Meta分析的简单介绍.ppt

Meta分析的统计学过程 吉林大学白求恩第一医院 结直肠肛门外科 张婷 “Meta”一词源于希腊文，意为“more comprehensive”,即“更广泛、更全面” 上个世纪60年代开始，在医学文献中，陆续出 现许多对多个独立研究的统计量进行合并的报 道。 英国心理学家G.V.Glass，在1976年首先将这 种多个同类研究的统计量合并方法称为“Meta- Analysis”。该方法现在已广泛应用于医学和健 康领域，尤其是针对疾病的诊断、治疗、预防 和病因等问题的综合评价。 Meta分析的定义 Meta-Analysis is a systematic review that uses quantitative method to summarize the results. Meta分析是运用定量方法去概括总结多个研 究结果的系统评价。 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学方法。 实例1 二分变量（计数）资料 七个阿司匹林预防心肌梗死的研究资料 K个研究 阿司匹林安慰剂 合计OR95%CI 死亡数未死亡数死亡数未死亡数 aibicidiNi下限上限 1495666755712390.720.4891.509 2447146470715290.6810.4571.013 310273012672416820.8030.6061.063 432285382716260.8010.4861.319 5857255235412160.7980.5531.153 62462021219203845241.1330.9351.373 71570701717206880171870.8950.8920.966 合计21281205822861153128003 表中ai,bi,ci,di为各研究四格表数，Ni为各个研究的样本例数 实例2 连续（计量）资料 女童掌骨II皮质厚度的11个研究 K个研究 高氟区适氟区 P值 n1 X1S1n2X2S2 1262.260.32422.330.33P0.05 2552.390.31402.490.32P0.05 3462.500.30502.670.35P0.05 4452.640.26502.900.45P0.05 5452.810.35452.930.36P0.05 6522.950.46553.270.37P0.05 7463.150.39423.480.48P0.05 8453.470.46513.730.54P0.05 9453.630.38453.810.40P0.05 10423.810.41454.160.42P0.05 11443.990.56254.180.41P0.05 合计491 490 传统文献综述的特点 1、平等（等权重）对待每个研究结果，主要 是以某类结果的文献数量的多少得出结论， 一般不进行文献评价，也不考虑文献的质量 。 2、两个主要问题： 一是多个同类研究的质量不相同； 二是各个研究的样本含量的大小不相同。 因此，传统文献综述所采用的等权重方法很 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，其结论 容易使人产生误解或困惑。 Meta分析的统计目的 n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学意义 时，采用Meta分析可得到更加接近真 实情况的统计分析结果。 Meta 分析的统计学过程 n异质性分析 n计算合并效应量 n合并效应量的检验 可信区间，Z检验 异质性定义 广义上用于描述试验的参与者、试验 的干预措施和多个研究测量结果的变 异，即各研究的内在真实性的变异。 种类: 临床异质性 方法异质性 统计学异质性 统计学异质性 n是指干预效果的评价在不同试验间的变异， 它是研究间的临床和方法学上变异联合作用 的结果。 n通常将Meta分析的统计学异质性简称为“异 质性”，它是以各研究之间可信区间（CI） 的重合程度来度量异质性的大小； n多个研究间的CI重合程度越大，存在统计学 异质性的可能性就越小，反之，各研究间存 在统计学异质性的可能性就越大。 n异质性分析的意义：Meta分析的核心计算是 合并（相加），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。 异质性检验 （tests for heterogeneity） 又称同质性检验 （tests for heterogeneity） 用假设检验的方法检验多个独立 研究的异质性（同质性）是否具 有统计学意义。 nP值 若异质性检验结果为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。 nI2 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。 Meta-Analysis 实例分析 n二分量 n数值变量 单个二分变量的研究数据 n二分变量（分类变量）单个研究的统 计量di,可选择OR、RR或RD，四格表 数据如下表： summary 2X2 Table For Counts EventNo Event Treatmentabn1 Controlcdn2 m1m2N K研究的分类变量资料整理 七个阿司匹林预预防心肌梗死的研究资资料 K个研究 阿司匹林安慰剂 合计OR95%CI 死亡数未死亡数死亡数未死亡数 aibicidiNi下限上限 1495666755712390.720.4891.509 2447146470715290.6810.4571.013 310273012672416820.8030.6061.063 432285382716260.8010.4861.319 5857255235412160.7980.5531.153 62462021219203845241.1330.9351.373 71570701717206880171870.8950.8920.966 合计21281205822861153128003 表中ai,bi,ci,di为各研究四格表数，Ni为各个研究的样本例数 RR值与OR值 RR：两个率的比值叫做相对危险度（relative risk, risk ratio, RR)，是前瞻性研究中较常用的指示。它是试验 组某事件发生率（EER）与对照组（或低暴露组）的 发生率（CER）之比，用于说明试验组的发生率是对 照组的多少倍。 计算： 试验组的发生率为EER=a/(a+b) 对照组的发生率为CER=c/(c+d) 两个率的比值为 RR= EER/CER = a/(a+b ) c/(c+d ) RR的意义 n当RR=1时，可认为试验组的发生率 与对照组的发生率相同; n当RR1时，可认为试验组的发生率 大于对照组（EERCER）; n当RR对照组 1 无效线 实例1的RevMan5.1森林图 实例1的RevMan5.1森林图 漏斗图及用途 n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。 n对处理效应的估计，其准确性是随样本含量 的增加而增加的，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 究的效应估计值分布范围较窄。 n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”。 实例1的RevMan5.1漏斗图 大于合并效应量的文献很少，但仍有统计学意 义，说明该文献的可信度很高。 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，偏倚程度也就越大。 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。 导致漏斗图不对称的主要原因： 发表偏倚（publication bias） 选择性偏倚（selection bias） 语言偏倚（language bias） 引用偏倚（citation bias） 重复发表偏倚（multiple publication bias） 单个数值变量研究的数据 n数值变量（continuous）单个研究的统计量di，可 先择MD或SMD法 例数均数标准差 ni Si 试验组n1X1S1 对照组n2X2S2 K研究的数值变量资料整理 女童掌骨II皮质质厚度的11个研究 K个研究 高氟区适氟区 Ni X1S1n1X2S2n2 12.260.32262.330.334268 22.390.31552.490.324095 32.500.30462.670.355096 42.640.26452.900.455095 52.810.35452.930.364590 62.950.46523.270.3755107 73.150.39463.480.484288 83.470.46453.730.545196 93.630.38453.810.404590 103.810.41424.160.424587 113.990.56444.180.412569 合计计 491 490981 治疗前与治疗后的数据提取 治疗前治疗后 例数均数标准差均数标准左 试验 组n11X11S11X12S12 对照组n21X21S21X22S22 例数差值的均数 差值的标准 差 试验 组n1d1S1 对照组n2d2S2 将上表中数据整理为下表将上表中数据整理为下表 表中表中 d1d1和和S1S1可用公式计算可用公式计算 MD和SMD n数值变量的指标-MD/WMD 均数差（加权均数差） Mean Difference or Weighted Mean Difference MD=X1-X2 SE(MD)=S12/n1+S22/n2 从公式可见，均数差MD即为两均数的差值。 该指标以试验原有的测量单位，真实地反映 了试验效应，消除了绝对值 大小对结果的影 响。 数值变量的指标-SMD n标准化均数差 Standardised Mean Difference,SMD d即为SMD 标准化均数差（SMD）的标准 误可按下式计算： d d即为即为SMDSMD，N=nN=n 1 1 +n+n 2 2 从上式中得到的是从上式中得到的是SESE 2 2 ，开方后即得到，开方后即得到SESE（SMDSMD） SMD可简单地理解为两均数的差值再 除以合并标准差的商，它不仅消除了 某研究的绝对值大小的影响，还消除 了测量单位对结果的影响。 该指标尤其适用于单位不同或均数相 差较大的数值资料分析。 MD和SMD的可信区间 若选拔MD或SMD为合并统计量时，其95%CI 与假设检验的关系如下： 若其95%CI包含了0，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0或均小于0，等价 于P对照组 无统计学意义 0 无效线 实例2 数值变量的实例分析 女童掌骨II皮质厚度的11个研究 K个研究 高氟区适氟区 P值值 n1 X1S1n2X2S2 1262.260.32422.330.33P0.05 2552.390.31402.490.32P0.05 3462.500.30502.670.35P0.05 4452.640.26502.900.45P0.05 5452.810.35452.930.36P0.05 6522.950.46553.270.37P0.05 7463.150.39423.480.48P0.05 8453.470.46513.730.54P0.05 9453.630.38453.810.40P0.05 10423.810.41454.160.42P0.05 11443.990.56254.180.41P0.05 合计计491 490 MD和SMD的森林图 nMD和SMD的森林图： n无效竖线的横轴尺度为0； n每条横线为该研究的95%可信区间上下限的 连线； n线条长短直观地表现了可信区间范围的大小 ； n线条中央的小方块为MD或SMD值的位置， 其方块大小为该研究权重大小 n若某个研究95%可信区间的线条横跨过无效 竖线，即该研