meta分析的统计学问题.ppt

Meta分析的统计学问题 定义 Meta “after, more comprehensive, secondary” 对关注同一科学问题的不同研究的结果进行定量综合的统计方法。 样本量与精度 研究的样本量越小，效应估计的精度越低； 研究的样本量越大，效应估计的精度越高。 效应估计的精度越低，可信区间越宽； 效应估计的精度越高，可信区间越窄； -4 mmHg (-7, 3) -4 mmHg (-7, -2) 加权平均 Meta分析的统计学本质 将多个研究综合起来，提高精度/统计效能； 相当于1个多中心的临床试验的结果。 异质性 Heterogeneity 临床异质性：PICO 方法学异质性：研究设计、研究质量 统计学异质性 异质性检验 Heterogeneity test 异质性检验，目的是检查各个独立研究的结果是否具有一致性或可合并性。 Χ2检验 研究数量少时把握度较低 P界值0.10 固定效应模型 假定：所有研究估计的是同一个干预效应；研究结果之间的差异完全来源于机会，即没有统计学异质性。 例如：估计同一个人的身高 随机效应模型 假定：所有研究估计的不同的、但服从某个对称分布的多个干预效应。对称分布的中心反映了这些效应的平均值。 研究结果之间的差异不仅来源于机会，也来源于干预效应的不同。 例如：估计不同人的身高 异质性的处理 随机效应模型不能替代异质性来源的调查 叙述性合成 Narrative synthesis 通过表格对合格研究的研究特征（如研究设计、研究对象、研究结局、研究质量等）与研究结果进行结构化的比较和总结，定性评价研究结果在不同研究特征上是否相似（即研究结果是否与某些研究特征有关）。 Meta分析的适用情形 √大规模或多中心试验难以实施 √药物/治疗疗效及其副作用的评价 √现有研究结果矛盾 ×缺乏相关的或可靠的数据 ×存在重要的异质性 ×多数研究偏倚危险高 分析思路 确定比较 Comparison 确定结局 Outcome 确定数据类型 Type of data 确定效应指标 Measure of effect 数据类型与效应指标 连续数据 原始研究：MD（mean difference） Meta分析： MD (mean difference) 均差 SMD (standardized mean difference) 标准化均差（对同一结局指标采用不同的测量单位） 二分类数据 原始研究：RR（相对危险度）, OR（比值比） Meta分析：RR, OR 分析软件 Revman 4.2 /cochrane/revman.htm Revman 5 /revman/download Meta-Analyst joseph.lau@ Meta-Test http://hiru.mcmaster.ca/cochrane/sadt.htm Easy MA version 99 http://www.spc.univ-lyon1.fr/?mcu/easyma; Meta http://www.RalfSchwarzer.de Comparison: ARBs vs placebo Outcome: MI 森林图 Forest plot 森林图 发表偏倚 Publication bias 指具有统计学显著性意义或阳性的研究结果较无显著性意义或无效的结果被报告和发表的可能性更大。 医学研究领域发表偏倚的问题相当严重。 当存在发表偏倚时，可能会夸大疗效，甚至得到一个虚假的疗效。 漏斗图 Funnel plot 发表偏倚图例 敏感性分析 Sensitivity analysis 检查结果的稳定性 研究质量的高低 无法判断个别研究是否应纳入 对分析错误研究的调整分析 进行标准差估算的研究 异质性来源的调查 有助于发现问题，为新的研究提供线索 可能具有重要的临床意义 交互作用 效应修正 亚组分析 Meta回归 亚组分析实例 分层变量 亚组数量 效应估计 P 基线Hb ＜120g/L 4 13.23（6.50，19.95） ＜0.001 ≥120g/L 3 2.53（1.01，4.04） 0.001 干预剂量 ＜10mg/天 5 5.92（-0.65，12.48） 0.080 ≥10mg/天 2 15.14（2.60，27.69） 0.020 血红蛋白浓度加权均差的亚组分析结果 事前分析与事后分析 特征变量的选择：有其他证据支持 预先确定要调查的特征变量 事后分析：假阳性 Meta分析的优势 改善精度、增加把握度 关注原始研究难以回答的问题 解决争议 Meta分析的优势 * 除此之外，纳入的研究未报告其他的有害效应结局。 血清