Meta分析的统计过程

《Meta分析的统计过程》由会员分享，可在线阅读，更多相关《Meta分析的统计过程（9页珍藏版）》请在金锄头文库上搜索。

1、Meta 分析的统计过程一、概述60 年代开始，在医学文献中，陆续出现了对多个独立研究的统计量进行合并的报道。76年G.V.Glass首先将合并统计量对文献进行综合分析研究的这类方法称为Meta-Analysis。80 年代末该方法传入我国，中文译名有荟萃分析、二次分析、汇总分析、集成分析等。但 无论何种中文译名都有不足之处。因此，很多学者建议仍然使用Meta分析这一名称。二、Meta分析的定义Meta-Analysis is a systematic review that uses quantitative methods to summarize the results.Meta 分析是

2、运用定量方法去概括（总结）多个研究结果的系统评价 Evidence-Based MedicineDavid Sackett 等，第 247 页的定义。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 估计的统计方法一The Cochrane Library第3页的定义。三、Meta 分析的统计目的1、传统文献综述的特点：在医

3、学研究中，传统的文献综述在处理同一问题的多个结果报道 时，通常是平等（等权重方法）对待每个研究结果而得出结论。这种文献综述一般不进行文 献评价，也不考虑文献的质量，主要是以某类文献数量的多少得出结论。传统文献评价的结果必然存在两个问题：一是多个研究的质量不相同；二是各个研究的 样本含量的大小（权重）不相等。因此，传统文献综述的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，让人容易产生困惑或误解。2、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意义时，采用 Me

4、ta分析可得到更加接近真实情况的统计分析结果。3、Meta分析与系统评价（1）在系统评价（systematic review）中，当数据资料适合使用Meta分析时，用Meta分析 可以克服传统文献综述的两大问题，其分析结果的可靠性更高；当数据资料不适合做 Meta 分析时，系统评价只能解决文献评价的问题，不能解决样本含量的问题，因此，对其分析结 论应慎重。（2）没有按系统评价标准操作规范实施，或未经严格文献评价的研究，即使用了 Meta 分 析也不一定是系统评价的研究，更难说是高质量的研究。四、Meta 分析的统计过程Meta 分析的计算的主要步骤： 1）计算每个研究的效应量及方差；2）计算每

5、个研究效应量 的权重；3）计算合并效应量；4）异质性检验；5）合并效应量的可信区间；6）合并效应量 的检验1. 单个研究的统计量根据资料类型选择单个研究的统计量*（1）分类变量可选择的统计量比值比，OR （odds ratio）；相对危险度，RR （relative risk）；率差，RD （rate difference）（2）数值变量可选择加权均数差（WMD）或标准化均数差（SMD）为统计量-用于描述单个 研究的实验结果，其结果解释与常规统计描述指标相同。2. 单个研究的方差根据资料类型选择单个研究的统计量*的方差Var（q）。单个研究统计量*的计算方法确定 后，其方差的计算方法也随之确定

6、。方差可用于可信区间和假设检验的计算。3. 异质性检验与异质性分析按统计原理，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。因此,Meta 分析过程需要对多个研究的结果进行异质性分析，尽可能地消除导致异质的原因，使之到同 质。(1)异质性检验(tests for heterogeneity)又称同质性检验(tests for homogeneity):用假设 检验的方法检验多个独立研究是否具有异质性(同质性)。 异质性检验的方法，目前，多用 下式计算： yy ,(丫Wd )2Q = y W(d -d)2 =y Wd2 - v-i ii ii i yWW =1i Var (d )当计

7、算得到Q后，需由卡iWi为每个研究的权重，第i个研究的权重Wi按下式计算： 该检验统计量Q服从自由度为K-1的卡方(X2 )分布，因此， 方分析获取概率，故又将此检验叫做卡方检验(Chi-square test)。 若异质性检验检验结果为P0.10时，多个研究具有同质性,可选择固定效应模型(fixed effect model)；若多个研究结果为PW0.10时，多个研究不具有同质性，首先应进行异质性分析和处理，若仍无法消除异质性的资料，可选择随机效应模型(random effect model)。 (2) I2 及计算在Revman4.2及以后的软件中，出现了新的异质性指标，即I2。其计算公式

8、如下:Q-(k-1)Qx 100%式中的Q为异质性检验的卡方值X2 ，K为纳入Meta分析的研究个数。I2的意义：在Revman中，I2可用于衡量多个研究结果间异质性程度大小的指标。这个指标 用于描述由各个研究所致的，而非抽样误差所引起的变异(异质性)占总变异的百分比。在 Cochrane系统评价中，只要I2不大于70%，其异质性可以接受。(3) 异质性分析与处理的方法当异质性检验出现PW0.10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、对照选择等是否相同。由上述原因引起的异质性，可使用亚组分析( subgroup analysis)、 Breslow-Day 法和回归

9、近似法。亚组分析(subgroup analysis)：根据Cochrane系统评价要求，而在系统评价的计划书中 尽可能地对一些重要的亚组间差异进行叙述。也就是说对重要的亚组分析，应在计划书中加 以说明。此外，在同一个系统评价中，不提倡使用太多的亚组分析。4. 多个实验效应的合并将多个独立研究的结果合并(或汇总)成某个单一的效应量(effect size)或效应尺度 (effect magnitude) ,即用某个指标的合并统计量，以反映多个独立研究的综合效应。合并统计量的计算：当多个独立研究的例数不等时，它们的综合效应不等于这多个单独 效应的平均数。如三个均数的总均数不等于这三个均数之和除以

10、3。所以，怎样合理的对多 个独立研究效应进行合并，是Meta分析统计过程的主要问题之一。合并统计量的两种统计模型：1)固定效应模型(fixed effect model):若多个研究具有同质 性(无异质性)时，可使用固定效应模型。2)随机效应模型(random effect model)：若多个研究不具有同质性时，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。 (1)分类变量( category dichotomous)固定效应模型，指标RR、ORi. standard odds ratio 法； ii. Mantel-Haenzel 法； iii.Pe

11、to 法随机效应模型，指标RR、OR女口： DerSimonian&Laird(D-L)法(2)数值变量(continuous)固定效应模型(1) WMD,加权均数差法(Weighted Mean Difference)(2) SMD,标准化均数差法(Standardized Mean Difference)随机效应模型，D-L法资料类型Type of data合并统计量Summary statistic模型Model计算方法Method二分类变量(Dichotomous)OR(odds ratio)固定Peto 法固定Mantel-Haenzel 法随机D-L法RR(relative ris

12、k)固定Mantel-Haenzel 法随机D-L法RD(relative difference)固定Mantel-Haenzel 法随机D-L法数值变量(Continuous)WMD (Weighted Mear Difference)固定侄 0方差法(inverse variance)随机D-L法SMD (StandardisedMean Difference)固定倒方差法随机D-L法个案资料(individual)OR(odds ratio)固定Peto 法3)固定效应模型的计算PetoOR = exp合并工(a d /N )OR =合并乙(bd / N )i i i工 WInRR RR

13、 =exp( ii)合并乙WiERD =合并( an cn 、 i_1 i_2i-) N Niinn1i 2iNi-Wd4)关于随机效应模型随机效应模型一种对异质性资料进行Meta分析的方法，但是，该法不能控制混杂，也 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。目前，随机效应模型多采用 D-L 法(DerSimonian&Laird 法)。WMDorSMD 二 -WiD-L法是1986年，由DerSimonian和Laird首先提出，该法不仅可用于分类变量，也适 用于数值变量。D-L法主要是对权重W进行校正，即将各式中的Wi按下式进行计算：小Q - (K -1)D二幺、丿1乙W 2

14、W = (d +)-1(乙 W -)j Wi 乙 WiiD-L 法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理资料间的异质性， 而这种处理存在着较大风险。通常小样本资料往往质量较差，偏倚较大，而大样本资料往往 质量较好，偏倚较小。因此，经随机效应模型处理的结果，可能削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。5. 合并效应量的检验用假设检验(hypothesis test)的方法检验多个独立研究的总效应量(效应尺度)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：u检验(Z检验)；卡 方检验( Chi-squ

15、are test)根据Z或(u)值或卡方值得到该统计量下概率(P)值。若PW0.05,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。6. 合并效应量的可信区间可信区间(confidence interval, CI)是按一定的概率估计总体参数(总体均数、总体率) 所在的范围(区间)，女口： 95%的CI,是指总体参数在该范围(区间)的可能性为95%。可 信区间主要有估计总体参数和假设检验两个用途。在Meta分析中，常用可信区间进行假设检验，95%的可信区间与为0.05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。(1) OR 与 RR 的可信区间若选择 OR 或 RR 为合并统计量时，其 95%的可信区间与假设检验的关系如下：若其 95%CI包含了 1,等价于P0.05，即合并统计量无统计学意义。若其95%CI的上下限均大 于1或均小于1,等价于PV0.05，即合并效应量有统计学意义。exp ?R合并 S