Meta-analysis คืออะไร: การวิเคราะห์อภิมาน forest plot และ effect size ฉบับเริ่มต้น

เมื่อคุณทบทวนงานวิจัยหลายชิ้นที่ถามคำถามเดียวกันแต่ได้ผลไม่ตรงกันเป๊ะ คำถามถัดมาคือ “แล้วสรุปรวมแล้วผลเป็นอย่างไร” Meta-analysis คือเทคนิคทางสถิติที่ตอบคำถามนี้ ด้วยการรวมผลตัวเลขจากหลายการศึกษาเข้าเป็นค่าประมาณเดียวที่หนักแน่นกว่าการดูทีละงาน บทความนี้อธิบายตั้งแต่แนวคิดพื้นฐาน การอ่าน forest plot ความแตกต่างระหว่างการศึกษา ไปจนถึงขั้นตอนและโปรแกรมที่ใช้ แบบที่คนเพิ่งเริ่มก็ตามได้

Meta-analysis คืออะไร

Meta-analysis หรือการวิเคราะห์อภิมาน คือการนำผลเชิงปริมาณจากหลายการศึกษาที่ศึกษาเรื่องใกล้เคียงกันมาถ่วงน้ำหนักและรวมเป็นค่าประมาณเดียว แทนที่จะอ่านผลทีละงานแล้วเดาว่าภาพรวมเป็นอย่างไร วิธีนี้ให้ค่ากลางที่มีความแม่นยำสูงขึ้น เพราะใช้ข้อมูลจากกลุ่มตัวอย่างรวมที่ใหญ่กว่างานเดี่ยวมาก งานที่มีกลุ่มตัวอย่างมากหรือความแปรปรวนต่ำจะได้รับน้ำหนักมากกว่าในการรวมผล ซึ่งสมเหตุสมผลเพราะงานเหล่านั้นให้ข้อมูลที่เชื่อถือได้มากกว่า

สิ่งสำคัญที่ต้องเข้าใจคือการรวมผลแบบนี้ไม่ได้เหมาะกับทุกกรณี ถ้างานที่นำมารวมต่างกันมากทั้งประชากร วิธีวัด หรือรูปแบบการทดลอง การฝืนรวมตัวเลขอาจให้ค่าที่ดูสวยแต่ตีความผิดได้ ดังนั้นก่อนรวมผลทุกครั้งต้องประเมินก่อนว่างานเหล่านั้นเข้ากันได้เพียงพอหรือไม่

Meta-analysis ต่างจาก Systematic Review อย่างไร

สองคำนี้มักมาคู่กันจนหลายคนสับสน การทบทวนอย่างเป็นระบบ คือกระบวนการค้นและคัดเลือกงานวิจัยอย่างมีระเบียบ ส่วนการวิเคราะห์อภิมานคือขั้นตอนทางสถิติที่อาจทำต่อจากการทบทวนนั้น ถ้าข้อมูลเอื้อให้รวมได้ พูดง่าย ๆ คือการทบทวนอย่างเป็นระบบเป็นโครง ส่วนการวิเคราะห์อภิมานเป็นเครื่องมือคำนวณที่วางอยู่บนโครงนั้น ทุกการวิเคราะห์อภิมานที่ดีต้องมีการทบทวนอย่างเป็นระบบรองรับเสมอ แต่ไม่ใช่ทุกการทบทวนจะจบด้วยการรวมตัวเลข

Effect size คืออะไร ทำไมต้องแปลงก่อนรวม

ก่อนรวมผลได้ ต้องแปลงผลของแต่ละงานให้เป็นหน่วยเดียวกันก่อน เรียกว่าขนาดอิทธิพลหรือ effect size เพราะแต่ละงานอาจวัดด้วยเครื่องมือหรือมาตรต่างกัน การแปลงให้อยู่ในหน่วยกลางทำให้นำมาเทียบและรวมกันได้อย่างยุติธรรม

อ่าน forest plot อย่างไร

forest plot คือกราฟมาตรฐานที่ใช้แสดงผลการรวม แต่ละแถวคือหนึ่งการศึกษา มีกล่องสี่เหลี่ยมแทนค่าประมาณและเส้นแนวนอนแทนช่วงความเชื่อมั่น ขนาดของกล่องสะท้อนน้ำหนักของงานนั้น งานที่น้ำหนักมากกล่องจะใหญ่ ด้านล่างสุดมีรูปสี่เหลี่ยมข้าวหลามตัดแทนค่าประมาณรวมของทุกงาน ความกว้างของข้าวหลามตัดบอกความแม่นยำของค่ารวม ถ้าข้าวหลามตัดไม่คร่อมเส้นที่แทนการไม่มีผล แสดงว่าผลรวมมีนัยสำคัญทางสถิติ การอ่านกราฟนี้เป็นเพียงจุดเริ่ม ยังต้องดูบริบทของงานประกอบเสมอ

สิ่งที่หลายคนเข้าใจผิดคือคิดว่ากล่องยิ่งอยู่ห่างจากเส้นกลางยิ่งสำคัญ ทั้งที่จริงต้องดูทั้งตำแหน่งและความกว้างของช่วงความเชื่อมั่นควบคู่กัน งานที่ช่วงความเชื่อมั่นกว้างมากแม้ค่ากลางจะดูน่าสนใจ ก็ยังถือว่าไม่แน่นอนสูง การอ่านกราฟจึงต้องระวังไม่ด่วนสรุปจากตำแหน่งของกล่องเพียงอย่างเดียว แต่ชั่งน้ำหนักความแม่นยำของแต่ละงานไปพร้อมกัน

ความแตกต่างระหว่างการศึกษา (heterogeneity)

คำถามสำคัญก่อนเชื่อค่ารวมคือ งานที่นำมารวมสอดคล้องกันแค่ไหน ค่าที่ใช้บอกเรื่องนี้บ่อยที่สุดคือ I-squared ซึ่งบอกสัดส่วนความแปรปรวนที่มาจากความต่างจริงระหว่างงาน ไม่ใช่ความบังเอิญ ถ้าค่าสูงแปลว่างานต่างกันมาก ควรระวังในการตีความ ในกรณีแบบนั้นนักวิจัยมักเลือกใช้โมเดลแบบ random effects ที่ยอมรับว่าผลจริงของแต่ละงานไม่เท่ากัน แทนโมเดล fixed effect ที่สมมติว่าทุกงานมีผลจริงค่าเดียว การเลือกโมเดลจึงต้องอิงกับลักษณะข้อมูล ไม่ใช่เลือกตามใจ

ขั้นตอนทำโดยสรุป

1. สกัดข้อมูลตัวเลขของแต่ละงาน เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบน และจำนวนตัวอย่าง
2. เลือกชนิด effect size ให้ตรงกับประเภทผลลัพธ์
3. ประเมินความแตกต่างระหว่างงานด้วยค่า I-squared
4. เลือกโมเดล fixed หรือ random ให้เหมาะกับข้อมูล
5. รวมผลและสร้าง forest plot
6. ตรวจอคติการตีพิมพ์ด้วย funnel plot เพื่อดูว่างานผลลบถูกตีพิมพ์น้อยเกินไปหรือไม่

โปรแกรมที่ใช้บ่อย

มือใหม่สายสุขภาพนิยมเริ่มจาก RevMan ของ Cochrane เพราะออกแบบมาสำหรับงานทบทวนโดยเฉพาะ ดูแนวทางเริ่มต้นได้จาก คู่มือ RevMan ของ Cochrane ส่วนผู้ที่ถนัดเขียนคำสั่งมักใช้แพ็กเกจ metafor บนภาษา R หรือชุดคำสั่งบน Stata ซึ่งยืดหยุ่นกว่าและทำกราฟได้ละเอียด การเลือกโปรแกรมควรดูจากความถนัดและชนิดข้อมูล มากกว่าความแรงของโปรแกรม เพราะผลลัพธ์ที่ถูกต้องขึ้นกับการตั้งค่าที่เข้าใจ ไม่ใช่ยี่ห้อเครื่องมือ นอกจากนี้ยังมีโปรแกรมเชิงพาณิชย์อีกหลายตัวที่ใช้ง่ายสำหรับผู้ที่ไม่ถนัดเขียนคำสั่ง แต่มักมีค่าลิขสิทธิ์ การตัดสินใจจึงขึ้นกับงบประมาณและความคุ้นเคยของทีมเป็นหลัก

คำถามที่พบบ่อย

Meta-analysis ต้องมีกี่งานถึงจะทำได้

ในทางเทคนิคทำได้ตั้งแต่สองงานขึ้นไป แต่ยิ่งมีงานมากและคุณภาพดี ค่ารวมยิ่งน่าเชื่อถือ สิ่งสำคัญกว่าจำนวนคืองานต้องเข้ากันได้พอจะรวม

ค่า I-squared สูงแปลว่าทำไม่ได้เลยหรือ

ไม่เสมอไป ค่าสูงเป็นสัญญาณให้ระวังและอาจต้องวิเคราะห์กลุ่มย่อยหรือใช้โมเดล random effects แต่ถ้าสูงมากจริง การสังเคราะห์เชิงบรรยายอาจเหมาะกว่า

ต้องทำการทบทวนอย่างเป็นระบบก่อนไหม

ควรทำ เพราะการรวมผลที่ไม่ได้มาจากการค้นอย่างเป็นระบบเสี่ยงเลือกเฉพาะงานที่หนุนข้อสรุปของตน ซึ่งทำให้ผลมีอคติ

มือใหม่ควรใช้โปรแกรมไหน

เริ่มจาก RevMan จะง่ายที่สุดเพราะมีขั้นตอนนำทาง เมื่อคล่องแล้วค่อยขยับไป R หรือ Stata เพื่อความยืดหยุ่น