Cara melakukan meta-analisis:menggabungkan bukan mengumpulkan lalu merata-ratakan

Pertama, konteksnya. Meta-analisis bukan tugas yang berdiri sendiri — ia biasanya merujuk pada penggabungan statistik di tahap akhir sebuah systematic review, tempat pertanyaan, pencarian, seleksi, dan penilaian sudah dirancang sejak awal.

Artinya, kualitas sebuah meta-analisis sebagian besar sudah ditentukan sebelum penggabungan apa pun terjadi. Jika kriteria pemilihan studinya cacat, seakurat apa pun perhitungannya, hasilnya tetap tidak dapat dipercaya. (Bagaimana keduanya berkaitan kami bahas di artikel tentang perbedaan systematic review dan meta-analisis.)

Pertanyaan meta-analisis dipersempit menjadi satu PICO (Patient, Intervention, Comparison, Outcome): apakah intervensi ini memperbaiki outcome ini pada populasi ini?

Pertanyaan yang terlalu lebar mencampurkan studi-studi yang sifatnya berbeda, dan tidak ada langkah selanjutnya yang bisa membenarkan penggabungannya. Layak-tidaknya penggabungan sebagian besar ditentukan oleh satu kalimat ini.

Rancang kueri pencarian, telusuri beberapa basis data dengan pencatatan yang rapi, dan lakukan skrining terhadap kriteria yang telah ditetapkan. Ini proses standar systematic review, jadi detailnya kami serahkan ke artikel tentang desain review dan skrining.

Pada tahap ini ringkasan AI boleh membantu bacaan awal, tetapi keputusan inklusi dan alasan eksklusi dicatat oleh manusia yang bekerja dari teks asli.

Dari studi yang disertakan, ekstrak angka-angka yang dibutuhkan penggabungan — jumlah partisipan, hasil per kelompok, data effect size — dalam format seragam.

Dalam meta-analisis, memastikan definisi outcome, titik waktu pengukuran, dan populasi analisis berkorespondensi antarstudi adalah jantung ekstraksi data. Melewatkannya berarti melakukan kesalahan klasik merata-ratakan hal-hal yang berbeda. Detail praktisnya ada di artikel kami tentang ekstraksi data untuk meta-analisis.

Setelah data terkumpul, tahan dorongan untuk langsung menggabungkan. Tanyakan dulu: apakah studi-studi ini benar-benar dapat dikombinasikan? Apakah populasi, intervensi, dan outcome-nya cukup mirip? Apakah desainnya kompatibel?

"Bisa dihitung" dan "bisa digabungkan" adalah dua hal berbeda. Merata-ratakan apel dan jeruk tidak menghasilkan buah yang bermakna. Menggabungkan atau tidak, dan bagaimana caranya (fixed effect versus random effects, misalnya), melibatkan pertimbangan statistik — berkonsultasi dengan statistisi atau pembimbing adalah keharusan.

Hasil gabungan datang bersama penilaian variabilitas antarstudi — heterogenitas. Saat variabilitasnya besar, menanyakan mengapa studi-studi itu berbeda sering membuahkan temuan yang lebih penting daripada nilai gabungannya sendiri.

Menginterpretasi statistik heterogenitas serta merancang analisis subgrup dan analisis sensitivitas adalah kerja tim, bukan kerja solo. Kesimpulan meta-analisis bukanlah satu angka tunggal — melainkan angka itu, ditambah seberapa mirip studi-studinya, ditambah mengapa mereka berbeda.

Terakhir, kembalilah ke pertanyaannya. Apakah besaran efek gabungan itu bermakna secara klinis? Seberapa besar risk of bias pada studi yang disertakan membatasi kesimpulannya?

Bagian ini tidak dapat didelegasikan ke AI. Hanya orang yang telah membaca teks aslinya dan memahami keterbatasannya yang bisa menulis interpretasi yang jujur.

Sepanjang perjalanan panjang ini, Paperfy menjadi tempat Anda membaca, memverifikasi, dan kembali. Setiap paper yang disertakan mendapat satu halaman berisi ringkasan AI, gambar, tabel, dan PDF aslinya. Ringkasannya dapat diedit manual, sehingga Anda bisa menambahkan catatan konfirmasi ekstraksi atau kekhawatiran soal kelayakan penggabungan. Ia bukan pengganti perangkat lunak statistik (R, RevMan) maupun pengelola sitasi — ia mendukung proses membaca yang mendahuluinya.