CMHC Committee 
Effect size, yakni perbedaan kejadian efek antara kelompok eksperimental dan kelompok kontrol dalam Meta Analysis (MA). Pada umumnya pembuat meta-analisis tidak memiliki data dasar penelitian, maka praktis dimensi effect size yang digabungkan dalam MA sama dengan yang dilaporkan dalam artikel yang digabungkan. Skala variabel efek pada MA dalam literatur dapat berskala nominal, numerik, atau ordinal.
Ada dua macam model matematika yang digunakan pada MA :
- Fixed Effect Model
Model ini digunakan untuk menilai effect size dimana antara studi tidak terdapat perbedaan (heterogenitas) yang signifikan. Fixed Effect Model menggunakan analisis statistika — Mantel Haenzel.
- Random Effect Model
Model ini digunakan untuk menilai effect size dimana antara studi terdapat perbedaan (heterogenitas) yang signifikan. Random Effect Model bisa menggunakan analisis —- DerSimonian Laird.
Saat ini ada banyak softwere yang memudahkan untuk menggunakan meta-analisis secara elektronik misalnya comprehensive MA. Cara yang biasanya digunakan untuk menunjukkan data dari meta-analisis disebut Forest Plot. Sebuah contoh dibawah ini yang menunjukkan hasil-hasil
dari penelitian setiap studi tampak terlihat seperti bujur sangkar, dimana jika bujur sangkat tersebut berada di sisi kiri maka hal itu mengindikasikan bahwa treatment baru adalah baik, sedangkan jika itu berada pada sisi kanan mengindikasikan bahwa treatment baru kurang efektif. Ukuran dari bujursangkat itu melambangkan bobot masing-masing penelitian yang digabungkan dalam meta-analisis.
Garis horizontal (biasanya CI 95%) yang melintang disetiap kotak studi menunjukkan ketidaktentuan perkiraan dari efek treatment. Ukuran penggabungan efek yang diperoleh dengan menggabungkan semua penelitian terlihat seperti Diamond.
Meta-analisis harus mengukur keberadaan heterogenity. Sebuah tes yang biasanya digunakan adalah Cochrane’s Q. Namun, test ini memilliki kekuatan yang rendah, dan mungkin terkadang gagal untuk mendeteksi heterogenity ketika itu muncul. Untuk mengatasi itu, ada metode kedua yang dikembangkan yaitu I2. Test ini nampaknya menarik karena menghitung heterogenity antara 0% sampai 100%. Penelitian selanjutnya menyarankan bahwa test ini juga masih memiliki kekuatan yang lemah, sehingga harus diinterpretasikan dengan hati-hati. Ada atau tidaknya heterogenity mempengaruhi metode selanjutnya dari proses analisis. Jika heterogenity tidak ada, maka analisis menggunakan fixed-effect modelling. Ini diasumsikan bahwa ukuran dari efek treatment adalah sama (fixed) dari semua studi dan variasi yang terlihat antara studi hanya karena pengaruh kesempatan (chance). Random-effects models diasumsikan bahwa efek treatment sesungguhnya berbeda antar studi.
Informasi lebih lanjut terkait naskah publikasi, bisa kontak dibawah ini :
