process 

     Data items 

Durch 2 unabhängige Rater*innen (mind) 

Unstimmigkeiten entweder durch Konsensus oder dritte Person gelöst 

Grundgerüst der Metaanalyse 

- Identification: records identified from databases and registers --> removed before screening (duplicate/ ineligible etc) 

- screening: records screened, reports sought for retrieval, reports assessed for eligibility  

- included: studies included, reports of included studies 

Infos aus PICO: SPkennwerte (treatment und Control); Therapieform und Infos zur Implementierung; Kennwerte für Hauptoutcome und wie gemessen 

Effektstärken der Intervention (OR, RR, Cohens d, partial eta^2) 

Kennwerte für sekundär outcomes (mean/sd) 

Siehe Bild 

Siehe Tabelle 

Für Metaanalysen nur noch risk of bias standard 

(Quality rating maß vergleicht Studien allgemein -> Faktoren unspezifisch) 

Randomisierte Treatment/ Control- Bedibgungen vorweisen 

Klare Abgrenzung und Definition der untersuchten Bedingungen stellen 

Eine ITT (Intention to treat) Analyse beinhalten 

Sensiitivitätsanalysen: per protocol oder as-treated 

Rating: low risk - some concerns - high risk 

Erfasst "risk of material bias" 

Für jede Domain auch Freitextfelder yum erläutern 

D1: randomization Process 

D2: intervention Deviations 

D3: Missing Data 

D4: Outcome Measurement 

D5: Selection of Results