有害事象の系統的レビュー、データ抽出時に注意すべき5つのエラー／BMJ

　中国・安徽医科大学のChang Xu氏らは、有害事象の系統的レビューでのデータ抽出の妥当性と、メタ解析結果へのデータ抽出エラーの影響を調べ、データ抽出エラーの分類フレームワークを開発した。検討の結果、起きうるエラーは、数的エラー、あいまいさによるエラーなど5つのタイプに分類でき、そのうち2つ以上のエラーがあると結果に影響を及ぼす可能性が高まることが示されたという。著者は、「有害事象の系統的レビューでは、データ抽出の再現性に関して深刻な問題が起きる可能性があり、抽出エラーは結論を誤らせる可能性がある。系統的レビューの著者が妥当なデータ抽出ができるよう、早急に実施ガイドラインを整備することが必要だ」と述べている。BMJ誌2022年5月10日号掲載の報告。

データ抽出エラーを明らかにし、解析への潜在的な影響を調査

　研究グループによる再現性の研究は、PubMedを検索し、2015年1月1日～2020年1月1日に発行された系統的レビューを特定して行われた。4人の著者が系統的レビューから、無作為化試験のメタデータを抽出。その後、同じ著者がオリジナルデータソース（全文およびClinicalTrials.govなど）に照会し、メタ解析で使用されたデータの再現を行った。

　適格とされた系統的レビューは、医療的介入について無作為化試験をベースとしたもので、独立したアウトカムとして安全性が報告されていたもの、少なくとも5つ以上の無作為化試験を包含して1つ以上のペアメタ解析が行われているもの、メタ解析の各試験で2×2のイベントデータテーブルが用いられ介入群と対照群のサンプルサイズが入手可能であるものとした。

　主要アウトカムは、研究レベル、メタ解析レベル、系統的レビューレベルの3段階で要約されたデータ抽出エラーである。さらに、それらエラーが結果へ及ぼす潜在的な影響を調べた。

データ抽出エラー5つのうち2つ以上があると結果に大きく影響

　201の系統的レビューと829のペアワイズメタ解析に組み入れられていた1万386の無作為化試験が包含された。

　1万386試験のうち1,762試験（17.0％）について、データ抽出を再現できなかった。829のメタ解析のうち554（66.8％）では、組み入れられていた無作為化試験のうち少なくとも1つ以上でデータ抽出にエラーがあった。また、201の系統的レビューのうち171（85.1％）で、少なくとも1つ以上のメタ解析にデータ抽出エラーがあった。

　最も頻度の高いデータ抽出エラーのタイプは、数的エラー（49.2％、867/1,762）とあいまいさによるエラー（29.9％、526/1,762）で、これらは主にアウトカムの定義のあいまいさによって引き起こされていた。このほか、ゼロ仮定エラー、誤認エラー、不一致エラーの3つのデータ抽出エラーのタイプが認められた。これらのデータ抽出エラーは、288のメタ解析のうち、10（3.5％）で効果の方向性の変化に、19（6.6％）でP値の有意性の変化に結び付いていた。

　メタ解析は、上記5つのデータ抽出エラータイプのうち2つ以上があると、エラータイプが1つのみであったときと比べて、変化の影響を受けやすいことが示された。中程度の変化の影響を受けたのは、エラータイプが2つ以上のメタ解析39のうち11（28.2％）、1つのみ249のうち26（10.4％）であり（p＝0.002）、大きな変化の影響を受けたのは、それぞれ5（12.8％）、8（3.2％）であった（p＝0.01）。

（ケアネット）