grad-meta-analysis

メタ分析（Meta-Analysis）

概要

メタ分析では、複数の独立した研究の効果量を統計的に統合し、より精度と一般化可能性の高い統合推定値を算出します。研究間の異質性を定量化し、出版バイアスを検定することで、ナラティブレビューを超える厳密なエビデンス統合を実現します。

使用する場合

• 同じ研究課題に関する複数の研究の定量的な知見を統合する場合
• 研究間で相反する結果を解決する場合
• より狭い信頼区間で全体的な効果量を推定する場合
• 研究間の異質性を説明する調整要因を特定する場合

使用しない場合

• 構成概念、測定方法、対象集団の異質性が大きすぎて、有意義に統合できない場合
• 対象となる研究が5件未満の場合（統合推定値の信頼性が低くなります）
• 主要研究の研究デザインが根本的に異なる場合（RCTと観察研究を混在させるなど）
• 研究課題が定量的ではなく、質的または概念的な場合

前提条件

IRON LAW: A meta-analysis is only as good as the studies it includes —
garbage in, garbage out. Publication bias inflates pooled effect sizes
because non-significant findings go unpublished.

主な前提条件：

1. 各研究が同じ基礎となる構成概念を推定している（概念的な同質性）
2. 効果量が統計的に独立している（研究ごとに効果量が1つ、またはマルチレベルモデルを使用する）
3. 研究レベルの調整要因が、信頼性をもって偏りなくコーディングされている
4. 検索戦略によって、関連する研究の母集団が網羅されている（体系的な見落としがない）

方法論

ステップ1 — 効果量の抽出とコーディング

研究結果を共通の効果量指標（Cohen's d、Hedges' g、r、OR）に変換します。研究レベルの調整要因（サンプルサイズ、デザイン、文脈）をコーディングします。変換式についてはreferences/を参照してください。

ステップ2 — 固定効果モデルとランダム効果モデルの選択

固定効果モデルでは真の効果が1つであると仮定し、ランダム効果モデルでは効果が研究間で異なると仮定します。研究対象の集団や文脈が異なる場合は、ほとんどの場合、ランダム効果モデルが適切です。

ステップ3 — 異質性の評価

Q統計量（同質性の検定）、I²（異質性による分散の割合）、τ²（研究間分散）を算出します。I² > 75%は、調整要因の分析が必要となるほどの大きな異質性を示します。

ステップ4 — 出版バイアスの検定と報告

ファンネルプロット、Eggerの回帰検定、トリム・アンド・フィル法を使用します。統合効果、CI、予測区間、バイアス評価の結果を報告します。

出力形式

## Meta-Analysis: [Research Question]

### Study Inclusion
| Criterion | Value |
|-----------|-------|
| Studies included (k) | xx |
| Total sample size (N) | xxxx |
| Effect size metric | [d / r / OR] |

### Pooled Effect Size
| Model | Effect | 95% CI | z | p-value |
|-------|--------|--------|---|---------|
| Fixed-effect | x.xx | [x.xx, x.xx] | x.xx | x.xx |
| Random-effects | x.xx | [x.xx, x.xx] | x.xx | x.xx |

### Heterogeneity
| Statistic | Value | Interpretation |
|-----------|-------|----------------|
| Q | x.xx (p = x.xx) | [significant/not] |
| I² | x.xx% | [low/moderate/high] |
| τ² | x.xx | [between-study variance] |

### Publication Bias
| Test | Result | Interpretation |
|------|--------|----------------|
| Funnel plot | [symmetric/asymmetric] | [bias suspected?] |
| Egger's test | p = x.xx | [significant?] |
| Trim-and-fill | adjusted effect = x.xx | [studies imputed: x] |

### Limitations
- [Note any assumption violations]

注意点

• 異なるものを一緒に扱うこと：統計的には可能でも、構成概念が異なる場合は概念的に意味がありません
• ランダム効果モデルでは小規模研究の重みが大きくなりますが、小規模研究は質が低いことが少なくありません
• I²は採用された研究の精度に左右されます。精度の低い研究でI²が低くても、同質性を意味するわけではありません
• ファンネルプロットの非対称性は、出版バイアス以外の要因（小規模研究効果）によって生じることがあります
• ファイル・ドロワー問題：未発表の帰無結果が体系的に欠落しています
• サブグループが多く、各サブグループの研究数が少ない調整要因分析は、検出力が不足し、信頼性も低くなります

参考文献

• Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2009). メタ分析入門. Wiley.
• Higgins, J. P. T., & Thompson, S. G. (2002). メタ分析における異質性の定量化. Statistics in Medicine, 21(11), 1539-1558.
• Rothstein, H. R., Sutton, A. J., & Borenstein, M. (2005). メタ分析における出版バイアス. Wiley.