Meta analīze- statistisku metožu pielietošana, ar mērķi apkopot rezultātus, kas iegūti dažādos pētījumos.
Meta analīze ir īpašs pētījumu veids. To veic, analizējot jau izdarītus pētījumus par līdzīgu tēmu. Parasti tiek fiksēti kādi konkrēti secinājumi, hipotēzes apstiprināšanās vai neapstiprināšanās. Tiek uzskaitīts, cik reizes hipotēze ir apstiprināta, cik reizes noraidīta. Tiek analizēti arī iespējamie iemesli šai apstiprināšanai vai neapstiprināšanai. Metode plaši tiek pielietota medicīniskajos un socioloģiskajos pētījumos un pieskaitāma pie kvalitatīvajām datu apstrādes metodēm. Labi organizēta meta analīze sniedz plašāku ieskatu par lietas būtību nekā tradicionālais apraksts stāstījuma formā. Datu vākšanas forma ir vienota visiem datu avotiem un to veic vairāki neatkarīgi pētnieki, tādējādi samazinot kļūdas iespējamību. Uzsākot datu apstrādi, jābūt skaidri definētam jautājumam, uz kuru jāsniedz atbilde, kā arī kritērijiem, pāc kā izvērtēt, vai informācija iekļaujama tālākajā apstrādes procesā. Būtiska meta analīzes sastāvdaļa ir jūtīguma analīze, kad tiek pārbaudīts rezultātu noturīgums pie dažādiem pieņēmumiem un kritērijiem. Meta analīze palīdz sastrukturēt iepriekšējos pētījumu rezultātus, nosakot to noturīgumu un kļūdu.
Meta analīzes mērķi - ļauj pētniekam skaidrāk strukturēt gan pētījumu, gan arī tā rezultātā uzrakstīto rakstu vai monogrāfiju. Īsumā meta analīzes pieejas mērķus var noformulēt sekojoši:
1.Novērtēt pētāmā faktora efektu un un tā statistiskās ticamības pakāpi;
2.Novērtēt vai atrastie efekti ir homogēni un reproducējami.
Izdala trīs meta analīzes pamattipus, kurus izmanto atkarībā no tā, kāda bija formulēta pētāmā hipotēze:
1.Pielietojums pirms pētīšanas (piemērām, pamatojoties uz vispār teorētiskiem apsvērumiem);
2.pētījuma rezultātā;
3.paralēlo novērojumu pamatā (kuri neattiecas uz atbilžu meklējumiem uz pētījumu jautājumiem un tikai netieši norāda uz iespējamo rezultātu).
Vispārīgā veidā meta analīzes būtība ir darbības pēc sekojoša algoritma:
Problēmas vai problēmu loks;
Esošas informācijas par problēmu identifikācija;
Pētījuma metodes izvēle;
Eksperimentālā pētījuma mērķu precizēšana;
Rezultātu prognoze;
Pētījuma veikšana;
Iegūto rezultātu detalizācija un analīze;
Datu statistiskā apstrāde, rezultātu ticamības novērtējums;
Rezultātu salīdzināšana ar datiem, kuri bija iegūti analoģiskājos darbos, citu objektu paralēlos pētījumos (piem., zināmo klīnisko un iegūto pirms klīnisko datu salīdzināšana);
Papildus eksperimenti (ja ir nepieciešams);
Rezultātu vispārināta interpretācija;
Pētāmās sistēmas vai modeļa vispārināta interpretācija;
Turpmāko pētījumu plānošana un veikšana. …
