Writing > 隠されたデータ
==================== モジュール 1: 隠されたデータ ====================
隠された試練について聞いたことがありませんか、
埋もれていたデータ、
伝えた新聞 真実は半分だけ?
タミフルスキャンダル
COCHRANE COLLABORATION, 2009-2014
Governments stockpiled $9 billion worth of Tamiflu to fight pandemic flu.

しかし、コクランの研究者がこの薬の利点を検証しようとしたところ、次のことが判明しました。 60% of trial data had never been published.

5年に及ぶ戦いの末、彼らは隠されたデータを手に入れた。結論は変わりました: Tamiflu shortened symptoms by less than a day そして合併症は防げなかった。

完全には開示されなかった証拠に90億ドルが費やされた。
Jefferson T et al. Cochrane Database Syst Rev. 2014;4:CD008965
Why We Write Meta-Analyses

合成の目的

Individual Studies
↓
Problem?
Small samplesLow power
Conflicting resultsWhich to believe?
Publication biasMissing negatives
↓
Meta-AnalysisSystematic synthesis
↓
More precise estimate + Bias detection
タミフル透明性キャンペーン
2009-2014 | COCHRANE COLLABORATION vs. ROCHE
For years, governments worldwide stockpiled Tamiflu (oseltamivir) at a cost of billions of dollars、インフルエンザの合併症や入院を防ぐというメーカーの主張に基づいています。

コクランの査読者がこれらの主張を検証するために完全な試験データを要求したとき、 ロシュは5年間拒否した、「機密保持」を理由に。同社は10件の治療試験を実施したが、完全に公表されたのは2件だけだった。

執拗な圧力の後、2014 年に臨床研究報告書がついに発表されました。状況は劇的に変わりました。 タミフルは症状を 1 日未満短縮しましたが、入院や重篤な合併症を予防する証拠はありませんでした。
THE LESSON
メタ分析の有効性は、アクセスできるデータによって決まります。隠された治験により、効果のない治療法が効果があるように見える可能性があり、無駄に費やしたリソースに数十億ドルのコストがかかります。
「そして会社は知っていました、
そして規制当局は知っていました、
しかし、出版された論文には何も書かれていませんでした—
そして半分の真実に何十億も費やされた。」

これが、真実全体を見つけるためにメタ分析を書く理由です。

==================== モジュール 2: 契約 (プリズマ) ====================
自分の仕事がこうなりたいと願うなら、 trusted,
読者と契約を結ばなければなりません。

その契約には次の名前があります。
PRISMA.
PRISMA 2020
システマティックレビューおよびメタアナリシスに推奨される報告項目
27
Checklist items
2020
Updated version
50K+
Citations
THE COVENANT
PRISMA は官僚主義ではありません。それは 読者への約束 仕事を透過的かつ完全に実行したことを確認します。
7つのセクション
1
Title

Identify as systematic review, meta-analysis, or both

2
Abstract

レビュー全体の構造化された要約

3
Introduction

PICO の理論的根拠と目的

4
Methods

Protocol, search, selection, data, bias, synthesis

5
Results

Flow diagram, characteristics, risk of bias, synthesis results

6
Discussion

Summary, limitations, interpretation, implications

7
Other

Registration, funding, conflicts of interest

PRISMA 革命
2009-PRESENT | TRANSFORMING SYSTEMATIC REVIEW REPORTING
PRISMA (2009) 以前は、システマティック レビューの報告は混乱していました。一部のレビューでは、検索戦略がまったく報告されていませんでした。バイアス評価のリスクを省略したものもある。研究が除外された理由を説明できていない人も多かった。 Readers couldn't judge quality—they had to trust blindly.

PRISMA の 27 項目のチェックリストがすべてを変えた。著者は、完全な検索戦略、選択基準、抽出方法、合成の決定など、すべてのステップを文書化する必要がありました。

Today, 10,000 を超えるジャーナルが PRISMAを支持しています。かつては並外れた透明性が期待される標準になりました。
THE LESSON
シンプルなチェックリストがフィールド全体を変革しました。透明性のあるレポートは例外から標準へと移行しました。基準が重要であることの証拠です。
「PRISMA は著者と読者の間の契約です。
私はすべてを見せます—
how I searched, what I found, what I excluded, why.
だから、あなたは私の作品を判断し、私の作品を信頼して、または疑問を抱いてください。
==================== モジュール 3: プロトコル ====================
重要な 1 つの研究
データを見て結果を変えたのは誰か、
最後までゴールポストを動かしたのは誰か結果 looked right?
撤回されたメタ分析
MULTIPLE JOURNALS, 2010-2023
研究者らは次のことを発見しました many retracted meta-analyses had no pre-registered protocol.

Without a protocol, reviewers could:
• Change inclusion criteria after seeing results
• Switch primary outcomes to show significance
・研究を追加または削除して結論を変更


プロトコルはあなたのものです pre-commitment device—それはあなたを騙すことを防ぎます
Defined outcome switching: PROSPERO registration prevents bias
Protocol Registration Decision Tree

プロトコルの登録先

新しい体系的レビュー
↓
Type of Review?
Health/Medical
PROSPEROprospero.york.ac.uk
Any Field
OSFosf.io/registries
Cochrane
Cochrane LibraryIntegrated protocol
↓
Registration ID in PaperCite in Methods
What the Protocol Must Contain

Essential Protocol Elements

1. 調査質問 (PICO 形式)
2. Eligibility criteria (inclusion/exclusion)
3. Information sources and search strategy
4. 研究選択プロセス
5. データ抽出項目
6. バイアスのリスク評価ツール
7. 一次および二次結果
8. 合成方法 (メタ分析計画)
9. サブグループ分析と感度分析
"見る前にプロトコルを書いてくださいデータ。
Lock it in a public registry.
Then follow it—or explain why you deviated.
これが、不正行為をしていないことを証明する方法です。"
==================== モジュール 4: タイトル ====================
タイトルは最初の約束ですmake.

読者に次のことを伝える必要があります:
何を勉強したのか、どのように勉強したのか、どのような研究なのか。
タイトルの構造

PRISMA Title Requirements

Title Must Include
↓
Population誰が研究されたのか
Intervention何が行われたのか完了
Outcome測定内容
↓
+「系統的レビュー」または「メタ分析」
Good vs. Bad Titles
❌ BAD TITLE
「糖尿病治療のレビュー」

Problems: No population specified, no intervention, no outcome, doesn't say systematic review
✓ GOOD TITLE
「成人 2 型心血管死亡率に対する SGLT2 阻害剤の有効性」糖尿病: 系統的レビューとメタ分析"

母集団、介入、結果、研究の種類がすべて明確
「タイトルは読者への最初の言葉です。
完成させてください。正直にしてください。
Tell them exactly what they will find within."
=================== モジュール 5: 概要 ====================
Most readers will only read your abstract.

If the abstract lies, or omits, or misleads—
most readers will never know.
スピン問題
BOUTRON ET AL., 2010
Researchers analyzed 72 RCTs with non-significant primary outcomes.

彼らは、 40% of abstracts contained "spin"—結果を実際よりも有利に見せるために、副次的な結果、サブグループ、またはグループ内の変化に焦点を当てたレポートを作成していることを発見しました。

要約はデータとは異なるストーリーを伝えています。
Boutron I et al. JAMA. 2010;303:2058-2064
Structured Abstract Elements

PRISMA Abstract Checklist

□ 背景と目的
□ Eligibility criteria
□ Information sources
□ Risk of bias assessment
□ Synthesis methods
□ 結果 (研究数、参加者数、CI による効果推定)
□ Limitations
□ 結論と影響
□ Registration number

要約が論文自体とは異なるストーリーを伝えるとどうなるか?

REAL DATA

Pitkin et al (1999、BMJ) は構造化要約を調査した。 6 つの主要ジャーナルに掲載された論文で、 18-68% 抄録に、数値上の誤りから報告された結果によって裏付けられていない結論に至るまで、さまざまな欠陥が含まれていることが判明しました。

誤解を招く抄録: Pitkin 1999
貴社のメタ分析では、重要ではない主要結果 (RR) が見つかりました。 0.92、95% CI 0.78-1.09)、要約はどのように作成しますか?
パス A: 要約をスピンします
Emphasize a significant secondary outcome and use language like "trend toward benefit"
↓
要約だけを見た読者は、治療に対して誤解を招くような肯定的な印象を形成します
OUTCOME: Misleading clinical decisions
PATH B: Report Faithfully
重要でない主な結果を明確に述べ、二次的な結果に注意してください。探索的な結果
↓
読者は正確な要約を得ることができ、詳細が必要な場合は論文全文を読む
成果: 証拠の完全性が保たれる
THE REVELATION
要約が誤解を招く場合、論文全体の誠実さによって内容が覆されることはありません。損傷しています。
"回転させないでください。隠さないでください。
主な結果がヌルだったら、そう言ってください。
The abstract must be a faithful mirror—
お世辞ではありません。"
==================== モジュール 6: 質問 (PICO) ====================
A vague question yields vague answers.

検索する前に、書く前に—
正確に知っておく必要があります 探しているもの.
PICOフレームワーク

調査質問の構造化

Research Question
↓
PPopulation
Who?
IIntervention
What treatment?
CComparator
Vs. what?
OOutcome
What measured?
PICO Example
曖昧な質問の変換
Vague: "Does exercise help depression?"

PICO:
• P: Adults diagnosed with major depressive disorder
• I: Supervised aerobic exercise (≥3x/week for ≥8 weeks)
• C: Usual care or waitlist control
• O: Change in depression score (HAM-D or BDI)

何を検索すればよいか正確にわかりました。
「質問を正確に定義してください。
誰が患者？治療法は何ですか?
コンパレータとは何ですか?何を測定しますか?
PICO は旅行前の地図です。"
==================== モジュール 7: 検索 ====================
メタ分析
that searched only one database,
証拠の半分を見逃した
、 wrong conclusion?
The Search Strategy Decision Tree

Where to Search

Comprehensive Search
↓
Minimum Databases
MEDLINEPubMed
EmbaseEuropean focus
CENTRALCochrane trials
↓
Plus Additional Sources
Trial registriesClinicalTrials.gov
Grey literatureTheses, reports
Reference listsBackward citation
検索の文書化
WHAT TO REPORT
• Full search strategy for at least one database (appendix)
• Date of search データベースごとに
• Any limits (language, date, publication type)
• Hand-searching (journals, conference proceedings)
• 著者との連絡 未公開データの場合
再現性テスト
Another researcher should be able to 検索を正確に再現する 同じ数のレコードを見つけます。
The Cochrane Search Strategy Discovery
2003年 |コクラン方法論のレビュー
Cochrane researchers asked a simple question: What would happen if systematic reviewers only searched MEDLINE?

その答えは驚くべきものでした。彼らはそうするだろう 含まれている研究の 30% を見逃した-メタ分析の結論を完全に変更したものも含まれます。

One striking example: an anti-depressant meta-analysis showed benefit when based on MEDLINE alone, but no benefit when all sources were included。欠落している研究は、EMBASE や PsycINFO などの専門データベースにインデックス付けされている小規模で否定的な試験でした。
THE LESSON
単一データベースの検索では、体系的に陰性試験が見逃される可能性があります。 MEDLINE に掲載されていない研究こそが、あなたの結論を変える研究である可能性があります。
"Search wide. Search deep.
Document every database, every date, every term.
あなたが見逃している証拠が、最も重要な証拠である可能性があります。」
==================== モジュール 8: 選択 ====================
何千ものレコードの中から選択する必要があります。

But choose by what rule?
そして、誰があなたの選択をチェックするのでしょうか？
PRISMA フロー図

PRISMA 2020 Flow Diagram

IDENTIFICATION
n = 3,847
データベースからの記録
↓
Duplicates removed (n = 892)
SCREENING
n = 2,955
Titles/abstracts screened
↓
Excluded (n = 2,680)
ELIGIBILITY
n = 275
Full-text assessed
↓
理由付きで除外 (n = 247)
INCLUDED
n = 28
Studies in synthesis
Selection Process Decision Tree

Who Selects? How?

Study Selection
↓
Two independent reviewersGold standard
↓
Disagreement?
ConsensusDiscussion
Third reviewerArbiter
One reviewer onlyAcknowledge limitation
REPORT AGREEMENT
計算して報告する inter-rater agreement (kappa statistic). Low agreement suggests unclear criteria.

単一の試験からの事後サブグループ分析は、10 年間の分野全体を再構築できるでしょうか?

REAL DATA

Women's Health Initiative (WHI、2002) は、HRT が次のことを発見しました。 increased cardiovascular risk overall. But post-hoc subgroup analysis suggested women aged <60 閉経後10年以内の女性は恩恵を受ける可能性があるが、高齢の女性は害を受ける可能性がある。この「タイミング仮説」は、長年にわたる議論とさらなる研究の原動力となりました。

The HRT Timing Hypothesis: WHI 2002
HRT のメタ分析では、全体的には有害であることが示されていますが、探索的なサブグループでは、若い女性には利点があることが示唆されています。これはどうやって書きますか？
パス A: サブグループを誇張する
年齢サブグループの結果を主要な所見であるかのように見出しにします
↓
臨床医は探索的で検出力の低いサブグループに基づいて HRT を処方します。結果は再現できない可能性があります
OUTCOME: Premature clinical change
PATH B: Report Honestly
Present overall result as primary; label subgroup as exploratory and pre-specified or post-hoc
↓
Readers understand the hypothesis needs confirmation; future trials can be designed to test it
OUTCOME: Responsible hypothesis generation
THE REVELATION
サブグループ分析では、結論ではなく仮説が生成されます。常に探索的としてラベルを付け、最初に全体的な結果を報告します。
"Every exclusion must have a reason.
Every reason must be documented.
Two pairs of eyes are better than one—
どちらかが見逃しても、もう一方がキャッチするかもしれないからです。」
==================== モジュール 9: バイアスのリスク ====================
メタアナリシス見たことないの？
良い研究と悪い研究をプールし、
そして平均と呼ばれます truth?
偏見を無視することの危険性
抗うつ剤スキャンダル
Turner et al. (2008) obtained FDA data on 74 antidepressant trials.

In the published literature: 試験の 94% が陽性でした。

In the FDA database: 陽性反応を示したのは 51% のみでした。

公開されたメタ分析では、選択的に報告されたデータがプールされていました。効果量は inflated by 32%.
Turner EH et al. N Engl J Med. 2008;358:252-260
バイアスのリスク評価ツール

どのツールを使用するか?

Study Design
↓
RCTs
RoB 2Cochrane tool
Non-randomized
ROBINS-IInterventions
DTA studies
QUADAS-2Diagnostic
Observational
NOSNewcastle-Ottawa
RoB 2 Domains

Cochrane Risk of Bias 2.0 for RCTs

D1 Randomization process
D2 意図した介入からの逸脱
D3 結果データの欠落
D4 結果の測定
D5 報告された結果の選択
JUDGMENT OPTIONS
Each domain: Low risk / Some concerns / High risk
「偏ったデータのメタ分析」より狭い信頼区間で
yields a biased conclusion—
を研究します。
嘘をより正確にしました。"
=================== モジュール 10: データ抽出====================
各調査から数値を抽出する必要があります。

抽出が間違っていると、分析全体が行われます
is built on sand.
データ抽出フォーム

必須データ項目

1 Study identifiers (author, year, country)
2 研究の設計と設定
3 Participant characteristics (n, age, sex, severity)
4 Intervention details (dose, duration, delivery)
5 Comparator details
6 結果の定義と測定
7 Results (means, SDs, events, sample sizes)
8 Follow-up duration and loss to follow-up
9 Funding source and conflicts of interest
Extraction Decision Tree

欠損データの処理

データは報告されません
↓
What to Do?
First
Contact authorsデータの電子メール
If no response
Calculate/imputeDocument method
If impossible
Exclude from MAInclude in narrative
ロシグリタゾンのデータ抽出エラー
2007 | NEW ENGLAND JOURNAL OF MEDICINE
Nissen and Wolski's 2007 meta-analysis of rosiglitazone (Avandia) found a 43% increased risk of heart attack。この発見はFDAの警告を引き起こし、世界中で処方箋の崩壊を引き起こしました。

But later scrutiny revealed complications. Some effect estimates had been extracted from secondary publications rather than primary trial reports。イベントのカウント方法 (さまざまなソースから抽出されたもの) の小さな違いによって、結果は大きく変わりました。

メタ分析は影響力があり、ほぼ正確でしたが、論争は small extraction decisions can have billion-dollar consequences. Merck's competing drug gained market share; GSK faced massive litigation.
THE LESSON
常に一次ソースから抽出する方法を浮き彫りにしました。すべての選択を文書化します。抽出された数値のわずかな差異が、規制上の決定や市場の運命を変える可能性があります。
"Extract in duplicate. Check each number.
One digit wrong can change the conclusion.
抽出フォームは台帳です—
keep it meticulous, keep it true."
==================== モジュール 11: 影響対策====================
効果量はメタ分析の中心です。

間違った測定値を選択すると、
プールされた推定値は次のようになります meaningless.
Effect Measure Decision Tree

Choosing the Right Effect Size

Outcome Type
↓
Binary
RR, OR, RDEvents/no events
Continuous
Same scale?
YesMD (mean diff)
NoSMD (Hedge's g)
Time-to-event
HRHazard ratio
Common Effect Measures
RR
Risk Ratio
Multiplicative
OR
Odds Ratio
Case-control
MD
Mean Diff
Same units
SMD
Std Mean Diff
Different scales
THE PRINCIPLE
効果測定値は次のようになります。 研究全体で比較可能. If studies used different scales, standardize.

Can a trial that transforms global practice still have serious limitations?

REAL DATA

RECOVERY試験（2020年）では、デキサメタゾンが酸素を必要とする入院中の新型コロナウイルス感染症患者の28日死亡率を低下させることが実証されました： RR 0.83, 95% CI 0.75-0.93。しかし、この試験は非盲検 (盲検化なし) で、主に英国の病院で実施され、対照群は通常の治療 (内容はさまざま) を受けました。

RECOVERY 試験: 2020
貴社のメタ分析には、主要な研究として RECOVERY が含まれています。画期的な治験の制限にどのように対処しますか?
PATH A: Minimize Limitations
オープンラベルのデザインと地理的集中を軽視します。顕著な死亡率の利点に焦点を当てる
↓
Readers cannot judge generalizability to other settings; potential detection bias is obscured
結果: 不完全な証拠の評価
PATH B: Honest Limitations
死亡率の利点を明確に示しながら、オープンラベルのデザインと地理的制限を認識する
↓
読者は、結果の強さと不確実性が残る場所の両方を理解する
OUTCOME: Trustworthy, balanced reporting
THE REVELATION
さえ画期的な試みには限界があります。それらを認めても、発見が損なわれるわけではありません。それは読者の信頼を築き、将来の研究を導きます。
"データに適合する尺度を選択してください。
一般的な結果のリスク比、まれな結果のオッズ比。
Standardize when scales differ.
間違った対策はリンゴとオレンジをプールします。」
==================== モジュール 12: 合成 ====================
森林区画を見たことがありませんか
where studies pointed in opposite directions,
yet the diamond declared a single truth?
Fixed vs. Random Effects

Which Model to Use?

Meta-Analysis Model
↓
本当の効果についての思い込み？
One true effect
Fixed Effectすべての研究は同じθを推定します
↓
Rarely appropriate非常によく似た研究
Effects vary
Random EffectsDistribution of θᵢ
↓
Usually preferredMore conservative
プールをしてはいけない場合

Do Not Meta-Analyze If...

✗ 研究が不均一すぎる（臨床または方法論）
✗ 結果の定義は異なります
✗ 人口が根本的に違う
✗ Risk of bias is too high across studies
✗ Publication bias is severe
THE WISDOM
Sometimes the most honest conclusion is: 「これらの研究はプールされるべきではありません。」

コクランレビューの方法論的批判が組織の危機にまでエスカレートするとどうなるでしょうか?

REAL DATA

2018年、Peter GøtzscheらはコクランHPVワクチンのレビューに対する批判を発表し、主要な試験が除外され、不適切な対象基準が使用されていると主張した。コクランのレビューには次のものが含まれていました 73,000人以上の女性を対象とした26件の研究。この論争はガバナンス危機となり、ゲッシェ氏がコクラン取締役会から追放されるという事態にまで至った。

コクラン HPV 論争: 2018
あなたは、追加の研究を含めるべきだったと主張する、発表した合成に対する方法論的な批判を受け取ります。どう答えますか？
パス A: 批判を却下する
提起された特定の方法論的なポイントに関与せずに、元のアプローチを擁護する
↓
国民の信頼は失墜する。論争は科学的というより個人的なものになる。証拠ベースは改善されていない
OUTCOME: Polarization and lost credibility
PATH B: Engage Transparently
提案された研究を組み込んだ感度分析を実施します。結論が変わるかどうかを示す透明性のある回答を公開する
↓
証拠は強化されます。方法論的な議論がこの分野を前進させる。信頼が保たれている
OUTCOME: Science self-corrects publicly
THE REVELATION
方法論的な批評は科学を改善する方法です。守りではなくデータに基づいて対応することで、レビューと現場の両方が強化されます。
「プールのためのプールはしないでください。
矛盾する研究のメタ分析
それは総合ではなく、混乱です。
Know when to say: these cannot be combined."
研究結果が一致しないときは、
意見の相違自体は data.

Do not hide it. Explain it.
Heterogeneity Measures
Q
Cochran's Q
Significance test
I²
Inconsistency
% variation
τ²
Tau-squared
Between-study var
PI
Prediction interval
Future studies
Investigating Heterogeneity

When I² > 50%

High Heterogeneity
↓
Investigation Methods
Subgroup analysisPre-specified
Meta-regressionIf ≥10 studies
Sensitivity analysisExclude outliers
↓
Report unexplained heterogeneityLimitation

What if a meta-analysis of small positive trials is overturned by a single mega-trial?

REAL DATA

1990年代初頭までに、いくつかの小規模な試験で、マグネシウムの静脈内投与により急性心筋梗塞後の死亡率が低下することが示唆されました。メタ分析 (Teo et al., 1991) ではこれらを統合し、次のような重要な利点が見つかりました。 OR 0.44, 95% CI 0.27-0.71。その後、ISIS-4 (1995) という大規模な試験が行われました。 58,050 patients、まったくメリットが見つかりませんでした。小規模な研究の効果と不均一性は無視されていました。

マグネシウム論争: 1991 ～ 1995 年
小規模試験のメタ分析では高い不均一性 (I² が 50% 以上) が示されていますが、統合された推定値は有意です。これをどのように提示しますか?
パス A: 異質性を埋める
Report the significant pooled estimate prominently; mention I² only in passing
↓
臨床医は治療法を採用します。将来の大規模な試験はメタ分析と矛盾し、この手法に対する信頼を損なう可能性がある
OUTCOME: Premature guideline changes
PATH B: Investigate Transparently
異質性を強調します。情報源を調査する（研究の規模、質）。小規模な研究の影響により推定値が膨らむ可能性があることに注意してください
↓
読者は不確実性を理解しています。推奨事項では、慣行を変更する前に決定的な大規模な試験が必要です
OUTCOME: Evidence-appropriate caution
THE REVELATION
異質性は警告信号であり、脚注ではありません。小規模な研究の効果は、単一の大規模な試験が覆す可能性があるという誤って安心感を与える統合推定値を生み出す可能性があります。
"I-squared is not just a number to report.
それは、なぜこれらの研究が一致しないのかという疑問です。
Investigate. Explain. Or acknowledge ignorance."
==================== モジュール 14: 出版バイアス ====================
ファイルドロワーについて聞いたことがありますか?
ネガティブな研究が送られる場所 die,
leaving only the positive survivors
to tell a distorted story?
Vioxx 災害
MERCK, 2004
Vioxx (rofecoxib) was a blockbuster painkiller earning $2.5 billion/year.

Internal company documents showed Merck knew of cardiovascular risks but 好ましくないデータを抑制 and published only favorable analyses.

A meta-analysis using all available data revealed a 2-fold increased risk of heart attack.

Vioxx was withdrawn. It had caused an estimated 88,000-140,000 excess heart attacks.
Topol EJ. N Engl J Med. 2004;351:1707-1709
Detecting Publication Bias

Assessment Methods

Publication Bias Assessment
↓
Funnel plotVisual inspection
Egger's testStatistical asymmetry
トリミングして埋めるImpute missing
↓
Requires ≥10 studiesLow power otherwise
Preventing Bias: The AllTrials Campaign
ALLTRIALS.NET
"All trials registered. All results reported."

• Search trial registries (ClinicalTrials.gov, WHO ICTRP)
• 未公開のものについては企業にお問い合わせくださいデータ
• レビューに登録番号を引用します
• どの登録済み試験が分析から欠落しているかを報告します
「ファイルドロワーは空ではありません。
企業が隠した研究、
ジャーナルに記録された結果が保管されています。拒否されました。
あなたの仕事は、その引き出しを開けることです。あるいは、開けなかったと言うのです。"
==================== モジュール 15: 森林区画 ====================
森林区画はメタ分析の顔です。

リーダー everything:
each study, each weight, each confidence interval,
と最終的な統合推定値が表示されます。
森林プロットの読み取り

森林プロットの要素

Forest Plot
↓
Study namesLeft column
SquaresPoint estimates
Lines95% CI
DiamondPooled estimate
↓
正方形のサイズ = 調査体重Larger = more precise
Forest Plot Checklist

What to Include

□ 研究識別子 (著者、年)
□ Sample size per arm
□ 95% CI の効果推定値
□ Weight (% contribution)
□ Line of no effect (RR=1 or MD=0)
□ 95% CI のプール推定値
□ Heterogeneity statistics (I², τ², Q)
□ Test for overall effect (Z, p-value)
変化した Vioxx 数値すべて
2004 |承認試験と市場撤退
長年にわたり、Vioxx (ロフェコキシブ) の心血管安全性に関するフォレストプロットは、安心できるパターンを示していました。以前の試験からの点推定値は、効果がない線の周囲に集まっていました。ダイヤモンドはその薬が安全であることを示唆しました。

その後、APPROVe 試験が行われました。そのデータが森林プロットに追加されると、 状況は劇的に変化しました。 APPROVe の大きな四角は、プールされたダイヤモンドを決定的に危害に向けて引き寄せました。そのビジュアルは紛れもないものでした。

あの森のプロット ended Vioxx。メルク社は自発的にその薬を撤回した。その後の訴訟により、会社 $4.85 billion in settlementsは損害を被りました。何千人もの患者が心臓発作に苦しんでいたが、初期の小規模な試験ではあいまいな結果が示された。
THE LESSON
適切に実施され、適切な検出力を備えた 1 つの試験によって、統合された推定値全体が変わる可能性がある。フォレスト プロットは、証拠がどのように蓄積されるか、そして場合によってはそれがどのように方向転換するかを物語ります。
誤解を招くフォレスト プロット
あなたは、メタ分析用のフォレスト プロットを設計しています。軸のスケールと調査の順序によって、視覚的な印象が変わる場合があります。どのように進めますか?
パス A: インパクトのあるデザイン
Use a compressed axis scale to make effect sizes look larger; order studies to build a visual narrative
↓
読者は、効果の大きさについて誇張された印象を持ちます。プロットはデータ表示ではなく擁護ツールになります
結果: 証拠の視覚的歪曲
パス B: 明瞭さのための設計
Use standard axis scaling; order studies by year or alphabetically; include all standard elements (weights, CIs, I²)
↓
読者は独自の判断を下すことができます。プロットは透明なデータ視覚化として機能します
OUTCOME: Honest visual communication
"The forest plot hides nothing.
Every study visible. Every weight transparent.
あなたが見たものを読者に見てもらいましょう—
"
=================== モジュール 16: 証拠の確実性 ====================
プールされた推定値では十分ではありません。

あなたはまた、読者に次のように伝える必要があります。
How confident should they be in this result?
GRADE Certainty Assessment

証拠の評価

Start: RCTs = High, Obs = Low
↓
Reasons to Downgrade?
Risk of bias-1 or -2
Inconsistency-1 or -2
Indirectness-1 or -2
Imprecision-1 or -2
Pub. bias-1 or -2
GRADE Certainty Levels
⊕⊕⊕⊕
HIGH
Very confident
⊕⊕⊕◯
MODERATE
Likely close
⊕⊕◯◯
LOW
May differ
⊕◯◯◯
VERY LOW
Uncertain

What happens when a GRADE assessment of "low certainty" collides with a public health emergency?

REAL DATA

呼吸器系ウイルスの拡散を減らすための身体的介入に関する2023年のコクランレビュー(Jeffersonら)では、地域社会におけるマスクの証拠はグレードごとに low certainty であり、このレビューは「マスク」を証明していると広く報告されました。 「機能しない」と著者らは述べたが、どちらの方向でも確固たる結論を導き出すには証拠が不十分だった。

コクラン・マスク・レビュー: 2023年
政治的にデリケートなトピックに関するあなたの体系的レビューは「確実性が低い」という GRADE 評価を受けています。これをどのように伝えますか?
パス A: 感情を和らげる評価
GRADE 評価を軽視し、確実性レベルよりもポイントの推定を強調する
↓
評価が厳密ではなく任意であるとみなされる
OUTCOME: Compromised methodology
PATH B: Report Faithfully
「確実性が低い」とはどういう意味なのかを明確に説明します。不在の証拠からの証拠
↓
一般の人は誤解するかもしれないが、科学的記録は正確である；今後の研究の方向性は明らかになる
OUTCOME: Methodological integrity
THE REVELATION
「確実性が低い」ということは「影響がない」という意味ではない。特に政治的な話題については、その意味を明確に説明して、GRADE 評価を忠実に報告する必要がある。
「効果の大きさは、
GRADE certainty is the how sure.
Report both—or the reader cannot judge
how much to trust your conclusion."
==================== モジュール 17: ディスカッション ====================
このディスカッションは、 interpret.

回転させない場所です。誇張しないでください。
But to explain what your findings mean—
その内容 not mean.
Discussion Structure
1
Summary of Findings

主な結果を確実性評価とともに再説明する

2
既存の文献との比較

How do your findings relate to prior reviews?

3
長所と限界

レビューと含まれているものの両方研究

4
実践への影響

What should clinicians/policymakers do?

5
研究への影響

どのような研究がまだ必要とされていますか?

Common Mistakes in Discussion

What NOT to Do

✗ データを超えた結論の誇張
✗ Ignoring limitations
✗ Treating statistical significance as clinical importance
✗ Failing to address heterogeneity
✗ 観察結果からの因果関係の主張データ

これまでに最も引用された方法論の論文が、ほとんどの研究結果が誤りであると警告していたらどうなるでしょうか?

REAL DATA

PLoS Medicine に掲載された John Ioannidis の 2005 年の論文「なぜほとんどの出版された研究結果が誤りであるのか」が、 10,000 timesよりも引用されています。同氏は数学的モデリングを用いて、研究結果が真実である確率は研究力、バイアス、テストされた関係の数に依存すると主張した。多くの研究デザインでは、研究後の真の結果の確率は 50% 未満になる可能性があります。

イオアニディス ウェイクアップ コール: 2005
メタ分析では統計的に有意な結果が得られましたが、含まれる研究は小規模で異質であり、多くはバイアスのリスクが高くなります。ディスカッションはどのように作成しますか?
パス A: 調査結果を売り込む
重要なプールされた推定値を提示します。制限を最小限に抑える。強力な実践を推奨する
↓
この調査結果は時期尚早にガイドラインに入る。複製が失敗した場合、メタ分析手法全体が非難されます
OUTCOME: Eroded trust in evidence synthesis
パス B: 解釈を調整します
研究の質、異質性、確実性の観点から結果を議論します。推奨の強さと証拠の強さを一致させる
↓
Readers understand the degree of confidence warranted; future research priorities become clear
OUTCOME: Proportionate, trustworthy conclusions
THE REVELATION
ディスカッションでは、熱意を証拠の質に合わせて調整する必要があります。弱い証拠に基づく強い主張は、この分野全体の信頼を傷つけます。
「このディスカッションは権利擁護を目的としたものではありません。
それは正直な解釈のためです。
証拠が示していることを言ってください。
Admit what it does not show."
ウェイクフィールド論文について聞いたことがありませんか?
where conflicts of interest were hidden,
データが捏造された場所、
そして何百万もの子供たちが行きました unvaccinated?
MMR 自閉症詐欺
THE LANCET, 1998-2010
Andrew Wakefield published a study linking MMR vaccine to autism.

彼は自分がそうであったことを明らかにしなかった paid £435,643 by lawyers seeking to sue vaccine manufacturers.

彼は自分が持っていたことを明らかにしなかった filed a patent for a competing single-dose measles vaccine.

この研究は最終的に撤回された。ウェイクフィールドは打たれた。しかし、被害は発生しました: vaccination rates plummeted、そして麻疹の流行が再発した。
Deer B. BMJ. 2011;342:c5347
Transparency Checklist

What to Declare

□ Protocol registration number
□ Funding sources (all)
□ 審査における資金提供者の役割
□ Conflicts of interest (all authors)
□ データ利用可能性に関する声明
□ プロトコルからの逸脱 (理由あり)
□ Author contributions
AllTrials イニシアチブ
2013-PRESENT | A GRASSROOTS TRANSPARENCY MOVEMENT
2013 年、Ben Goldacre とコクラン コラボレーションの同僚は、次のような不穏な真実を発見した後、AllTrials を立ち上げました。 approximately half of all clinical trials were never published。欠落した試験は、陰性または不都合な結果をもたらした試験が不均衡であった。

キャンペーンが集まりました 90,000 人以上の個人署名者 700 以上の組織。過去および将来のすべての試験を登録し、完全な方法と結果を報告することを要求した。

その衝撃は変革をもたらしました。の EUは治験登録と結果報告を義務化. The FDA strengthened its own requirements. Journals began demanding prospective registration. What started as advocacy became global policy.
THE LESSON
要求の厳しいデータアクセスが機能します。草の根運動は国際規制を変え、透明性の擁護者が証拠のエコシステムを再形成できることを証明しました。
ヒドロキシクロロキン プレプリント カスケード: 2020
2020 年初頭です。あなたのチームは、新型コロナウイルス感染症 (COVID-19) 治療に関する予備的なメタ分析結果を持っています。 Gautret のプレプリント (非ランダム化、患者 42 人) はすでに広まっています。サージスフィアのスキャンダルは、まもなく主要ジャーナルで捏造されたデータを公表するだろう。急いでプレプリントをしますか、それとも待ちますか?
パス A: スピードを高めるためのプレプリント
ポリシーに影響を与えるために、medRxiv に直ちに投稿します。緊急のため査読をスキップする
↓
含まれている研究に捏造されたデータや欠陥のある手法が含まれている場合、メタ分析によって誤差が増幅されます。撤回は信用を傷つける
OUTCOME: Accelerated misinformation
PATH B: Verify, Then Publish
研究の質を厳密に評価します。生データについては著者に問い合わせてください。投稿前に迅速な査読を受ける
↓
公開には時間がかかりますが、分析は堅牢です。欠陥のある研究が撤回されても結論は残る
結果: 永続的で信頼できる証拠
「透明性はオプションではありません。
資金調達を宣言します。競合を宣言します。
The reader has a right to know
誰がこの仕事にお金を払ったのか、そしてその理由を。」
==================== モジュール 19: 最終チェック ====================
提出する前に
最終チェックリスト
PRISMA 2020 Final Check

Have You...

□ Completed all 27 PRISMA checklist items?
□ Included the PRISMA flow diagram?
□ Provided full search strategy in appendix?
□ 除外された研究を理由とともに列挙しますか?
□ 研究ごとにバイアスのリスクが報告されていますか?
□ Provided forest plot(s)?
□ 評価された出版バイアス（研究が 10 件以上の場合）?
□ 段階的な証拠の確実性 (GRADE)?
□ Declared all conflicts of interest?
□ Cited protocol registration?
Supplementary Materials
WHAT TO INCLUDE
• Full search strategies すべてのデータベース
• 除外された研究のリスト with reasons
• データ抽出フォーム (空白および記入済み)
• Risk of bias details 研究
• Additional forest plots (subgroups, sensitivity)
• Funnel plot および統計テスト
• グレード証拠プロファイル tables

不正な論文はどれくらいの期間、査読、編集上の精査、公の異議申し立てに耐えることができますか?

REAL DATA

Andrew Wakefield's 1998 Lancet paper linking MMR vaccine to autism took 12 years 完全に撤回されるまで(2010)。その間、ジャーナリストのブライアン・ディアは金融紛争、倫理違反、データ操作を暴露しました。複数の大規模研究 (デンマークのコホートを含む over 650,000 children) found no association, yet the original paper's influence persisted.

ウェイクフィールド撤回: 1998-2010
査読中、査読者がデータの不一致を理由に、メタ分析に含まれる研究について深刻な懸念を提起しました。どう対応しますか?
パス A:懸念をそらす
査読者の懸念を慎重すぎるとして無視し、さらなる調査を行わずに研究を含めたままにする
↓
研究が後で撤回された場合、メタ分析は汚染された結論を撤回する必要がある可能性があります
結果: 汚染された証拠合成
PATH B: Investigate Thoroughly
生データについては研究著者に連絡し、問題のある研究を除外して感度分析を実行します。懸念事項を透明性をもって開示します。
↓
メタ分析は、疑わしい研究を含めるか除外するかについて文書化されます。
結果: 回復力があり、自己修正されます。 review
THE REVELATION
査読は、出版前の最後の防御手段であり、克服すべき障害ではなく、研究を強化する機会として査読者の懸念に対処してください。
「証拠を集めました。
あなたはそれを公平に評価しました。
あなたはそれを書きました。

今すぐ作品を提出してください—
そして真実が発見され、再び発見されるようにしましょう。"
==================== モジュール 20: クイズと参考資料====================
References

Key Sources

  1. Page MJ et al. BMJ. 2021;372:n71. [PRISMA 2020]
  2. Jefferson T et al. Cochrane 2014;4:CD008965. [Tamiflu]
  3. Turner EH et al. N Engl J Med. 2008;358:252-260. [Antidepressants]
  4. Boutron I et al. JAMA. 2010;303:2058-2064. [Spin]
  5. Topol EJ. N Engl J Med. 2004;351:1707-1709. [Vioxx]
  6. Deer B. BMJ. 2011;342:c5347. [Wakefield]
  7. Sterne JAC et al. BMJ. 2019;366:l4898. [RoB 2]
  8. Higgins JPT et al. Cochrane Handbook. 2023.
  9. Schünemann HJ et al. GRADE Handbook. 2013.
  10. Ioannidis JPA. PLoS Med. 2005;2:e124. [Why most research is false]
What percentage of antidepressant trials appeared positive in published literature vs. FDA data?
Published 51%, FDA 94%
Published 94%, FDA 51%
Both about 75%
Published 80%, FDA 60%
システマティックレビューを実施する前にプロトコルを登録する目的は何ですか?
To get funding
To claim priority
To prevent outcome switching and data-driven decisions
レビューを公開可能にするため
いつ行うべきですか?メタ分析で研究をプールしませんか?
研究が 10 件未満の場合
研究が臨床的または方法論的に不均一すぎる場合
効果が統計的に有意ではない場合
研究が異なる場合国
✔
Course Complete
「これで、証拠の誓約がわかりました。
検索する前に登録してください。
Search comprehensively. Select transparently.
Extract carefully. Assess bias honestly.
賢く情報を集めましょう。あるいは全く使わないこともできます。
Write so that truth may be found,
そして後続の人たちによって再び発見されました。」
==================== モジュール 21:ソフトウェア ツール ====================
メソッドは、それを実行するツールがなければ意味がありません。

分析を実行するソフトウェア
from protocol to forest plot?
Software Decision Tree

ツールの選択

Meta-Analysis Software
↓
Your Context?
Cochrane Review
RevManFree, official
Academic/Flexible
R metaforFree, powerful
Institution License
Stata metaComprehensive
Point-and-Click
CMAUser-friendly
必須ツールキット
RevMan
Cochrane official
Free download
R + metafor
Most flexible
Reproducible code
GRADEpro
Certainty tables
SoF tables
Rayyan
Screening tool
AI-assisted
REPRODUCIBILITY
コードベースのツール (R、Stata) は reproducible analysesを作成します。他の人があなたの作業を検証できるように、コードを共有してください。
R metafor Example
BASIC META-ANALYSIS IN R
library(metafor)

# Calculate effect sizes
dat <- escalc(measure="RR", ai=events_tx, bi=noevents_tx,
    ci=events_ctrl, di=noevents_ctrl, data=mydata)

# Random effects model
res <- rma(yi, vi, data=dat, method="REML")

# Forest plot
forest(res, slab=paste(author, year))

体系的レビューに数十人の著者がいる場合、執筆をどのように調整しますか?

REAL DATA

SPRINT トライアル (2015) のリスト数十の機関から 100 authors 以上。執筆グループには運営委員会、現場調査員、統計学者が含まれていました。貢献の調整、バージョン管理の管理、および著者のクレジットの決定には、正式な構造が必要でした。 ICMJE の基準では、著者資格を、多大な貢献、起草または改訂、最終承認、および説明責任が必要であると定義しています。

Team Writing Challenges: Large Collaborative Reviews
貴社の体系的レビュー チームには、4 か国にわたる 12 人のメンバーがいます。書き込みプロセスはどのように管理していますか?
PATH A: Informal Coordination
Pass drafts via email; resolve authorship at the end; no writing plan or version control
↓
Duplication of effort; authorship disputes at submission; inconsistent voice and formatting; lost contributions
結果: 遅延と競合
PATH B: Structured Process
セクションの先頭を事前に割り当てます。バージョン管理を備えた共有プラットフォームを使用します。開始時に ICMJE の基準と著者の順序に同意します
↓
明確な説明責任。一貫した出力。透明性のある貢献。結果が判明する前に著者名が決定
OUTCOME: Efficient, fair collaboration
THE REVELATION
作業を開始する前に著者名基準と執筆責任について合意します。結果が判明した後で紛争を解決するのは最も困難です。
「ツールは分析を行いません。
アナリストが分析します。
しかし、ツールを賢く選択し、
真実を明らかにできるようにコードを共有してください。 "
==================== モジュール 22: メタ分析を読む ====================
誰もがメタ分析を書くわけではありません。

But every clinician, every policymaker, every patient
must know how to read them.
HRT逆転
WOMEN'S HEALTH INITIATIVE, 2002
何十年にもわたって、観察研究では、ホルモン補充療法 (HRT) が女性を心臓病から守ることが示唆されてきました。

これらの研究のメタ分析では、 35-50% reduction in cardiovascular risk.

その後、WHI ランダム化試験で真実が明らかになりました: HRT increased heart attack risk by 29%.

The observational meta-analyses had pooled confounded data—健康な女性は HRT を選択し、選択しませんでした。その逆。
Rossouw JE et al. JAMA. 2002;288:321-333
How to Read a Forest Plot

Consumer's Guide

森林プロットの読み取り
↓
Line of no effectRR=1 or MD=0
Diamond positionLeft=benefit, Right=harm
Diamond widthNarrow=precise
↓
Does diamond cross the line?
NoStatistically significant
YesNot significant
Red Flags When Reading

Warning Signs in Published Meta-Analyses

⚠ No protocol registration cited
⚠ Single database searched
⚠ No risk of bias assessment
⚠ High I² but no investigation
⚠ Asymmetric funnel plot ignored
⚠ 業界の資金提供、感度分析なし
⚠ 結論は証拠を上回る
What GRADE Ratings Mean
臨床医と患者向け
HIGH: We are very confident. Future research unlikely to change.

MODERATE: Probably close to truth. Future research may change estimate.

LOW: Uncertain. Future research likely to change substantially.

VERY LOW: Very uncertain. Any estimate is speculative.
「ダイヤモンドだけでなく森を読んでください。
プロトコルを確認してください。バイアスを確認してください。
Ask: Who funded this? What did they hide?
情報を持った読者が真実の守護者です。"
=================== モジュール 23: ネットワーク メタ分析===================
What if you must compare treatments
直接テストは行われていませんか?

これは network meta-analysis.
When to Use Network MA

NMA Decision Tree

Multiple Treatments
↓
Direct comparisons available?
All pairs directly compared
Pairwise MAStandard approach
Some indirect only
Network MABorrow strength
↓
Check transitivity assumptionSimilar populations across comparisons
ネットワーク ジオメトリ
の領域です。 EVIDENCE
A B C
Nodes = Treatments (size = sample)
Edges = 直接比較 (幅 = 研究)
Dashed = 間接証拠のみ
League Tables
ネットワークから NMA 結果を読み取る
League tables show all pairwise comparisons 。

• Each cell: effect estimate + 95% CI
• Row vs. Column: Treatment A vs. Treatment B
• Green = Favors row treatment
• Red = Favors column treatment
• Rankings (SUCRA/P-score) help identify best options
CRITICAL ASSUMPTION
Transitivity: A 対 B および B 対 C を比較した場合同様の患者では、A 対 C を間接的に推定できます。

What happens to meta-analyses when a prolific author's entire body of work is retracted?

REAL DATA

Joachim Boldt, a German anesthesiologist, had over 220 papers retracted データ捏造 (2010 ～ 2011 年に発見)。コロイド溶液に関する彼の研究は、複数の系統的レビューとメタ分析に含まれていました。撤回があったとき、彼の研究を含むすべてのメタ分析は再評価されなければなりませんでした。彼の捏造データが削除されたとき、いくつかの結論は大幅に変わりました。

ボルト撤回カスケード: 2010-2011
あなたは、公開したメタ分析に含まれていた研究がデータ捏造のために撤回されたことを発見しました。どうしますか?
PATH A: Hope No One Notices
撤回を無視します。メタ分析はすでに発表されており、撤回された研究は小規模でした
↓
他の人があなたのメタ分析を引用しています。捏造されたデータは二次引用を通じて伝播します。患者ケアの決定は汚染された証拠に基づいています
OUTCOME: Cascading harm from inaction
PATH B: Self-Correct Publicly
撤回された研究を除いた修正または更新された分析を公開します。ジャーナルに通知する。結論が変わるかどうかを述べます
↓
科学的記録が修正されました。読者は最新の分析を確認できます。誠実さに対するあなたの評判が高まります
OUTCOME: Scientific self-correction
THE REVELATION
証拠統合の完全性は、継続的な警戒にかかっています。含まれている研究が撤回された場合、倫理的義務は沈黙を守ることではなく、更新し修正することです。
"When treatments have never met,
ネットワークは証拠の橋を築きます。
But the bridge rests on transitivity—
母集団が比較可能であることを検証します。"
==================== モジュール 24: AI/ML 予測モデル ====================
トレーニング セットで 99% の精度で癌を予測した AI
を見たことがありませんか?
、次の時点で壊滅的に失敗しました
にデプロイされた場合 real world?
敗血症アルゴリズムの失敗
EPIC SEPSIS MODEL, 2021
Epic's sepsis prediction algorithm was deployed in hundreds of hospitals.

Internal validation showed excellent performance.

で展開されましたが、ミシガン州医療機関の独立した研究により、モデル missed 67% of sepsis cases and generated excessive false alarms.

アルゴリズムが訓練されたのと同じ集団 で検証されていたが発見されました。
Wong A et al. JAMA Intern Med. 2021;181:1065-1070
AI Validation Decision Tree

AI/ML の証拠レベル

AI Prediction Model
↓
Validation Level?
Internal only同じデータ分割
HIGH RISK
TemporalDifferent time
MODERATE
ExternalDifferent site
BETTER
Impact RCTPatient outcomes
BEST
PROBAST & TRIPOD
PROBAST
Prediction model
Risk of Bias
TRIPOD
Reporting
guideline
TRIPOD-AI
AI-specific
extension
CALIBRATION VS. DISCRIMINATION
AUC/c-statistic: Can the model rank patients? (discrimination)
Calibration: 予測確率は正確ですか?

A model can have good AUC but poor calibration—and harm patients.
「アルゴリズムはデータから学習しました
、そしてデータは
It validated on itself,
and called its reflection truth.
External validation is not optional—it is survival."
==================== モジュール 25: 患者とのコミュニケーション ====================
メタ分析は数字で語ります。

しかし、患者は聞いています。 恐怖と希望.

そのギャップをどのように埋めますか?
Translating Numbers to Meaning

Communication Decision Tree

Meta-Analysis Result
↓
Effect Size Type?
Relative (RR, OR)
Convert to NNTMore intuitive
Absolute (RD)
Use directly"X fewer per 1000"
Continuous (MD)
ContextualizeMinimal important diff
患者向けのスクリプト
EXPLAINING A POSITIVE RESULT
「この研究では、8,000 人の患者を対象とした 15 件の研究がプールされました。

この治療法によりリスクが軽減されることが判明しました」 [結果] が約 30% 減少します。

実際的に言えば、あなたのように 100 人を治療した場合、治療を行わなかった場合に比べて [結果] が得られるのは約 5 人少なくなります。

We're moderately confident in this—future research might change it slightly.

これについて何か質問がありますか?
Questions Patients Should Ask

Empowering Patients

1 「研究と患者の数は何人ですか?」 "
2 「研究者はこの結果にどの程度自信を持っていますか?」
3 「利点と害は何ですか?」
4 「私のような人もこれらの研究に含まれていましたか?」
5 「誰がこの研究に資金を提供しましたか?」 "
6 「これは私の特定の状況にとって何を意味しますか?"

Can a spreadsheet error in an academic paper directly shape the economic policy of entire nations?

REAL DATA

ラインハルトとロゴフの 2010 年の論文では、公的債務が超過している国は次のように主張しています。 90% of GDP 成長率は劇的に低下した。この発見は、ヨーロッパ全土で緊縮政策を正当化するために広く引用されました。 2013 年、ハーンドン、アッシュ、ポリンはスプレッドシートのエラーを発見しました。いくつかの国が誤って計算から除外されていたということです。修正後、90% の鋭いしきい値は消えました。

ラインハルト・ロゴフ政策の影響: 2010 ～ 2013 年
メタ分析の結果には、政策への明確な影響があります。政策立案者はシンプルなメッセージを求めています。政策概要はどうやって書くのですか？
パス A: 影響を与えるために過度に単純化する
明確なしきい値または見出し番号を提供します。政策への影響を最大限に高めるため、警告や不確実性の範囲を省略する
↓
ポリシーは単純化された調査結果に基づいて採用されます。微妙なニュアンスが現れたり、間違いが見つかったりすると、研究とその結果として得られた政策の両方が信用されなくなります。
OUTCOME: Policy built on a fragile foundation
パス B: 誠実にコミュニケーションする
適切な不確実性を伴った証拠を提示する。強い所見と示唆的な所見を区別する。ニュアンスを維持した実用的な要約を提供する
↓
政策立案者は、証拠が何を裏付けているのか、どこに不確実性が残っているのかを理解しています。意思決定は適切な注意を払って行われます
OUTCOME: Durable, evidence-informed policy
THE REVELATION
Policy briefs must communicate uncertainty honestly. Oversimplified findings may gain influence quickly but collapse when scrutinized, damaging trust in research-policy relationships.
「メタ分析は数字で語ります。
患者は恐怖と希望を感じながら聞いています。
あなたの仕事は翻訳者です—
証拠に忠実であり、人に対して思いやりがある。」
==================== モジュール 26: これまでの振り返りと今後 ====================
システマティックレビューは、その瞬間の証拠を収集します。

But science does not stop.
証拠をどうやって保管するか alive?
Living Systematic Reviews
COVID-19 PANDEMIC, 2020-2023
パンデミックの間、従来のレビューが総合できるよりも早く証拠が現れました。

Living systematic reviews were continuously updated as new trials reported— sometimes within days of publication.

COVID-NMA コンソーシアムは、治療法、ワクチン、診断に関する生きたレビューを作成し、推奨事項を更新しました。 real-time 証拠が発展するにつれて。

Hydroxychloroquine went from "promising" to "ineffective" within months.
Defined by Cochrane: continual updates at ≤monthly intervals
When to Use Living Reviews

リビング レビュー デシジョン ツリー

レビュータイプの決定
↓
証拠は急速に進化していますか?
Yes + High Priority
Living ReviewContinuous updates
No / Stable
Standard ReviewUpdate every 2-5 years
↓
Resource intensiveRequires ongoing funding
証拠合成の未来
Automation
ML-assisted
screening
IPD-MA
Individual patient
data pooling
Real-World
EHR-based
evidence
Adaptive
Platform trials
+ MA
「証拠の契約は固定的なものではありません。
それは新しい研究ごと、新しい質問ごとに成長します。
レビューを生かし続けましょう。
メソッドの透明性を保ちます。
真実をすべての行動の中心に置いてください。」
1 / 4