《Revman5.3软件操作 最新.》由会员分享，可在线阅读，更多相关《Revman5.3软件操作 最新.（157页珍藏版）》请在金锄头文库上搜索。
1、Revman软件操作,主要内容,Revman软件的下载与文章新建 二分类变量资料的Meta分析实现 连续变量资料的Meta分析实现 亚组分析的构建 漏斗图与森林图的解读 敏感性及异质性分析,Revman软件的下载与安装,Review Manager（简称 RevMan）是国际 Cochrane 协作网为系统评价（systematic review）工作者所提供的专用软件，是 Cochrane 系统评价的一体化、标准化软件。下载地址： http:/www.cochrane.es/Download/Files/revman.htm http:/www.cochrane.org/software/r
2、evman.htm http:/www.cc-,打开Revman软件，点击“create a review”新建一个Meta分析,诊断准确性系统评价,为研究取一个名字,Protocol 是制作cochrane review 时候用的，其他时候不用，所以选“full review”,点finish,左边为revman的功能区，右边则为主体区,左边可以看到5把“钥匙”，点击第1把Review information 可以修改这个review的基本信息,点击第2把“钥匙” main text ,可以看到这个Review 的提纲，初学者可以参照来写,第3把钥匙 tables 表格区。主要有两个功能：1
3、.各个研究的特点和偏移；2.呈现Summary of finding tables。,Data and analysis 是Revman的核心，统计和计算都在这里,Figures，图片区，纳入研究的流程图和偏移风险图都在这里，此外，其他区基本不用,先点击Studies and refrences，然后点 Add Study，则可以开始录入研究,点击 studies and refrences,然后点击右边的 Add Study,自动跳转到这个界面，输入研究者名字和年份，如 Jack 2007,连续默认“next”，则会出现如图界面，如所有研究都已录入完毕，则选择“nothing”，若还需录入新
4、的研究，则选择第3项添加另一个研究到这里,第二部分 二分类变量资料的Meta分析实现,概述,有些变量的测量结果只有两种类别，譬如：男性和女性、有效与无效、生或死等等，这种按事物的某一性质划分的只有两类结果的变量，称为二分类变量 Meta分析中，二分类变量汇总的是发生率、死亡率、 有效率这些数据,完成一个Meta分析的数据合并，需要进行至多三层工作： 第一层是“Comparison”，代表的是一个对比（试验组vs对照组） 第二层是“Outcome”，代表对比的是什么（结局指标） 第三层是“Subgroup”，亚组分析时才会用到，可以没有,研究全部录入后，就来到数据区：Data and analy
5、sis,开始数据分析，点Add comprison,为这个对比取一个名字，如“A vs B”,比较已经建好，Add outcome,点“Dischotomous”，然后 next,为这个结果取一个名字，如这个结果是分析安全性，如：Safety,这一界面主要选择： 1.统计学方法 2.统计模型 3.统计指标,统计学方法 Peto：只能用于二分类变量里的OR值 MH法：只能用于二分类变量 IV法：连续型变量和二分类变量都可以,效应模型的选择 FE：固定效应模型，当纳入的各研究间异质性较好，即P值0.1或I250%时，可以用； RE：随机效应模型，通用,效应指标的选择 OR：比值比，万金油，可用于所
6、有的二分类变量的研究 RR：相对危险度，仅用于队列研究和RCT RD：率差，仅用于队列研究和RCT,Left/Right Gragh Lable:试验组和对照组的标签，可以自定义一下 Scale：森林图的尺度，默认100,Sort By：研究的排序方法，一般选第一个，选Study ID的首字母进行排序,全部设置完毕点Nothing,然后 finish,Outcome就建好了，点击它,可以看到这个outcome现在还是空的,这时需要点击右上角 添加研究，,选择这个outcome所需纳入的研究，然后Finish,分别将每个研究试验组及对照组事件数及样本量录入,譬如这个原始数据，对应相应的研究，将数
7、据直接复制进去,统计方法是MH,95%可信区间,总OR值的统计学检验（Z检验）结果，总OR值的P值,下面来介绍一下这几个小按钮的功能,这个按钮可以用来添加新的研究,这个按钮可以切换效应指标，也就是OR、RR、RD,这个按钮可以切换效应模型，即RE(随机效应模型)、FE(固定效应模型），鼠标点击即可完成切换,这个按钮是用来打开森林图的,这个按钮是用来打开漏斗图的,这个按钮是可打开计算器,这个 可以设置这个Outcome的所有条件，包括分析方法、分析数据类型、细节、图表等,第三部分 连续型变量资料的Meta分析实现,概述,连续型变量：有具体数值的数据，如：身高、体重、肿瘤直径、血糖、血氧等 Met
8、a分析中，连续型变量是身高、体重、血压、淀粉酶等数据，描述这样的数据，需要三个元素：均数、标准差和样本量,在做二分类变量的时候研究已经录入完毕，再次来到数据区：Data and analysis,然后“Add Comparison”,为这个新的“Comparison”取一个名字，如“C VS D”,然后Next,点“Nohing”,然后Finish,新的比较就建好了,接下来，Add Outcome,点“Continuous”，然后 next,为这个结果取一个名字，如：Length of ICU stay,又到了选择统计方法、效应指标、效应模型这一页，其和二分类变量有所区别,效应模型，同二分类变
9、量 FE：固定效应模型，当纳入的各研究间异质性较好，可以用； RE：随机效应模型，通用,所以这里选择IV法，RE模型，MD值，然后Next,总可信区间的选择,一般全部选择默认，然后next,全部设置完毕点Nothing,然后 finish,这个Outcome就建好了，双击它,和二分类变量一样，现在这个outcom现在还是空的,点击右上角 添加研究，,选择需要纳入的研究,和二分类变量一样，将相应的数据Copy进来，结果自动生成,各组研究的MD值及95%可信区间,各组研究的均数、标准差及样本量,合并总的MD值及95%可信区间,两组研究的样本量,总MD值的统计学检验（Z检验）结果，总MD值的P值,异
10、质性检验：P0.0001，I2=99%，说明具有较高的异质性,第四部分 亚组分析的实现,亚组分析 亚组分析是处理异质性的常用方法，可以按照研究方案、研究质量，人种等进行分组,用种族进行亚组分析,添加一个新的“Outcome”,为这个研究取一个名字,全部选择默认，然后Next,全部默认，然后Next,选择默认，Next,点Nothing,然后Finish,取一个名字“亚裔”,选择添加一个新的亚组，Continue,起另一个名字，叫“高加索裔”，然后Finish,这个亚组就建好了，点击“Subgroup“,点击“Asian”,然后点击右上键的 添加研究,将亚裔的研究添加进去,添加“高加索裔”的研究
11、,每个亚组的研究都纳入了，然后将相应的数据拷贝进来,结果自动生成，还有可爱的森林图,森林图导出后是这样的,第五部分 森林图和漏斗图的解读,森林图,先打开森林图,横线代表研究结果的可信区间，即此研究真实存在的范围。 横线越长，样本量越小，结果越欠可靠 横线越短，样本量越大，结果越可靠,这个菱形代表合并后的结果,这条直线叫无效线，将图一分为二，用于判定统计结果有无统计学意义。若菱形与该直线相交，则代表两组的差异无统计学意义,如果效应量是OR、RR值，这条直线代表1，即比值相等 如果效应量是MD、SMD、RD值。这条直线代表0，即差值为零,菱形与直线不相交： 如果效应量是OR、RR,，菱形落于直线右
12、侧，即比值大于1，说明实验组发生事件多于对照组，落于左侧则相反 如果效应量是MD、SMD、RD值。菱形落于直线右侧，说明试验组的指标大于对照组，落于左侧则相反,若菱形与直线不相交： 落于右侧：说明试验组事件较多，对于有效、治愈等有利事件，试验组发生较多，效果较好；对于死亡、复发等不利事件，试验组发生较多，效果更差； 落于左侧则相反,森林图与异质性： 森林图显示了各个研究的效应量和可信区间，若各研究间可信区间有较少重叠，则可能存在异质性,点击这个 将图片“另存为”,选择一个格式保存，就可以用于杂志的发表， 一般选择PDF格式，清晰度好,漏斗图,打开漏斗图 漏斗图可用来识别发表偏移和其他偏移 优点
13、是直观 缺点是主观，不同的人判读结果不同,绘制漏斗图至少需要纳入10项研究。若小于10项，研究数太少，检验效能不足，难以评定漏斗图的对称性,理想的漏斗图如左图所示： 大样本研究集中地分布于图形上方 小样本研究分散地分布于图形下方 形似漏斗，所以叫做漏斗图,如果存在发表偏移，如一些阴性结果未能发表，漏斗图就会出现缺角，如左图的右下角,漏斗图与异质性: 漏斗图常用于发表偏移的识别，然而，引起漏斗图不对称的原因很多，发表偏移也是其中之一 漏斗图可大致了解各研究间是否存在异质性,这两条斜线是漏斗图的95%可信区间 理想情况下，漏斗图中应有95%的点落在这个区间内，提示可能不存在异质性，如果有更多的点落
14、在外面，则提示可能存在异质性,点击 将图 片另存为,第六部分 异质性和敏感性分析,异质性,理想状态下，一个Meta分析应该相当于一个大型的多中心研究，纳入的各项研究应该是同质的 研究内的变异是相似的，各项研究应该是指向同一个结果的 然后，由于研究人员、对象、地点、条件、种族等的不同，研究间的异质性是“绝对”存在的,异质性的评价方法,森林图和漏斗图法，前面已经说过了，这两种方法虽然直观但不客观，下面来看Q统计量及I2统计量,Revman提供两种异质性检验的方法1. Q值检验2. I2检验,对于Q值统计量检验，主要看P值1. P值0.1,无异质性2. P值0.1,有异质性,I2取值范围为0%至10
15、0%对于I2统计量检验，判定异质性的方法主要有两种：,异质性的处理方法,1.检查纳入研究的原始数据是否正确，检查提取数据的方法是否正确,2.若异质性来源于种族、剂量或疗程等可采用亚组分析或者Meta回归,3.敏感性分析，了解异质性来源,就像寻找过敏原一样，敏感性分析就是找到哪一个因素，哪一个研究对异质性的影响最大,4.仍然无法解释产生异质性原因，可以采用随机效应模型进行合并,5.放弃Meta分析误导的结果比没有结果更糟,研究间的异质性无法得到合理的解释 研究的合并结果没有临床意义 没有足够的、真实的相关研究结果,敏感性分析,敏感性分析是为了了解meta分析的稳定性，虽然敏感性分析不是一种统计学方法，但有几种方法可以进行敏感性分析，进而分析Meta分析的稳定性，包括： 剪补法 失安全系数法 去除单项研究法 选择模型分析法,针对发表偏移和小样本研究效应,查看异质性来源时，若删除某一研究，异质性明显降低，则认为此研究为异质性的主要来源，应对此研究进行进一步的阅读和评价 如果发现某一研究是异质性的来源，应仔细评估，不能随意去除 去除也要有充分的理由，应在讨论里说明,单项研究对合并效应量的影响,每次将某一研究删除，分别进行新的Meta分析，查看效应量有无变化，若删除后结果与之前合并结果不
