系统综述与meta范例.ppt

* 一条短横线代表一个试验结果的可信区间(CI)，越短结果越精确、越肯定 中线代表OR=1 最下方的棱型符号代表所纳入试验的综合结果 短横线/棱型符号与中线接触或相交示差异无统计学意义。对不利结局，短横线在中线左边示有效，在右边示无效，对有利结局则相反。 范围越宽，横线越长，说明样本量小，结论不精确可靠 范围越窄，横线越短，说明样本量大，结论较精确可靠 * 漏斗图最初是用每个研究的处理效应估计值为横轴，样本量的大小为纵轴的简单散点图。对处理效应的估计，其准确性是随样本量的增加而增加，小样本研究的效应估计值分布于图的底部，分布范围较宽，大样本研究的分布范围较窄，当没有偏倚时，呈对称的倒漏斗状 * * * * 基于问题的研究 遵循证据的决策 关注实践的结果 后效评价 止于至善 谢 谢！ RevMan5.0 实例练习 。 * *  * * * * * * * * * * 多不饱和脂肪酸的各种名称 and 慢性肾病的各种可能词汇 and 研究类型的词汇 * * 期刊数据库、论文、会议、标准、专利、科技报告 * * * * * * * * * * * * * （2）Cochrane偏倚风险评估工具 低偏倚风险：所以条目评价结果均为低偏倚风险 偏倚风险不确定：一个或多个条目评估结果为不清楚 高偏倚风险：一个或多个条目评估结果为高偏倚风险 针对每一项研究结果，对下述6条作出“是”（低度偏倚）、“否”（高度偏倚）、“不清楚”（偏倚风险不确定）: （3）队列研究的NOS评价标准 （4）病例对照研究NOS评价标准 （5）研究质量评价在系统评价中的作用 作为纳入单个研究的阈值 作为解释不同研究间结果差异的依据 敏感性分析 三、数据提取 1、数据提取的重要性 使用统一格式整理信息，便于信息整合 为统计分析准备数据信息 获得可供评价研究结果的信息：偏倚、外推性 发现结论不一致的研究之间可能存在的方法学问题 2、数据提取的基本原则 客观 提前进行人员培训 预试验 多人提取数据 恰当处理分歧 盲法 3、数据提取的步骤 明确需纳入的数据类型 明确数据提取人员 设计数据提取表 对数据提取进行预试验 开始数据提取 数据核查、修改 处理意见分歧 4、数据提取的基本内容 纳入研究的基本信息：纳入研究的编号、通讯作者、联系方式、发表年份等 原始研究的方法学数据：具体分组方法、分组方法是否隐藏、是否盲法、是否存在结局数据不完整…… 研究对象的临床特征：年龄、性别、疾病诊断标准、严重程度、干预措施、评价结局、研究地点等 研究结果： 二分类资料：各比较组的总人数、发生目标事件的人数 连续性资料：各比较组的人数、均数、标准差 （3）妥善处理提取中遇到的一些问题 重复报告 相同或相似的研究结果被多次发表 建议先不予剔除，对每一篇重复文献分别进行信息提取，再综合为一份信息表 合并亚组数据 某研究将成人和儿童的数据分为两个亚组进行报告，而其他研究并未按年龄进行亚组分析，此时可以将干研究的两个亚组数据进行合并 数据换算 标准差SD与标准误SE之间的关系 SE=SD/√N 点值、95%可信区间与标准误之间的关系 率和均数 SE=(可信区间上限—可信区间下限)/3.92 RR和OR SE=[ln(可信区间上限)— ln(可信区间下限)]/3.92 （N100） 点值、P值与标准误之间的关系 P值—查表—Z值—SE=点值/Z值 四、统计分析 Data Apple and Orange 1、异质性的识别与处理 什么是异质性？ 如何识别异质性？ 怎样处理异质性？ 什么是异质性？ 异质性用来表示各个研究间随机误差以外的差异性。 临床异质性 方法学异质性 统计学异质性 异质性的识别？ Q检验： 注： Q为效应量的标准化的平方和，因此服从自由度为（k-1）的x2分布。Q值越大，则p值越小。 Wi和Yi分别为第i个研究的权重和效应量，M为所有研究的平均效应量。 I2检验： 0-40%：轻度异质性； 40%-60%:中度异质性； 50%-90%：较大的异质性： 75%-100%：很大的异质性 如何处理异质性？ 再次检查 探索异质性的来源 亚组分析 敏感性分析 合并异质性 — 随机效应模型 放弃合并效应值 亚组分析 亚组分析通常是指根据纳入研究的病人特点进行分层，如性别、年龄段，或疾病的亚型等进行的分析，以探讨这些因素对总效应的影响及影响程度。 亚组分析应该是预先设定的，而非事后再分亚组； 2、敏感性分析 敏感性分析 敏感性分析主要针对研究特征或类型如方法学质量，通过排除某些低质量的研究、或非盲法的研究以探讨对总效应