Effektstärke gegen Standardfehler auftragen, um Publikationsbias in Ihrer Metaanalyse zu prüfen – kostenlos, im Browser, in Minuten exportbereit.
Ein Funnel Plot ist ein Streudiagramm, das in Metaanalysen möglichen Publikationsbias über eine Reihe von Studien hinweg sichtbar macht. Jeder Punkt steht für eine Studie, aufgetragen nach ihrer Effektstärke auf der x-Achse und einem Präzisionsmaß – meist dem Standardfehler – auf der y-Achse, invertiert, sodass größere, präzisere Studien oben liegen.
Liegt kein Publikationsbias vor, sollte ein Funnel Plot wie ein annähernd symmetrischer, umgekehrter Trichter aussehen: kleine Studien mit großem Standardfehler streuen unten breit, während größere Studien sich oben eng um den gepoolten Effekt gruppieren. Asymmetrie im Funnel Plot – zu einer Seite verschobene Punkte – ist das klassische visuelle Signal für Publikationsbias, kann aber auch von echter Heterogenität oder Zufall herrühren.
Die Interpretation eines Funnel Plots ist zuverlässiger in Kombination mit einem formalen Test wie Eggers Test oder Beggs Test statt allein durch Betrachtung, da Asymmetrie bei weniger als etwa zehn Studien schwer erkennbar sein kann. Konturverstärkte Funnel Plots erleichtern das, indem sie Bereiche statistischer Signifikanz direkt im Diagramm einfärben.
Sehen Sie, wie ein Funnel Plot bei einer symmetrischen Evidenzlage, bei Asymmetrie durch Publikationsbias und mit konturverstärkter Signifikanzeinfärbung aussieht.
Studien streuen gleichmäßig auf beiden Seiten des gepoolten Effekts – kein visuelles Zeichen für Publikationsbias.
Kleine Studien häufen sich nur auf einer Seite – ein klassisches Zeichen für Publikationsbias oder Small-Study-Effekte.
Eingefärbte Bereiche für p < 0,01, p < 0,05 und p < 0,10 zeigen, ob Asymmetrie durch statistische Signifikanz bedingt ist.
Zwei Konfidenztrichter zeigen leicht, welche Studien außerhalb der erwarteten Streuung liegen.
In vier Schritten von Rohdaten der Studien zu einem publikationsreifen Funnel Plot.
Namen, Effektstärke und Standardfehler (oder Varianz) jeder Studie als einfache Tabelle einfügen.
Das Tool den gewichteten Fixed-Effect-Mittelwert automatisch berechnen lassen oder eine eigene gepoolte Schätzung eingeben.
95%-CI-Linien einschalten, einen 99%-Trichter hinzufügen oder konturverstärkte Einfärbung aktivieren, um Signifikanzbereiche zu kennzeichnen.
Den fertigen Funnel Plot als SVG oder PNG herunterladen und direkt in die Metaanalyse-Publikation einfügen.
Effektstärken und Standardfehler der Studien einfügen, und der Funnel Plot erscheint sofort mit bereits eingezeichnetem gepooltem Effekt und Konfidenztrichter.
Pseudo-Konfidenzintervallgrenzen auf zwei Niveaus umschalten, um genau zu sehen, welche Studien außerhalb der erwarteten Streuung liegen.
Signifikanzkonturen einschalten, um die Bereiche p < 0,01, p < 0,05 und p < 0,10 einzufärben, sodass mit statistischer Signifikanz verbundene Asymmetrie auf einen Blick auffällt.
Häufige Fragen zum Erstellen und Lesen eines Funnel Plots für Metaanalysen.
Beide sind zentrale Diagramme der Metaanalyse, beantworten aber unterschiedliche Fragen.
Erkennt Publikationsbias über die gesamte Evidenzlage
Fasst Effektstärke und Konfidenzintervall jeder Studie zusammen
Studiendaten einfügen und in Minuten einen publikationsreifen Funnel Plot erhalten – kostenlos, ohne Anmeldung.