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.