Metaanalysen mit wenigen Studien: Beta-Binomialmodell
Hintergrund
Der IQWiG-Bericht (GA18-03) untersucht die statistische Güte verschiedener Modelle für Meta-Analysen, in die nur sehr wenige Studien (zwei bis vier) eingeschlossen sind. Solche Konstellationen treten in systematischen Übersichtsarbeiten häufig auf.
Standardverfahren wie Inverse-Varianz-Modelle mit zufälligen Effekten (IV-REM) weisen bei einer geringen Studienanzahl oft ungünstige statistische Eigenschaften auf. Beispielsweise führt die DerSimonian-Laird-Methode (DSL) häufig zu schmalen Konfidenzintervallen und einer unzureichenden Überdeckungswahrscheinlichkeit.
Als Alternative für binäre Daten werden Beta-Binomialmodelle (BBM) diskutiert. Ein Kritikpunkt am Standard-BBM ("common-rho") ist jedoch, dass es die Randomisierung innerhalb der Primärstudien ignoriert, da Behandlungs- und Kontrollarme nicht als gepaart betrachtet werden.
Empfehlungen
Die Publikation formuliert basierend auf der Simulationsstudie folgende methodische Schlussfolgerungen:
Meta-Analysen mit 2 Studien
Laut Bericht liefert bei lediglich zwei eingeschlossenen Studien keines der untersuchten Modelle (weder BBM noch Standardmethoden) zufriedenstellende Ergebnisse. Die Überdeckungswahrscheinlichkeiten sind unzureichend und die Teststärke (Power) ist sehr gering.
Es wird in dieser Konstellation empfohlen, auf ein Modell mit festen Effekten (Fixed Effect Model) auszuweichen, sofern dies methodisch angemessen ist. Alternativ wird eine rein qualitative Zusammenfassung der Studienergebnisse vorgeschlagen.
Meta-Analysen mit 3 bis 4 Studien
Für diese Konstellation zeigen die Beta-Binomialmodelle BBST und BBCB1 die besten statistischen Eigenschaften. Der Bericht hebt hervor, dass diese Modelle die höchste Teststärke aufweisen.
Da diese Modelle die Randomisierung der Primärstudien ignorieren, wird dringend eine Sensitivitätsanalyse empfohlen. Hierfür sollte ein Standardverfahren herangezogen werden, welches die Randomisierung respektiert.
Meta-Analysen ab 5 Studien
Bei fünf oder mehr Studien empfiehlt der Bericht primär die Nutzung der Hartung-Knapp-Sidik-Jonkman-Methode (HKSJ).
Die Beta-Binomialmodelle BBST und BBCB1 können in diesen Fällen ergänzend als nützliche Methoden für Sensitivitätsanalysen eingesetzt werden.
Modellvergleich
Der Bericht vergleicht die Eigenschaften der wichtigsten Modelle bei sehr wenigen Studien:
| Modellklasse | Spezifisches Modell | Bewertung laut Simulation |
|---|---|---|
| Beta-Binomialmodelle | BBST / BBCB1 | Gute Überdeckung, höchste Teststärke bei 3-4 Studien |
| Beta-Binomialmodelle | BBFR / BBCB2 (mit Randomisierung) | Keine Verbesserung, teils schlechtere Überdeckung |
| IV-REM | HKSJ | Adäquate Überdeckung, aber sehr konservativ (breite Intervalle) |
| IV-REM | DSL | Zu schmale Konfidenzintervalle, anti-konservativ |
| GLMM | GLFR / GLRRI | Oft unzureichende Überdeckungswahrscheinlichkeit |
💡Praxis-Tipp
Ein zentraler methodischer Hinweis des Berichts ist, dass bei Meta-Analysen mit nur zwei Studien auf Modelle mit zufälligen Effekten (Random Effects Models) verzichtet werden sollte. In solchen Fällen wird stattdessen eine qualitative Synthese oder ein Fixed-Effect-Modell empfohlen, da alle untersuchten Random-Effects-Modelle hier methodisch versagen.
Häufig gestellte Fragen
Laut Bericht zeigen das Standard-Beta-Binomialmodell (BBST) und das BBCB1-Modell in dieser Konstellation die beste Teststärke. Es wird jedoch ergänzend eine Sensitivitätsanalyse mit einer Methode empfohlen, die die Randomisierung berücksichtigt.
Die Publikation weist darauf hin, dass die DerSimonian-Laird-Methode (DSL) bei wenigen Studien zu schmale Konfidenzintervalle produziert. Dies führt zu einer unzureichenden Überdeckungswahrscheinlichkeit und wird daher als anti-konservativ eingestuft.
Der Bericht empfiehlt die Hartung-Knapp-Sidik-Jonkman-Methode (HKSJ) primär für Meta-Analysen, die fünf oder mehr Studien umfassen. Bei weniger Studien liefert HKSJ oft extrem breite Konfidenzintervalle.
Ein theoretischer Kritikpunkt ist, dass das Modell ignoriert, dass Behandlungs- und Kontrollarme aus derselben Primärstudie stammen. Laut den Simulationsergebnissen des Berichts hat diese Missachtung der Randomisierung in der Praxis jedoch meist keine starken negativen Auswirkungen.
War diese Zusammenfassung hilfreich?
Quelle: IQWiG GA18-03: Untersuchung des Beta-Binomialmodells für Metaanalysen mit sehr wenigen Studien (IQWiG, 2022). Originaldokument ansehen
KI-generierte Zusammenfassung. Keine Diagnose- oder Therapieempfehlung. Die klinische Entscheidung trifft der behandelnde Arzt.
Verwandte Leitlinien
IQWiG GA16-01: Identifizierung und Bewertung von Studienfiltern für die Suche nach nicht randomisierten Studien
IQWiG GA17-01: Steigerung der Effizienz der Studienselektion
IQWiG GA05-03: Vorschläge und Ansätze zur Darstellung von Studienergebnissen mithilfe des Efffektmaßes "Number Needed to Treat (NNT)
Cochrane Review: Risk assessment for aggressive behaviour in schizophrenia
Cochrane Review: Pharmacological treatments in panic disorder in adults: a network meta-analysis
ClariMed durchsucht alle medizinischen Leitlinien
AWMF, NVL, NICE, WHO, ESC, KDIGO - Quellenzitiert, kostenlos. Speichern Sie Ihren Verlauf auf allen Geräten mit einem kostenlosen Konto.
Kostenloses Konto erstellen