《循证医学中常用统计学指标和Meta分析统计过程》由会员分享，可在线阅读，更多相关《循证医学中常用统计学指标和Meta分析统计过程（44页珍藏版）》请在金锄头文库上搜索。
1、循证医学中常用统计学指标 与Meta分析的统计过程,南华大学附属第一医院肾内科：邓进,分类变量,一、循证医学中常用统计学指标,实例,阿司匹林治疗心肌梗死的效果,相对危险度（RR）,相对危险度（relative risk，RR）是前瞻性研究中较常用的指标，它是试验组某事件发生率与对照组的发生率之比，用于说明试验组的发生率是对照组的多少倍。试验组的发生率为：a/（a+b） 对照组的发生率为：c/（c+d） 两个率的比值：RR=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RR1时，可认为试验组的发生率大于对照组;当RR1时，可认为病例组的比
2、值大于对照组，即该暴露因素可能与该病的发生有一定的关系; 当OR0.05，即合并效应量无统计学意义。 若其95%CI的上下限均大于0或均小于0，等价于P0.10时，多个研究的异质性无统计学意义；若多个研究结果为P0.10时，多个研究的异质性有统计学意义。 I2：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。 I2越大，其异质性越大，越不可接受。在Cochrane 系统评价中，只要I2不大于50%，其异质性可以接受。,异质性的处理方法,当异质性检验出现P0.10时，首先应找出产生异质性的原因，如疗程长短、用药剂量、病情轻重
3、、对照选择等是否相同。 由上述原因引起的异质性，可以使用亚组分析和Meta回归。,合并统计量,就是将多个独立研究的结果合并成一个汇总统计量，即用多个独立研究的某个指标的合并统计量反映其试验效应。 固定效应模型：若多个研究具有同质性时（无统计学异质性），可使用固定效应模型。 随机效应模型，若多个研究不具有同质性时（异质性有统计学意义），先对异质性原因进行处理，若异质性分析与处理后仍无法解决异质性时，可使用随机效应模型。,关于随机效应模型,是一种对异质性资料进行Meta分析的方法，但是，该法不能校正偏倚或减少异质性，更不能消除产生异质性的原因。 是通过增大小样本资料的权重，减少大样本资料的权重来处
4、理资料间的异质性，而这种处理存在着较大风险。 随机效应模型处理的结果，可能消弱了质量好的大样本信息，增大了质量差的小样本信息，故应谨慎使用随机效应模型，对其结论也应当较为委婉。,合并效应量的检验,用假设检验的方法检验多个独立研究的总效应量是否具有统计学意义，其原理与常规的假设检验完全相同。 两种方法：Z检验和卡方检验 根据Z值或卡方值得到该统计量下概率（P）值。 若P0.05，多个研究的合并效应量有统计学意义； 若P0.05，多个研究的合并效应量没有统计学意义。,合并效应量的可信区间,在Meta分析中，常用可信区间进行假设检验，95%可信区间与为0.05的假设检验等价，99%可信区间与为0.0
5、1的假设检验等价。 此外，森林图即是根据各个独立研究的95%可信区间及合并效应量的95%可信区间绘制的。,实例1 分类变量,RevMan5.1森林图（RR）,方块：每个研究效应量的点估计值，大小表示每个研究的权重,线段：每个研究效应量的可信区间，线段越长，可信区间越宽，结果越不精确,垂直线（无效线） 二分变量，OR或RR=1 连续变量，SMD或MD=0,菱形代表合并效应量，中心代表合并效应量的点估计值，宽代表合并效应量的可信区间。 1.包含无效线，组间无统计学差异； 2.完全在无效线右边，试验组的效应量大于对照组； 3.完全在无效线左边，试验组的效应量小于对照组。,RevMan5.1森林图（O
6、R）,实例2 数值变量,RevMan5.1森林图（MD法）,RevMan5.1森林图（SMD法）,亚组分析,根据纳入研究的特点进行分组，进而在组内分析干预措施的效果。 如根据性别、年龄、种族、疾病的严重程度、疗程长短、用药剂量、纳入研究的质量等等。 在Meta分析中，是一种处理异质性的方法。 在同一个系统评价中，不提倡使用太多的亚组分析。,敏感性分析,是指在定量合成的系统评价中，改变某些影响结果的重要因素，如纳入标准、研究质量的差异、失访情况、统计方法（固定或随机效应模型）和效应量的选择（OR或RR）后，观察合成结果和异质性是否发生变化，从而判断所获结果的稳定性的方法，目的是发现影响Meta分
7、析结果的主要因素与产生原因。,发表偏倚漏斗图及用途,漏斗图（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。 漏斗图所基于的假设是治疗效应估计值的精度随着样本量的增加而增加。样本量小的研究，精度低，分布于漏斗图的底部，且向周围扩散；样本量大的研究，精度高，分布于漏斗图的顶部，且向中间集中。 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”。,漏斗图示例,A：无偏倚的对称漏斗图；B：存在发表偏倚的不对称漏斗图；C：因纳入低质量小样本试验的不对称漏斗图。,实例1的RevMan5.1漏斗图,存在发表偏倚 发表偏倚偏向无统计学意义的文章，
8、说明该Meta分析的结论可信度很高。,无统计学意义,有统计学意义,实例2的RevMan5.1漏斗图,漏斗图的应用,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，偏倚程度越大。 漏斗图的不对称性主要与发表偏倚有关，但也存在其他原因，如选择性偏倚、语言偏倚、重复发表偏倚等。 进入Meta分析的文献数较少时，不建议使用漏斗图，推荐文献数10时，可使用漏斗图。,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，如等级资料比较时，仍无成熟的Meta分析方法。,谢 谢！,
