Metaanalys: forskningens tyngsta bevis

# Metaanalys: forskningens tyngsta bevis

Det här är del 6 av 8 i serien "Så här vet forskare det de vet." Del 1: [Hur vet forskare något överhuvudtaget?](https://vetenskapforalla.se/samhallsvetenskap/hur-vet-forskare-nagot-overhuvudtaget) Del 2: [Varför behöver varje experiment en tvilling?](https://vetenskapforalla.se/samhallsvetenskap/varfor-behover-varje-experiment-en-tvilling) Del 3: [Vad är egentligen ett p-värde?](https://vetenskapforalla.se/samhallsvetenskap/vad-ar-egentligen-ett-p-varde) Del 4: [Varför vet inte läkaren vem som fick läkemedlet?](https://vetenskapforalla.se/samhallsvetenskap/varfor-vet-inte-lakaren-vem-som-fick-lakemedlet) Del 5: [Varför räcker inte en enda lyckad studie?](https://vetenskapforalla.se/samhallsvetenskap/varfor-racker-inte-en-enda-studie)

---

Du läste nyss att en enda studie aldrig räcker. Men då uppstår ett nytt problem. Tänk dig tio studier om samma fråga. Fyra säger att behandlingen fungerar, tre säger nej, tre är osäkra. Vad ska du tro? Det är precis den knuten som metaanalysen löser.

Att väga samman i stället för att välja

Den dåliga lösningen är att plocka den studie du gillar bäst. Den bra lösningen är att ta med allihop. En metaanalys är en studie av studier. I stället för att samla in nya data samlar forskaren in alla tidigare studier om en fråga och räknar samman deras resultat till ett enda svar.

Poängen är styrka i antal. En liten studie med femtio deltagare säger inte mycket ensam. Men lägger du ihop trettio sådana studier har du plötsligt tusentals deltagare. Slumpen, som lätt lurar en enskild liten studie, jämnas ut när materialet växer.

Alla studier väger inte lika

Ett vanligt sätt att visa en metaanalys är ett diagram som kallas forest plot. Varje studie får en egen rad, och längst ner samlas allt i en symbol som visar det gemensamma resultatet.

Det avgörande är att studierna inte räknas lika. En stor och välgjord studie får väga tyngre än en liten och slarvig. Forskaren viktar varje studie efter hur mycket information den faktiskt bär. På så sätt får de mest tillförlitliga resultaten störst inflytande över slutsatsen.

Därför står metaanalysen högst upp i det forskare kallar bevisens hierarki. Den bygger inte på en grupp och ett labb, utan på summan av allt vi vet.

Ett verktyg som räddar liv

Idén är inte ny. Läkaren Archie Cochrane drev på tanken att sjukvården borde bygga på en samlad genomgång av all tillgänglig forskning, inte på enskilda experters tyckande. Ur den tanken växte det som i dag heter Cochrane, ett internationellt nätverk som gör systematiska översikter av medicinsk forskning.

Effekten kan vara dramatisk. På flera områden har metaanalyser visat att en behandling fungerade långt innan sjukvården insåg det. Beviset fanns hela tiden, utspritt i många små studier. Ingen hade bara vägt samman det.

Skräp in, skräp ut

Metaanalysen är mäktig, men den är inte magisk. Väger du samman dåliga studier får du ett välformulerat men opålitligt svar. Kvaliteten på slutsatsen kan aldrig bli bättre än kvaliteten på det du matar in.

Ett annat problem är när studierna egentligen inte mäter samma sak. Om de använt olika doser, olika patienter eller olika mått, kan det vara direkt vilseledande att slå ihop dem. Forskare kallar den spretigheten heterogenitet, och en bra metaanalys måste hantera den öppet.

Och minns publiceringsbias från tidigare i serien. Om positiva resultat oftare publiceras, blir själva högen av studier snedvriden från början. Då kan även en perfekt uträknad metaanalys peka fel, eftersom de misslyckade försöken aldrig kom med.

Det starkaste vi har, inte det slutgiltiga

En metaanalys är det närmaste ett facit forskningen brukar komma. Den samlar spridd kunskap och gör den till något du kan luta dig mot. Men den ärver alltid svagheterna i studierna den bygger på.

Nästa gång du ser att "en stor genomgång av all forskning" pekar åt ett håll, väg in det tyngre än en enskild rubrik. Det är många röster som säger samma sak, inte en.

I nästa del tar vi oss an en av de vanligaste tankevurporna av alla, skillnaden mellan att två saker hänger ihop och att den ena orsakar den andra.

---