Glossario

Codifica (coding): procedura mediante cui vengono estratte le informazioni contenute negli studi primari necessarie per effettuare una meta-analisi.

Criteri di inclusione (inclusion criteria): criteri che definiscono quali studi debbano essere inclusi in una meta-analisi (vanno analizzati in rapporto ai criteri di esclusione).

Dimensione dell’effetto (effect size): misura statistica della dimensione di un effetto che può essere relativo alla differenza tra gruppi o all’associazione tra variabili. L’effect size può basarsi sulle medie (raw unstandardized mean difference; standardized mean difference: Cohen’s d e Hedges’s g; responses ratios); sui dati binari (risk ratio; odds ratio; risk difference); o sulle correlazioni (r).

Eterogeneità (heterogeneity): termine che si riferisce alle differenze fra gli studi primari.

Fixed-effect model: modello statistico utilizzato per combinare gli effect sizes e, quindi, per calcolare l’effect size medio. Tale modello (che si oppone al random-effects model) assume che gli studi inclusi nella meta-analisi abbiano lo stesso effect size (che pertanto è fisso).

Forest plot: rappresentazione grafica in cui sono riportati, per ogni studio primario incluso nella meta-analisi, i valori relativi all’effect size e all’intervallo di confidenza. Nel forest plot viene anche riportato l’effect size medio e il suo relativo intervallo di confidenza.

Intervallo di confidenza (confidence interval): rappresenta il range entro cui è probabile che si collochi il vero effect size. L’intervallo di confidenza esprime il livello di precisione associato alla stima di un parametro: tanto più è piccolo, tanto più indica che la stima è precisa. Solitamente vengono calcolati intervalli di confidenza con una probabilità di contenere il vero effect size pari al 95%.

Kappa di Cohen (Cohen’s Kappa): test utilizzato per valutare il grado di accordo tra due giudici (ad esempio, si usa per valutare il grado di accordo tra due ricercatori relativamente ai criteri di inclusione/esclusione che definiscono quali studi primari includere in una meta-analisi).

Letteratura grigia (gray literature): studi, disponibili in formato elettronico e/o cartaceo, non gestiti dagli editori commerciali. Sono esempi di letteratura grigia i report consegnati al committente di una ricerca. In quanto difficilmente reperibili questi studi tendono a non essere inclusi nelle meta-analisi.

Meta-analisi (meta-analysis): sintesi quantitativa dei risultati degli studi disponibili in un’area di indagine.

Meta-analisi cumulativa (cumulative meta-analysis): si tratta di una meta-analisi condotta inizialmente con uno studio primario, successivamente viene aggiunto un secondo studio, e poi un terzo e così via fino a includere tutti gli studi.

Meta-regressione (meta-regression): analisi statistica utilizzata per testare l’effetto di uno o più moderatori continui (predittori) sull’effect size medio (variabile dipendente).

Omogeneità (homogeneity): termine che indica la similarità dei risultati degli studi primari.

Peso (weight): peso attribuito a ogni studio primario che incide sul calcolo dell’effect size medio. Il peso attribuito a ciascun studio dipende dal modello scelto (fixed-effect model vs. random-effects model).

Publication bias: tendenza secondo cui gli studi pubblicati differiscono sistematicamente dagli studi non pubblicati, i quali è più probabile che riportino risultati statisticamente non significativi. Esistono diverse tecniche che permettono di esaminare se e in che misura i risultati di una meta-analisi sono affetti dal publication bias (funnel plot; Rosenthal’s Fail-safe N; Orwin’s Fail-safe N; Duval and Tweedie’s Trim and Fill method; ecc.)

Random-effects model: modello statistico utilizzato per combinare gli effect sizes e, quindi, per calcolare l’effect size medio. Tale modello (che si oppone al fixed-effect model) assume che gli effect sizes considerati nella meta-analisi possano variare tra di loro, sia a causa della varianza within-group sia a causa della reale variabilità (between-study variance) che esiste tra i parametri. Questo modello, pertanto, assume che non ci sia un unico vero effect size, ma che gli effect sizes varino nei vari campioni e studi.

Reliability generalization: meta-analisi dei coefficienti alpha.

Strategia di ricerca (search strategy): strategia adottata per individuare gli studi primari da inserire in una meta-analisi. Include la scelta dei database da utilizzare per la ricerca e la scelta dei criteri di ricerca e di inclusione.

Studi primari (primary studies): studi inseriti in una meta-analisi.

Subgroup analysis: analisi statistica utilizzata per testare l’effetto di un moderatore rappresentato da una variabile categoriale. Tale procedura è l’equivalente dell’analisi della varianza usata negli studi primari.

Variabile moderatrice (moderator variable): variabile che modera i risultati di una meta-analisi, ovvero a livelli diversi di tale variabile corrispondono risultati diversi. Se la variabile moderatrice è  categoriale (ad esempio, il genere) il suo effetto viene testato mediante la subgroup analysis, mentre se la variabile moderatrice è continua (ad esempio, l’età) viene testata attraverso la meta-regressione.

Varianza (variance): misura della dispersione (indica quanto i valori si discostano dalla media).

Vote counting: il metodo del vote counting, a differenza della meta-analisi, non fornisce una sintesi quantitativa dei risultati degli studi primari, ma si limita a trarre delle conclusioni, su una determinata area di indagine, confrontando il numero di studi in cui sono emersi risultati significativi col numero di studi che riportano risultati non significativi.

Spargiamo la voce?