Metaanaliza

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 21 sierpnia 2026 · Aktualizacja: 22 sierpnia 2026

Co oznacza Metaanaliza?

Metaanaliza statystycznie łączy porównywalne efekty z wielu badań w ramach systematycznie zdefiniowanego pytania.

Zastosowanie, warunki i dobre praktyki

Metaanaliza łączy oszacowania efektów z uwzględnieniem ich precyzji, a w modelu efektów losowych także zmienności rzeczywistych efektów między badaniami. Jakość wyniku zależy od kompletności wyszukiwania, porównywalności definicji i ryzyka błędu systematycznego. Obok efektu łącznego należy pokazać heterogeniczność, przedział predykcji i analizy wrażliwości.

Najważniejsze zastosowanie: Stosuj po protokole, systematycznym wyszukaniu i ocenie ryzyka błędu.

Jak to się oblicza i co oznaczają symbole?

θ̂ = Σwᵢθ̂ᵢ / Σwᵢ

θ̂ᵢ są efektami z poszczególnych badań, a wᵢ wagami zależnymi od wariancji i modelu. W modelu efektów losowych waga uwzględnia również heterogeniczność między badaniami τ².

Jak poprawnie stosować i interpretować hasło „Metaanaliza”?

Przy ocenie pojęcia „Metaanaliza” najpierw definiuje się pytanie, kryteria włączenia i wspólną miarę efektu. W odniesieniu do hasła „Metaanaliza” łączenie badań ma sens tylko wtedy, gdy populacje, interwencje, wyniki i projekty są wystarczająco porównywalne. Przy ocenie hasła „Metaanaliza” model efektów losowych nie rozwiązuje automatycznie heterogeniczności; opisuje rozkład efektów, którego interpretacja wymaga wiedzy o różnicach między badaniami.

Ocena pojęcia „Metaanaliza” obejmuje ryzyko błędu w badaniach pierwotnych, wyszukiwanie niepublikowanych wyników, zależność wielu efektów z tego samego badania oraz analizy wrażliwości. W analizie dotyczącej hasła „Metaanaliza” obok I² i τ² warto podać przedział predykcji. Dla interpretacji hasła „Metaanaliza” przy małej liczbie badań estymacja heterogeniczności i testy asymetrii są niestabilne, co trzeba jawnie zaznaczyć.

Co trzeba opisać w raporcie?

Raport dotyczący „Metaanaliza” powinien opisać protokół, bazy i daty wyszukiwania, proces selekcji, kodowanie efektów, model i estymator heterogeniczności. W odniesieniu do hasła „Metaanaliza” efekt łączny należy podać z przedziałem ufności, a dla modelu losowego także τ², I² i przedział predykcji. Przy ocenie hasła „Metaanaliza” analizy podgrup muszą wynikać z planu lub być oznaczone jako eksploracyjne.

Zakres raportowania dla hasła „Metaanaliza”: Podaj model, efekt łączny z CI, τ², I², przedział predykcji i analizy wrażliwości.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Standaryzowane różnice średnich z 20 badań łączy się modelem efektów losowych.

Jak ją zinterpretować: Efekt łączny przedstawia średni wynik przy założeniach wybranego modelu, a nie jeden uniwersalny efekt dla każdego kontekstu. Heterogeniczność i przedział predykcji pokazują, jak bardzo rezultat nowego badania może się różnić.

Najczęstsza pułapka i granica interpretacji

Nie naprawia złych badań; efekt łączny może być precyzyjnie obciążony.

Precyzyjny wynik „Metaanaliza” może być precyzyjnie obciążony, jeśli badania pierwotne są słabe albo publikacja wyników selektywna. W analizie dotyczącej hasła „Metaanaliza” efekt łączny nie zastępuje oceny heterogeniczności i możliwości zastosowania w konkretnej populacji.

Przykład reprodukowalny dla tego hasła

Metaanaliza efektów losowych i heterogeniczność

Kod łączy jawnie podane efekty i ich wariancje w modelu efektów losowych oraz raportuje heterogeniczność.

Dane wejściowe: Kolumny yi i sei zawierają efekt każdego niezależnego badania i jego błąd standardowy.

Co sprawdzić w wyniku: Raportuj efekt łączny, 95% CI, τ², I² i przedział predykcji. Zależne efekty wymagają modelu wielopoziomowego lub RVE.

library(metafor)
dane <- read.csv("efekty.csv")  # yi, sei, badanie

model <- rma(yi = yi, sei = sei, data = dane,
             method = "REML", test = "knha")
summary(model)
predict(model, digits = 3)  # obejmuje przedział predykcji
forest(model, slab = dane$badanie)
funnel(model)

# Egger jako analiza pomocnicza, nie dowód braku/obecności biasu.
regtest(model, model = "rma")

Python

import pandas as pd
from statsmodels.stats.meta_analysis import combine_effects

df = pd.read_csv("efekty.csv")  # yi, sei, badanie
res = combine_effects(
    effect=df["yi"].to_numpy(),
    variance=(df["sei"] ** 2).to_numpy(),
    method_re="iterated", use_t=True
)
print(res.summary_frame())

# Sprawdź dokumentację wersji statsmodels: definicje tau2 i korekty
# mogą różnić się od ustawień innych pakietów.

IBM SPSS Statistics — Syntax

* META ES CONTINUOUS jest dostępne od SPSS Statistics 28.
META ES CONTINUOUS
 /DATA ES=yi SE=sei STUDY=badanie
 /CRITERIA CILEVEL=95 SCOPE=AVAILABLE
 /INFERENCE MODEL=RANDOM ESTIMATE=REML ADJUSTSE=KNAPP_HARTUNG
 /PRINT HOMOGENEITY HETEROGENEITY INDIVIDUAL PREDICTION
 /FORESTPLOT DISPLAY=[ES SE CI WEIGHT PVAL]
 /FUNNELPLOT YAXIS=SE
 /BIAS INTERCEPT=INCLUDE DISTRIBUTION=T.

* W SPSS 27 i starszym użyj R/metafor lub Python/statsmodels.

Bibliografia oprogramowania i wykorzystanych pakietów

W przykładach użyto: R, Python, IBM SPSS Statistics, metafor, pandas, NumPy, statsmodels. W pracy badawczej podaj również faktycznie użyte wersje, które można odczytać poleceniami sessionInfo() w R oraz pip freeze lub importlib.metadata.version() w Pythonie. Cytuj wyłącznie narzędzia rzeczywiście użyte w końcowej analizie.

R: R Core Team. (2026). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
Python: Van Rossum, G., & Drake, F. L., Jr. (2009). Python 3 reference manual. CreateSpace.
IBM SPSS Statistics: IBM Corp. (2025). IBM SPSS Statistics for Macintosh (Version 31.0) [Computer software]. IBM Corp.
metafor: Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48. https://doi.org/10.18637/jss.v036.i03
pandas: McKinney, W. (2010). Data structures for statistical computing in Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 56–61). https://doi.org/10.25080/Majora-92bf1922-00a
NumPy: Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., del Río, J. F., Wiebe, M., Peterson, P., … Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585, 357–362. https://doi.org/10.1038/s41586-020-2649-2
statsmodels: Seabold, S., & Perktold, J. (2010). Statsmodels: Econometric and statistical modeling with Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 92–96). https://doi.org/10.25080/Majora-92bf1922-011

BibTeX dla oprogramowania i pakietów

@manual{r-core-2026,
  author = {{R Core Team}},
  title = {R: A Language and Environment for Statistical Computing},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2026},
  url = {https://www.R-project.org/}
}

@book{vanrossum2009python,
  author = {Van Rossum, Guido and Drake, Fred L., Jr.},
  title = {Python 3 Reference Manual},
  publisher = {CreateSpace},
  year = {2009},
  isbn = {978-1-4414-1269-0}
}

@software{ibm2025spss,
  author = {{IBM Corp.}},
  title = {IBM SPSS Statistics for Macintosh},
  year = {2025},
  version = {31.0},
  publisher = {IBM Corp.}
}

@article{viechtbauer2010metafor,
  author = {Viechtbauer, Wolfgang},
  title = {Conducting Meta-Analyses in R with the metafor Package},
  journal = {Journal of Statistical Software},
  year = {2010},
  volume = {36},
  number = {3},
  pages = {1--48},
  doi = {10.18637/jss.v036.i03}
}

@inproceedings{mckinney2010pandas,
  author = {McKinney, Wes},
  title = {Data Structures for Statistical Computing in Python},
  booktitle = {Proceedings of the 9th Python in Science Conference},
  editor = {van der Walt, Stéfan and Millman, Jarrod},
  year = {2010},
  pages = {56--61},
  doi = {10.25080/Majora-92bf1922-00a}
}

@article{harris2020numpy,
  author = {Harris, Charles R. and Millman, K. Jarrod and van der Walt, Stéfan J. and Gommers, Ralf and Virtanen, Pauli and others},
  title = {Array Programming with NumPy},
  journal = {Nature},
  year = {2020},
  volume = {585},
  pages = {357--362},
  doi = {10.1038/s41586-020-2649-2}
}

@inproceedings{seabold2010statsmodels,
  author = {Seabold, Skipper and Perktold, Josef},
  title = {Statsmodels: Econometric and Statistical Modeling with Python},
  booktitle = {Proceedings of the 9th Python in Science Conference},
  year = {2010},
  pages = {92--96},
  doi = {10.25080/Majora-92bf1922-011}
}

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Lakens, 2013).

Powiązane hasła

Efekt główny Efekt interakcji Eta kwadrat (η²)Interakcja zmiennych Korelacja Korelacja cząstkowa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczy Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
Sullivan, G. M., & Feinn, R. (2012). Using effect size—or why the P value is not enough. Journal of Graduate Medical Education, 4(3), 279–282. https://doi.org/10.4300/JGME-D-12-00156.1
Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594

Cytowania BibTeX

@article{lakens2013effect, author={Lakens, Daniël}, title={Calculating and reporting effect sizes to facilitate cumulative science}, journal={Frontiers in Psychology}, year={2013}, volume={4}, pages={863}, doi={10.3389/fpsyg.2013.00863}}

@article{sullivan2012effectsize, author={Sullivan, Gail M. and Feinn, Richard}, title={Using effect size—or why the P value is not enough}, journal={Journal of Graduate Medical Education}, year={2012}, volume={4}, number={3}, pages={279--282}, doi={10.4300/JGME-D-12-00156.1}}

@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}

@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}