Meta-analize i sustavni pregledi

Zadnja provjera: listopad 2026.

Pojedinačno psihološko istraživanje može nam pružiti vrijedne informacije, ali rijetko daje cjelovitu sliku neke složene pojave. Rezultati različitih istraživanja mogu se podudarati, djelomično razlikovati ili biti međusobno proturječni. Razlike mogu nastati zbog veličine i obilježja uzoraka, primijenjenih metoda, načina mjerenja ili stvarnih razlika među ljudima i okolnostima koje se istražuju.

Kako bi dobili širu sliku dostupnih dokaza, istraživači provode **sustavne preglede** i, kada je to prikladno, **meta-analize**. Ti postupci omogućuju organizirano prikupljanje, procjenjivanje i povezivanje rezultata više istraživanja.

Posebno su važni kada želimo procijeniti koliko je neka psihološka tvrdnja dobro potkrijepljena dokazima, djeluje li određena intervencija i koliko su rezultati dosljedni u različitim istraživanjima.

Ipak, objedinjavanje rezultata ne jamči točan zaključak. Kvaliteta pregleda ovisi o načinu na koji je proveden, kvaliteti uključenih istraživanja i opravdanosti postupaka kojima su njihovi nalazi povezani.

1. Što je sustavni pregled?

**Sustavni pregled** je istraživanje koje prema unaprijed definiranim pravilima prikuplja, procjenjuje i sintetizira dostupne dokaze o određenom istraživačkom pitanju.

Za razliku od nesustavnog pregleda literature, u kojem autor može odabrati radove prema vlastitoj procjeni njihove važnosti, sustavni pregled nastoji primijeniti transparentan i ponovljiv postupak.

Istraživači najprije određuju što žele saznati, a zatim planiraju kako će pronaći i procijeniti relevantna istraživanja.

Primjerice, mogu postaviti pitanje:

*Pomažu li programi temeljeni na kognitivno-bihevioralnim tehnikama u smanjenju simptoma anksioznosti kod odraslih osoba?*

Da bi odgovorili na to pitanje, moraju odrediti koje će vrste sudionika, intervencija, usporedbi i ishoda uključiti u pregled.

Zatim sustavno pretražuju relevantne baze znanstvene literature, pregledavaju pronađene radove i procjenjuju zadovoljavaju li unaprijed postavljene kriterije.

Sustavni pregled ne mora sadržavati statističko objedinjavanje rezultata. Njegov je cilj sustavno prikazati i procijeniti dostupne dokaze, a rezultati se mogu sintetizirati na različite načine, ovisno o vrsti istraživanja i prirodi podataka.

Što sustavni pregled čini sustavnim?

Važna obilježja uključuju:

Sustavni pregled stoga nije samo popis prethodnih istraživanja. On pokušava odgovoriti na određeno pitanje primjenom unaprijed osmišljenog postupka.

2. Što je meta-analiza?

**Meta-analiza** je statistički postupak kojim se rezultati dvaju ili više istraživanja kvantitativno objedinjuju kako bi se procijenio ukupni učinak ili povezanost.

Dok sustavni pregled obuhvaća cijeli postupak pronalaženja i procjene dokaza, meta-analiza je jedan od načina na koji se rezultati tih istraživanja mogu statistički povezati.

Meta-analiza se često provodi kao dio sustavnog pregleda, ali ta dva pojma nisu istoznačna.

Primjerice, nekoliko istraživanja može ispitivati učinak sličnih programa za smanjenje stresa. Jedno istraživanje može pronaći velik učinak, drugo malen, a treće ne pronaći statistički značajnu razliku.

Meta-analiza može objediniti njihove rezultate i procijeniti prosječni učinak, uzimajući u obzir preciznost pojedinačnih procjena i odabrani statistički model.

Takva procjena može biti preciznija od procjene iz pojedinačnog istraživanja. Međutim, smislenost rezultata ovisi o tome jesu li istraživanja dovoljno usporediva i jesu li njihovi nalazi opterećeni ozbiljnim ograničenjima.

Kako se rezultati objedinjuju?

Uobičajeni postupak uključuje nekoliko koraka:

1. Za svako istraživanje izračunava se odgovarajuća mjera učinka.

2. Procjenjuje se preciznost pojedinačnih rezultata.

3. Odabire se prikladan statistički model.

4. Rezultati se objedinjuju, pri čemu pojedina istraživanja dobivaju odgovarajuću težinu.

5. Procjenjuju se ukupni rezultat, njegova nesigurnost i razlike među istraživanjima.

6. Razmatra se koliko je dobiveni rezultat pouzdan i primjenjiv na šire okolnosti.

Način objedinjavanja ovisi o vrsti podataka, istraživačkom pitanju i obilježjima uključenih studija.

Meta-analiza zato nije jednostavno izračunavanje aritmetičke sredine svih objavljenih rezultata.

3. Zašto su sustavni pregledi i meta-analize važni?

Njihova je glavna prednost mogućnost sagledavanja šire slike dokaza.

Povećavaju preciznost procjene

Kada se objedine rezultati više prikladnih istraživanja, ukupna procjena može biti preciznija nego procjena iz pojedinačnog rada.

To je posebno korisno kada su pojedina istraživanja mala ili kada se njihovi rezultati razlikuju zbog slučajnih odstupanja.

Ipak, povećanje preciznosti ne znači nužno povećanje točnosti. Ako su uključena istraživanja sustavno pristrana, i objedinjena procjena može biti pristrana.

Pomažu razumjeti proturječne rezultate

Pojedina istraživanja mogu doći do različitih zaključaka. Sustavni pregled omogućuje istraživačima da provjere jesu li razlike povezane s obilježjima sudionika, vrstom intervencije, načinom mjerenja ili drugim čimbenicima.

Meta-analiza može procijeniti prosječni učinak, ali je važno provjeriti koliko se učinci pojedinih istraživanja međusobno razlikuju.

Mogu otkriti obrasce koje pojedinačna istraživanja ne pokazuju

Istraživanje s malim uzorkom možda ne može pouzdano odgovoriti na pitanje razlikuje li se učinak intervencije među dobnim skupinama.

Pregled većeg broja istraživanja može pomoći u prepoznavanju takvih obrazaca, ako su podaci dovoljno kvalitetni i prikladni za analizu.

Ipak, analize podskupina zahtijevaju oprez. Ako se provode tek nakon što istraživači vide rezultate, pronađeni obrasci mogu biti slučajni i trebaju se smatrati istraživačkim, a ne konačnim dokazima.

Pomažu prepoznati nedostatke u znanju

Sustavni pregled može pokazati da su neka pitanja dobro istražena, dok za druga postoji malo kvalitetnih dokaza.

Može otkriti i da se istraživanja uglavnom provode na sličnim skupinama sudionika, da se koriste različite mjere ili da nedostaju dugoročni podaci.

Takvi nalazi mogu pomoći u planiranju budućih istraživanja.

4. Kako se provodi sustavni pregled?

Sustavni pregled zahtijeva unaprijed osmišljen i dokumentiran postupak.

1. Postavljanje istraživačkog pitanja

Pitanje mora biti dovoljno jasno da se može odrediti koja su istraživanja relevantna.

Primjerice, pitanje o tome pomažu li psihološke intervencije u smanjenju anksioznosti preširoko je ako nisu određeni populacija, vrsta intervencije i ishodi koji se promatraju.

2. Definiranje kriterija uključivanja i isključivanja

Istraživači unaprijed određuju koja će istraživanja uzeti u obzir.

Kriteriji mogu obuhvaćati:

Kriteriji trebaju odgovarati istraživačkom pitanju, a ne biti prilagođavani tako da potvrde željeni zaključak.

3. Sustavno pretraživanje literature

Pretražuju se relevantne znanstvene baze podataka i drugi izvori.

Važno je dokumentirati korištene baze, ključne riječi, strategiju pretraživanja i datum pretraživanja. Pretraživanje samo jedne baze ili oslanjanje isključivo na lako dostupne radove može dovesti do propuštanja važnih dokaza.

Istraživači mogu pregledati i popise literature pronađenih radova ili registre istraživanja kako bi pronašli dodatne relevantne izvore.

4. Odabir istraživanja

Pronađeni zapisi pregledavaju se kako bi se utvrdilo koji radovi zadovoljavaju kriterije uključivanja.

U pravilu se najprije pregledavaju naslovi i sažeci, a zatim cjeloviti tekstovi potencijalno relevantnih radova.

Potrebno je dokumentirati broj pronađenih zapisa, uklonjene duplikate, razloge isključivanja i broj istraživanja uključenih u završnu sintezu.

5. Prikupljanje podataka

Iz uključenih radova izdvajaju se relevantni podaci, primjerice:

Ako su podaci nepotpuni ili nejasni, istraživači moraju razmotriti kako to utječe na mogućnost njihova uključivanja i tumačenja.

6. Procjena rizika od pristranosti

Istraživači procjenjuju mogu li metode i provedba pojedinih studija dovesti do sustavnog precjenjivanja ili podcjenjivanja učinka.

Primjerice, rezultati mogu biti pod utjecajem načina odabira sudionika, nedostatka odgovarajuće kontrolne skupine, gubitka sudionika tijekom istraživanja ili selektivnog prikazivanja ishoda.

Procjena se treba prilagoditi vrsti istraživanja. Rizici u randomiziranom eksperimentu nisu nužno isti kao rizici u opservacijskom istraživanju.

7. Sinteza rezultata

Ako su istraživanja dovoljno usporediva, njihovi se rezultati mogu statistički objediniti meta-analizom.

Ako nisu prikladna za statističko objedinjavanje, nalazi se mogu sintetizirati drugim metodama, primjerice strukturiranim narativnim pregledom.

Nije cilj pod svaku cijenu izračunati jedan ukupni rezultat. Ponekad je metodološki ispravnije prikazati zašto se istraživanja razlikuju i zbog čega nije opravdano svesti ih na jednu procjenu.

8. Tumačenje i prikaz zaključaka

Na kraju se rezultati povezuju s istraživačkim pitanjem, razmatraju se ograničenja i procjenjuje sigurnost dostupnih dokaza.

Važno je razlikovati statistički rezultat od zaključka o njegovoj praktičnoj važnosti i primjenjivosti.

5. Kada je meta-analiza opravdana?

Nije dovoljno pronaći nekoliko istraživanja o sličnoj temi da bi ih bilo opravdano statistički objediniti.

Istraživanja trebaju biti dovoljno usporediva s obzirom na pitanje koje se postavlja, obilježja sudionika, intervencije ili pojave, ishode i metode mjerenja.

Primjerice, nekoliko istraživanja različitih programa za smanjenje anksioznosti može biti prikladno za objedinjavanje ako mjere usporedive ishode i ako je njihovo uključivanje opravdano istraživačkim pitanjem.

Nasuprot tome, ako se u jednom istraživanju procjenjuje kratkotrajna promjena na upitniku, u drugom dugoročna klinička dijagnoza, a u trećem opća kvaliteta života, objedinjavanje svih rezultata u jednu procjenu možda neće biti smisleno.

Istraživanja ne moraju biti potpuno jednaka, ali njihove razlike moraju biti razumljive i kompatibilne s ciljem analize.

**Meta-analiza nije uvijek bolja od sustavnog pregleda bez meta-analize.** Ako su istraživanja previše različita ili su podaci nedostatni, statističko objedinjavanje može stvoriti privid preciznosti koji dokazi ne opravdavaju.

6. Što je heterogenost?

**Heterogenost** označava razlike među istraživanjima uključenima u pregled ili meta-analizu.

Razlike mogu biti povezane sa sudionicima, intervencijama, mjerenjima, istraživačkim metodama ili procijenjenim učincima.

Korisno je razlikovati nekoliko vrsta heterogenosti.

Klinička ili sadržajna heterogenost

Istraživanja se mogu razlikovati po obilježjima sudionika, vrsti intervencije, intenzitetu tretmana ili okolnostima u kojima se provode.

Primjerice, psihološka intervencija može imati drukčiji učinak kod adolescenata nego kod odraslih osoba.

Metodološka heterogenost

Istraživanja se mogu razlikovati po nacrtu, kvaliteti provedbe, načinu mjerenja ili drugim metodološkim obilježjima.

Takve razlike mogu utjecati na dobivene rezultate, čak i kada istraživanja proučavaju sličnu pojavu.

Statistička heterogenost

Statistička heterogenost odnosi se na razlike među procijenjenim učincima koje su veće nego što bi se očekivalo samo zbog slučajne pogreške uzorkovanja.

Može se procjenjivati različitim statističkim pokazateljima, uključujući statistiku I² i procjenu varijance među istraživanjima.

Ipak, nijedan pojedinačni pokazatelj ne daje potpun odgovor o tome jesu li razlike važne. Tumačenje ovisi o istraživačkom pitanju, broju i veličini studija, smjeru učinaka i drugim obilježjima dokaza.

Zašto je heterogenost važna?

Zamisli da većina istraživanja nalazi malen pozitivan učinak intervencije, ali nekoliko studija ne nalazi nikakav učinak, dok druge pokazuju negativan rezultat.

Jedan objedinjeni prosjek može prikriti te razlike.

Zato istraživači trebaju razmotriti zbog čega se rezultati razlikuju i koliko je opravdano primijeniti ukupnu procjenu na pojedine skupine ili okolnosti.

Ako se razlike ne mogu smisleno objasniti, zaključak meta-analize mora biti oprezniji.

7. Modeli meta-analize

Pri objedinjavanju rezultata istraživači moraju odabrati statistički model koji odgovara njihovim pretpostavkama i istraživačkom pitanju.

Dva česta pristupa su model fiksnog učinka i model slučajnih učinaka.

Model fiksnog učinka

Model fiksnog učinka pretpostavlja da istraživanja procjenjuju isti zajednički stvarni učinak, dok se opažene razlike među njihovim rezultatima pripisuju slučajnoj pogrešci uzorkovanja.

Takav model može biti prikladan kada je pretpostavka zajedničkog učinka opravdana za cilj analize.

Model slučajnih učinaka

Model slučajnih učinaka pretpostavlja da se stvarni učinci mogu razlikovati među istraživanjima te procjenjuje prosječni učinak u okviru modela koji uključuje tu varijabilnost.

Takav je pristup često relevantan kada se očekuje da se učinci razlikuju zbog obilježja sudionika, intervencija ili uvjeta provedbe.

Međutim, model slučajnih učinaka ne uklanja heterogenost niti je čini nevažnom. On je uključuje u statistički model, a rezultati se i dalje moraju tumačiti uzimajući u obzir razlike među istraživanjima.

Izbor modela ne bi se trebao temeljiti samo na tome je li statistički test heterogenosti značajan. Važne su pretpostavke modela i priroda uključenih istraživanja.

8. Što je pristranost objavljivanja?

**Pristranost objavljivanja** nastaje kada vjerojatnost da će istraživanje biti objavljeno ili dostupno ovisi o njegovim rezultatima.

Primjerice, istraživanja koja pokazuju statistički značajan ili povoljan učinak neke intervencije mogu imati veću vjerojatnost objavljivanja od istraživanja koja ne nalaze učinak.

Ako sustavni pregled obuhvati uglavnom objavljena istraživanja, može propustiti važne rezultate koji nisu objavljeni ili ih je teško pronaći.

To može dovesti do precjenjivanja ili podcjenjivanja stvarnog učinka.

Problem nije ograničen samo na odluku o objavljivanju cijelog rada. Pristranost može nastati i kada se u objavljenom radu selektivno prikazuju neki ishodi ili analize, dok se drugi izostavljaju.

Kako se pristranost može prepoznati?

Istraživači mogu uspoređivati objavljene radove s registrima istraživanja, protokolima i drugim dostupnim izvorima.

U meta-analizama se ponekad koriste lijevkasti dijagrami i statistički testovi za procjenu asimetrije među rezultatima istraživanja. Međutim, asimetrija ne mora biti posljedica pristranosti objavljivanja; mogu je uzrokovati i stvarne razlike među studijama ili drugi čimbenici.

Ni izostanak vidljivih znakova pristranosti ne dokazuje da ona ne postoji.

Pristranost objavljivanja važna je zato što ni sustavan postupak pretraživanja ne može uključiti dokaze koji nisu dostupni ili ih nije moguće pronaći.

9. Može li meta-analiza dati pogrešan zaključak?

Može. Statističko objedinjavanje ne jamči da je zaključak točan.

Meta-analiza može biti problematična ako:

Posebno je važno razumjeti da veliki broj uključenih istraživanja ne jamči visoku kvalitetu dokaza. Ako su mnoge studije male, pristrane ili međusobno ovisne, njihovo objedinjavanje neće automatski riješiti te probleme.

Meta-analiza može povećati preciznost procjene, ali precizna procjena nije nužno i nepristrana procjena.

10. Kako čitati sustavni pregled ili meta-analizu?

Pri čitanju takvog rada nije dovoljno pogledati samo zaključak ili grafički prikaz ukupnog učinka.

Postavi si sljedeća pitanja.

1. Je li istraživačko pitanje jasno?

Provjeri što se točno proučava, na kojoj populaciji i s kojim ciljem.

2. Je li pretraživanje bilo sustavno?

Jesu li autori naveli koje su baze pretražili, koje su kriterije primijenili i kako su odabrali istraživanja?

3. Koliko je istraživanja uključeno?

Broj uključenih studija daje osnovnu informaciju, ali sam po sebi ne govori koliko su dokazi kvalitetni.

Važno je provjeriti i koliko je sudionika ukupno obuhvaćeno te koliko informacija pojedina istraživanja pružaju.

4. Kakva je kvaliteta uključenih istraživanja?

Jesu li autori procijenili rizik od pristranosti? Postoje li važna metodološka ograničenja?

5. Jesu li istraživanja dovoljno usporediva?

Jesu li proučavala slične populacije, intervencije i ishode? Ako se znatno razlikuju, kako su autori postupili s tim razlikama?

6. Koliki je ukupni učinak?

Provjeri je li učinak malen, umjeren ili velik prema prikladnoj mjeri te koliko je njegova procjena precizna.

Ne oslanjaj se samo na statističku značajnost.

7. Kolika je heterogenost?

Ako se rezultati znatno razlikuju, pokušaj razumjeti što to znači za ukupni zaključak. Jedan prosječni učinak ne mora opisivati sve skupine i okolnosti.

8. Jesu li razmotreni nedostajući ili neobjavljeni rezultati?

Jesu li autori pokušali pronaći istraživanja koja nisu objavljena ili nisu lako dostupna? Jesu li razmotrili mogućnost selektivnog prikazivanja rezultata?

9. Koliko su sigurni dokazi?

Važno je razlikovati veličinu procijenjenog učinka od sigurnosti da je ta procjena bliska stvarnom učinku.

Sigurnost dokaza ovisi o više čimbenika, uključujući rizik od pristranosti, dosljednost rezultata, preciznost procjene i primjenjivost na pitanje koje nas zanima.

10. Odgovara li zaključak rezultatima?

Provjeri tvrde li autori više nego što njihovi podaci opravdavaju. Zaključak treba odražavati ograničenja analize i dostupnih dokaza.

11. Primjer: djeluju li psihološke intervencije za smanjenje stresa?

Zamisli da istraživači žele procijeniti pomažu li psihološke intervencije u smanjenju stresa kod odraslih osoba.

Pronađu dvanaest istraživanja.

Na prvi pogled moglo bi se zaključiti da su rezultati proturječni. Međutim, prije donošenja zaključka treba ispitati obilježja pojedinih istraživanja.

Možda su istraživanja koristila različite intervencije. Neka su trajala nekoliko tjedana, a druga nekoliko mjeseci. U nekima su sudjelovale osobe s visokim početnim razinama stresa, dok su druga obuhvatila opću populaciju. Moguće je i da su se razlikovali načini mjerenja stresa ili kvaliteta provedbe istraživanja.

Sustavni pregled omogućio bi organizirano prikupljanje i procjenu tih podataka.

Ako su istraživanja dovoljno usporediva, meta-analiza mogla bi procijeniti prosječni učinak intervencija. Istraživači bi pritom trebali razmotriti i razlike među studijama.

Pretpostavimo da analiza pokaže malen prosječni učinak, ali i znatne razlike među istraživanjima. Takav rezultat ne bi opravdao jednostavan zaključak da sve intervencije jednako djeluju na sve ljude.

Umjesto toga, zaključak bi mogao glasiti da dostupni dokazi upućuju na prosječnu korist, ali da veličina učinka varira te da su potrebna dodatna istraživanja kako bi se bolje razumjelo u kojim uvjetima intervencije djeluju.

Ovaj je primjer ilustrativan, a ne prikaz rezultata stvarne meta-analize.

12. Sustavni pregled, meta-analiza i pojedinačno istraživanje

| Obilježje | Pojedinačno istraživanje | Sustavni pregled | Meta-analiza |

|---|---|---|---|

| Osnovni cilj | Ispitati određeno pitanje prikupljanjem podataka | Sustavno prikupiti i procijeniti dostupne dokaze | Statistički objediniti rezultate više istraživanja |

| Izvor podataka | Podaci prikupljeni u istraživanju | Postojeća istraživanja | Rezultati više istraživanja |

| Objedinjavanje rezultata | Nije nužno | Može biti kvalitativno ili kvantitativno | Kvantitativno |

| Procjena rizika od pristranosti | Ovisi o istraživačkom nacrtu i analizi | Procjenjuju se uključena istraživanja | Procjenjuju se uključene studije i rizici za ukupnu sintezu |

| Glavna prednost | Omogućuje izravno ispitivanje određenog pitanja | Pruža sustavan pregled dostupnih dokaza | Može povećati preciznost ukupne procjene |

| Glavno ograničenje | Rezultati mogu biti ograničeni uzorkom i metodom | Zaključak ovisi o dostupnosti i kvaliteti istraživanja | Objedinjavanje može biti pogrešno ako su dokazi pristrani ili neusporedivi |

Sustavni pregled i meta-analiza mogu biti dio istog rada, ali nisu sinonimi. Sustavni pregled može postojati bez meta-analize, dok meta-analiza zahtijeva prikladne rezultate istraživanja koji se mogu statistički objediniti.

13. Što vrijedi zapamtiti?

Najvažnije je zapamtiti da **više istraživanja ne znači automatski i pouzdaniji zaključak**. Vrijednost sustavnog pregleda i meta-analize proizlazi iz kvalitete postupka, prikladnosti uključenih dokaza i pažljivog tumačenja rezultata.

Istraži dalje

Izvori i literatura