Eine quantitative Synthesemethode, die numerische Ergebnisse mehrerer unabhängiger Studien mit vergleichbaren Effektgrößen kombiniert, um eine gepoolte Schätzung und deren Unsicherheit zu erzeugen; dies erfolgt mit expliziten statistischen Modellen und Methoden zur Bewertung und Berücksichtigung von Heterogenität zwischen Studien und von Bias.

Prinzip

Das Zusammenführen von Studienergebnissen erhöht die statistische Präzision und kann einen Gesamt‑Effekt zusammenfassen, nur wenn die Studien hinreichend vergleichbare Größen messen und Heterogenität sowie Studien‑Bias bewertet und berücksichtigt werden; erhöhte Präzision korrigiert keine systematischen Verzerrungen der Eingangsdaten.

Demonstration

Situation: Mehrere randomisierte Studien berichten Effektschätzer Behandlung vs Kontrolle für dasselbe Outcome. Erkennung: Effektschätzer und Varianzen sind extrahierbar und als vergleichbar eingestuft. Aktion: Umrechnung auf eine gemeinsame Metrik, Auswahl eines passenden Fixed‑ oder Random‑Effects‑Modells, Berechnung einer gepoolten Schätzung und Quantifizierung der Heterogenität sowie Sensitivität gegenüber Modellwahl. Konsequenz: Ein gepoolter Punktschätzer mit Konfidenzintervall und Heterogenitätsmaßen, die Interpretation und Entscheidungsfindung informieren, unter Vorbehalt der Qualität und Kompatibilität der eingeschlossenen Studien.

Fehlanwendung

Studien zu kombinieren, die unterschiedliche Outcomes, nicht vergleichbare Messgrößen oder grundlegend verschiedene Populationen verwenden, ohne geeignete Transformation oder Subgruppenanalyse. Der semantische Fehler besteht darin, numerische Aggregation als per se gültig zu betrachten, unabhängig von Inkompatibilitäten, was zu irreführenden Zusammenfassungen führen kann.

Konsequenz

Korrekt durchgeführte Metaanalysen können Präzision erhöhen, Konsistenz oder Variabilität zwischen Studien aufzeigen und Dosis‑Antwort‑ oder Subgruppenmuster klären; das Zusammenfassen verzerrter oder heterogener Studien kann jedoch eine präzise, aber ungültige Synthese liefern und zu irreführender Politik führen.

Umkehrung

Wenn die Heterogenität zwischen Studien groß und unerklärt ist oder Studien unterschiedliche Estimanden oder Messungen verwenden, kann eine quantitative Aggregation unangebracht sein; in solchen Fällen kann die Darstellung der Einzelstudienergebnisse ohne Pooling oder die Anwendung alternativer Methoden (z. B. Metaregression, narrative Synthese oder Individual Patient Data‑Metaanalyse) sinnvoller sein.

Abgrenzung

Klar innerhalb: statistische Aggregation vergleichbarer Effektgrößen aus unabhängigen Studien mit dokumentierten Methoden zur Bewertung der Heterogenität. Grenzfall: Pooling standardisierter Effektgrößen über verschiedene Messinstrumente — die Gültigkeit hängt von Annahmen zur Konstruktäquivalenz ab. Klar außerhalb: qualitative Synthesen oder Ergebniszählungen ohne quantitative Kombination von Effektgrößen.

Semantische Spannung

Durch Pooling gewonnene Präzision ↔ Validität, die durch Heterogenität und Bias gefährdet wird: Größere statistische Präzision kann mit unzuverlässigen Schlussfolgerungen koexistieren, wenn die Inputs inkompatibel oder verzerrt sind.

Synthese

Metaanalyse ist ein quantitatives Instrument zur Zusammenfassung von Evidenz, das Präzisionsgewinne liefert; sein Wert hängt jedoch von der Kompatibilität der Effektmaße, der sorgfältigen Bewertung von Heterogenität und Bias sowie transparenter Darstellung von Annahmen und Sensitivitätsanalysen ab.