Meta分析的简单介绍

《Meta分析的简单介绍》由会员分享，可在线阅读，更多相关《Meta分析的简单介绍（45页珍藏版）》请在装配图网上搜索。

1、,单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,,*,Meta分析的统计学过程,吉林大学白求恩第一医院结直肠肛门外科张婷,,“Meta”一词源于希腊文，意为“more comprehensive”,即“更广泛、更全面”,上个世纪60年代开始，在医学文献中，陆续出现许多对多个独立研究的统计量进行合并的报道。,,,英国心理学家G.V.Glass，在1976年首先将这种多个同类研究的统计量合并方法称为“Meta-Analysis”。该方法现在已广泛应用于医学和健康领域，尤其是针对疾病的诊断、治疗、预防和病因等问题的综合评价。,,Meta分析的定义

2、,,,Meta-Analysis is a systematic review that uses quantitative method to summarize the results.,,,,Meta分析是运用定量方法去概括总结多个研究结果的系统评价。,,,,Meta-Analysis is statistical technique for assembling the results of several studies in a review into a single numerical estimate.,,,,Meta分析是文献评价中，将若干个研究结果合并成一个单独数字估计的

3、统计学方法。,,实例1 二分变量（计数）资料,七个阿司匹林预防心肌梗死的研究资料,,,,,,,,,K个研究,阿司匹林,,安慰剂,,合计,OR,95%CI,,,死亡数,未死亡数,死亡数,未死亡数,,,,,,ai,bi,ci,di,Ni,,下限,上限,1,49,566,67,557,1239,0.72,0.489,1.509,2,44,714,64,707,1529,0.681,0.457,1.013,3,102,730,126,724,1682,0.803,0.606,1.063,4,32,285,38,271,626,0.801,0.486,1.319,5,85,725,52,354,1216

4、,0.798,0.553,1.153,6,246,2021,219,2038,4524,1.133,0.935,1.373,7,1570,7017,1720,6880,17187,0.895,0.892,0.966,合计,2128,12058,2286,11531,28003,,,,表中ai,bi,ci,di为各研究四格表数，Ni为各个研究的样本例数,,,,,,,,,,实例2 连续（计量）资料,女童掌骨II皮质厚度的11个研究,,,,,,,,K个研究,高氟区,,,适氟区,,,P值,,n1,`,X,1,S1,n2,`,X,2,S2,,1,26,2.26,0.32,42,2.33,0.33,P›

5、0.05,2,55,2.39,0.31,40,2.49,0.32,P›0.05,3,46,2.50,0.30,50,2.67,0.35,P‹0.05,4,45,2.64,0.26,50,2.90,0.45,P‹0.05,5,45,2.81,0.35,45,2.93,0.36,P›0.05,6,52,2.95,0.46,55,3.27,0.37,P‹0.05,7,46,3.15,0.39,42,3.48,0.48,P‹0.05,8,45,3.47,0.46,51,3.73,0.54,P‹0.05,9,45,3.63,0.38,45,3.81,0.40,P‹0.05,10,42,3.81,0.41

6、,45,4.16,0.42,P‹0.05,11,44,3.99,0.56,25,4.18,0.41,P›0.05,合计,491,,,490,,,,,传统文献综述的特点,,1、平等（等权重）对待每个研究结果，主要是以某类结果的文献数量的多少得出结论，一般不进行文献评价，也不考虑文献的质量。,,2、两个主要问题：,,一是多个同类研究的质量不相同；,,二是各个研究的样本含量的大小不相同。,,,因此，传统文献综述所采用的等权重方法很难保证研究结果的真实性、可靠性和科学性，尤其当多个研究的结果不一致时，其结论容易使人产生误解或困惑。,,,Meta分析的统计目的,,对多个同类独立研究的结果进行汇总和合并分

7、析，以达到增大样本含量，提高检验效能的目的，尤其是当多个研究结果不一致或都没有统计学意义时，采用Meta分析可得到更加接近真实情况的统计分析结果。,,Meta 分析的统计学过程,,异质性分析,,计算合并效应量,,合并效应量的检验,,可信区间，Z检验,,异质性定义,,,广义上用于描述试验的参与者、试验的干预措施和多个研究测量结果的变异，即各研究的内在真实性的变异。,,,,种类: 临床异质性,,方法异质性,,统计学异质性,,,统计学异质性,,是指干预效果的评价在不同试验间的变异，它是研究间的临床和方法学上变异联合作用的结果。,,通常将Meta分析的统计学异质性简称为“异质性”，它是以各研究之间,可

8、信区间（CI）的重合程度,来度量异质性的大小；,,多个研究间的,CI重合程度越大，存在统计学异质性的可能性就越小,，反之，各研究间存在统计学异质性的可能性就越大。,,异质性分析的意义：Meta分析的,核心计算是合并（相加），,按统计原理，只有,同质的资料,才能进行合并或比较等统计分析，反之则不能。,,异质性检验（tests for heterogeneity）,,又称同质性检验,,（tests for heterogeneity）,,用假设检验的方法检验多个独立研究的异质性（同质性）是否具有统计学意义。,,P值,,若异质性检验结果为P>0.10时，多个研究的异质性无统计学意义；,,若多个研究

9、结果为P,≤0.10时，多个研究的异质性有统计学意义。,,I,2,,,可用于衡量多个研究结果间异质程度的大小。这个指标用于描述由各个研究间由非抽样误差所引起的变异（异质性）占总变异的百分比。 I,2,越大，其异质性越大，越不可接受。在Cochrane 系统评价中，只要I,2,不大于50%，其异质性可以接受。,,,Meta-Analysis 实例分析,,二分量,,数值变量,,单个二分变量的研究数据,,二分变量（分类变量）单个研究的统计量d,i,,可选择OR、RR或RD，四格表数据如下表：,,summary 2X2 Table For Counts,,,,,Event,No Event,,Trea

10、tment,a,b,n,1,Control,c,d,n,2,,m,1,m,2,N,,K研究的分类变量资料整理,七个阿司匹林预防心肌梗死的研究资料,,,,,,,,,K个研究,阿司匹林,,安慰剂,,合计,OR,95%CI,,,死亡数,未死亡数,死亡数,未死亡数,,,,,,ai,bi,ci,di,Ni,,下限,上限,1,49,566,67,557,1239,0.72,0.489,1.509,2,44,714,64,707,1529,0.681,0.457,1.013,3,102,730,126,724,1682,0.803,0.606,1.063,4,32,285,38,271,626,0.801,

11、0.486,1.319,5,85,725,52,354,1216,0.798,0.553,1.153,6,246,2021,219,2038,4524,1.133,0.935,1.373,7,1570,7017,1720,6880,17187,0.895,0.892,0.966,合计,2128,12058,2286,11531,28003,,,,表中ai,bi,ci,di为各研究四格表数，Ni为各个研究的样本例数,,,,,,,,,,RR值与OR值,,RR：,两个率的比值叫做相对危险度（relative risk, risk ratio, RR)，是前瞻性研究中较常用的指示。它是试验组某事件发生

12、率（EER）与对照组（或低暴露组）的发生率（CER）之比，用于说明试验组的发生率是对照组的多少倍。,,计算：,,试验组的发生率为EER=a/(a+b),,对照组的发生率为CER=c/(c+d),,两个率的比值为,,RR= EER/CER =,a/(a+b) c/(c+d),,,RR的意义,,当RR=1时，可认为试验组的发生率与对照组的发生率相同;,,,当RR>1时，可认为试验组的发生率大于对照组（EER>CER）;,,,当RR<1时，可认为试验组的发生率小于对照组（EER

13、回顾性研究（如病例对照研究中）往往无法得到某事件的发生率CER或EER（如死亡率、病死率、发病率），也就无法估算出RR。但当该发生率很低时（如发生率小于或等于5%），可以计算出一个RR的近似值，该近似值称为OR，即是比值比。,,发生率越小，OR越接近RR,,实例1 分类变量的实例分析,,七个阿司匹林预防心肌梗死的研究资料,,,,,,,,,K个研究,阿司匹林,,安慰剂,,合计,OR,95%CI,,,死亡数,未死亡数,死亡数,未死亡数,,,,,,ai,bi,ci,di,Ni,,下限,上限,1,49,566,67,557,1239,0.72,0.489,1.509,2,44,714,64,707,1

14、529,0.681,0.457,1.013,3,102,730,126,724,1682,0.803,0.606,1.063,4,32,285,38,271,626,0.801,0.486,1.319,5,85,725,52,354,1216,0.798,0.553,1.153,6,246,2021,219,2038,4524,1.133,0.935,1.373,7,1570,7017,1720,6880,17187,0.895,0.892,0.966,合计,2128,12058,2286,11531,28003,,,,表中ai,bi,ci,di为各研究四格表数，Ni为各个研究的样本例数,,,

15、,,,,,,,RR和OR的森林图,,RR和OR的森林图（forest plots）,,无效线竖线的横轴尺度为,1,；,,每条横线为该研究的95%可信区间上下限的连线；,,线条长短直观地表示了可信区间范围的大小；,,线条中央的小方块为RR或OR值的位置，其方块大小为该研究权重大小。,,若某个研究的95%可信区间的线条横跨过无效竖线，即该研究无统计学意义，反之，若该横线落在无效竖线的左侧或右侧，该研究有统计学意义。,,RR与OR的森林图示意,,无统计学意义,,,,,试验组对照组,,,1,,无效线,,实例1的RevMan5.1森林图,,,,实例1的RevMan5.1森林图,,,,漏斗图及用途,,漏斗

16、图（funnel plots）最初是用每个研究的处理效应估计值为X轴，样本含量的大小为Y轴的简单散点图。,,,对处理效应的估计，其准确性是随样本含量的增加而增加的，小样本研究的效应估计值分布于图的底部，分布范围较宽；大样本研究的效应估计值分布范围较窄。,,,当没有发表偏倚时，其图形呈对称的倒漏斗状，故称之为“漏斗图”。,,实例1的RevMan5.1漏斗图,,大于合并效应量的文献很少，但仍有统计学意义，说明该文献的可信度很高。,,,漏斗图主要用于观察某个系统评价或Meta分析结果是否存在偏倚，如发表偏倚或其他偏倚。如果资料存在偏倚，会出现不对称的漏斗图，不对称越明显，偏倚程度也就越大。,,漏斗图

17、的不对称性主要与发表偏倚有关，但也存在其他原因。,,导致漏斗图不对称的主要原因：,,发表偏倚（publication bias）,,选择性偏倚（selection bias）,,语言偏倚（language bias）,,引用偏倚（citation bias）,,重复发表偏倚（multiple publication bias）,,,单个数值变量研究的数据,,数值变量（continuous）单个研究的统计量di，可先择MD或SMD法,,例数,均数,标准差,,ni,,Si,试验组,n1,`,X1,S1,对照组,n2,`,X2,S2,,K研究的数值变量资料整理,,女童掌骨II皮质厚度的11个研究,,

18、,,,,,,K个研究,高氟区,,,适氟区,,,Ni,,`,X,1,S1,n1,`,X,2,S2,n2,,1,2.26,0.32,26,2.33,0.33,42,68,2,2.39,0.31,55,2.49,0.32,40,95,3,2.50,0.30,46,2.67,0.35,50,96,4,2.64,0.26,45,2.90,0.45,50,95,5,2.81,0.35,45,2.93,0.36,45,90,6,2.95,0.46,52,3.27,0.37,55,107,7,3.15,0.39,46,3.48,0.48,42,88,8,3.47,0.46,45,3.73,0.54,51,96

19、,9,3.63,0.38,45,3.81,0.40,45,90,10,3.81,0.41,42,4.16,0.42,45,87,11,3.99,0.56,44,4.18,0.41,25,69,合计,,,491,,,490,981,,治疗前与治疗后的数据提取,,,,治疗前,,治疗后,,,例数,均数,标准差,均数,标准左,试验组,n11,`,X11,S11,`,X12,S12,对照组,n21,`,X21,S21,`,X22,S22,,例数,差值的均数,差值的标准差,试验组,n1,`,d1,S1,对照组,n2,`,d2,S2,将上表中数据整理为下表,,表中,,d1和S1可用公式计算,,MD和SMD

20、,,数值变量的指标-MD/WMD,,均数差（加权均数差）,,Mean Difference or Weighted Mean Difference,,MD=,,X,1,-,,X,2,,SE(MD)=,√,S,1,2,/n,1,+S,2,2,/n,2,,,,,从公式可见，均数差MD即为两均数的差值。,,该指标以试验原有的测量单位，真实地反映了试验效应，消除了绝对值大小对结果的影响。,,数值变量的指标-SMD,,标准化均数差,,Standardised Mean Difference,SMD,,,,,,,,,,,d即为SMD,,,标准化均数差（SMD）的标准误可按下式计算：,,,d即为SMD，

21、N=n,1,+n,2,,从上式中得到的是SE,2,，开方后即得到SE（SMD）,,,SMD可简单地理解为两均数的差值再除以合并标准差的商，它不仅消除了某研究的绝对值大小的影响，还消除了测量单位对结果的影响。,,,,该指标尤其适用于单位不同或均数相差较大的数值资料分析。,,MD和SMD的可信区间,,若选拔MD或SMD为合并统计量时，其95%CI与假设检验的关系如下：,,,若其95%CI包含了0，等价于P>0.05,即合并统计量无统计学意义。,,,若其95%CI的上下限均大于0或均小于0，等价于P<0.05，即合并效应是不是有统计学意义。,,MD与SMD的95%CI计算,,MD,合并,95%的可信

22、区间：,,CI=MD,合并,±,1.96XSE（MD）,,,SMD,合并,95%的可信区间：,,CI=SMD,合并,±,,1.96XSE（SMD）,,MD与SMD的森林图示意,,,,试验组对照组,,,,,无统计学意义,,0,,无效线,,实例2 数值变量的实例分析,,女童掌骨II皮质厚度的11个研究,,,,,,,,K个研究,高氟区,,,适氟区,,,P值,,n1,`,X,1,S1,n2,`,X,2,S2,,1,26,2.26,0.32,42,2.33,0.33,P›0.05,2,55,2.39,0.31,40,2.49,0.32,P›0.05,3,46,2.50,0.30,50,2.67,0.35

23、,P‹0.05,4,45,2.64,0.26,50,2.90,0.45,P‹0.05,5,45,2.81,0.35,45,2.93,0.36,P›0.05,6,52,2.95,0.46,55,3.27,0.37,P‹0.05,7,46,3.15,0.39,42,3.48,0.48,P‹0.05,8,45,3.47,0.46,51,3.73,0.54,P‹0.05,9,45,3.63,0.38,45,3.81,0.40,P‹0.05,10,42,3.81,0.41,45,4.16,0.42,P‹0.05,11,44,3.99,0.56,25,4.18,0.41,P›0.05,合计,491,,,4

24、90,,,,,MD和SMD的森林图,,MD和SMD的森林图：,,无效竖线的横轴尺度为0；,,每条横线为该研究的95%可信区间上下限的连线；,,线条长短直观地表现了可信区间范围的大小；,,线条中央的小方块为MD或SMD值的位置，其方块大小为该研究权重大小,,若某个研究95%可信区间的线条横跨过无效竖线，即该研究无统计学意义，反之，若该横线落在无效竖线的左侧或右侧，该研究有统计学意义。,,实例2的RevMan5.1森林图（MD法）,,,,实例2的RevMan5.1森林图（SMD法）,,,,实例2的RevMan5.1漏斗图,,,,Meta 分析的软件,,Review Manager(RevMan5.1),,STATA,,SAS for windows,,SPSS for windows,,Meta分析的局限性,,目前，Meta分析的统计方法尚不够完善，还不能满足不同资料类型的不同的临床设计方案的需要，如多个均数比较、等级资料比较时，仍无成熟的Meta分析方法。,,,Thank you for listening!!,,