统计方法在循证医学中的应用1

1、统计方法在循证医学中的应用,数据资料类型 数值(计量)资料：定量的，有度量衡单位的 身高、体重、血压 分类(计数或等级)资料：按照研究对象的某种属性进行分类 二分类：有效、无效 多分类： 无序多分类：血型 有序多分类：疗效(痊愈、显效、进步、无效),可信区间 （confidence interval,CI） 按预先给定的概率(常取95%或99%)去估计未知总体参数(如总体均数或总体率)的可能范围，即是指该区间有95%的可能性包含了被估计的参数。 CI与标准误有关：标准误越小，抽样误差越小，可信区间的范围越窄 用途：参数估计、假设检验,一、循证医学中的常用统计指标,分类资料 1. EER，CER

2、及可信区间 EER (experimental event rate) CER (control event rate),率的可信区间 puSE 应用条件：np和n（1-p）均大于5，n100。,率差(RD)及可信区间 也称危险差(rate difference , risk difference)两个发生率的差，其大小可以反映试验效应的大小，其可信区间可以推断两个率有无差别(是否包含0),可信区间：(p1-p2) uSE (p1-p2),3. 相对危险度（RR）及可信区间 也称相对危险度(relative risk)：是暴露组的发病率与非暴露组发病率的比，用于说明前者是后者的多少倍，常用来表

3、示暴露与疾病联系的强度及其在病因学上的意义大小。,RREER/CER RR1，“危险”因素； RR1，“保护”因素,可信区间 可以推断两个率有无差别(是否包含1) 计算： SE(lnRR)= RR的可信区间,4. OR及可信区间 也称比值比、优势比(odds ratio)：暴露率与非暴露率的比称为比值，病例组与对照组比值的比即为OR。 ORad/bc 或ORc/b 意义同RR,可信区间 可以推断两个率有无差别(是否包含1) 计算： SE(lnOR)= OR的可信区间,5.相对危险度减少率RRR及可信区间 RRR(relative risk reduction)，可反映试验组与对照组某病发生率增

4、减的相对量，无法衡量增减的绝对量。 RRR|CER-EER|/CER=1-RR 可信区间可由1-RR的可信区间得到。,6.绝对危险度减少率ARR及可信区间 ARR(absolute risk reduction)，反映试验组与对照组某病发生率增减的绝对量时，较RRR更明确，更具有临床意义。 ARR较小（如小于10）难于判断临床意义。 ARRCER-EER,可信区间：ARR uSE,7. NNT，NNH及可信区间 NNT(number needed to treat) 扣除对照组效应后，对患者采用某种防治措施处理，得到一例有利结果需要防治的病例数。 NNT=1/|CER-EER|=1/ARR N

5、NT值越小，防治效果越好 NNT可信区间：利用ARR的CI计算 NNT1/（PEERRRR）,NNH(the number needed to harm) 对患者采用某种防治措施处理，出现一例副作用需要处理的病例数。 NNH=1/ARI NNH值越小，治疗措施引起的副作用就越大,8. 其他指标 ARI(absolute risk increase)绝对危险度增加率 试验组中某不利结果发生率EERb与对照组某不利结果发生率CERb的差值。 ARI EERb- CERb ABI(absolute benefit increase)绝对受益增加率 试验组中某有益结果发生率EERg与对照组某有益结果发

6、生率CERg的差值。 ABI EERg- CERg,8.其他指标 RRI(relative risk increase)相对危险度增加率 RRI |EERb-CERb|/CERb RBI(relative benefit increase)相对受益增加率 RBI |EERg-CERg|/ CERg LHH(likelihood of being helped vs harmed)防治性措施受益与危害的似然比 LHH=NNH/NNT LHH1,利大于弊； LHH1,弊大于利,数值资料 集中趋势：均数、中位数、几何均数 离散趋势：标准差、四分位数间距、极差、变异系数 均数的可信区间： 小样本,两均

7、数差的可信区间,数值资料的指标,.加权均数差（weighted mean difference, WMD） Var (d)= . 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，在实际应用时，该指标容易被理解和解释。,(n11)S12 (n21)S22,n1 n21,n1 n2,n1 n2,数值资料的指标,标准化均数差 （standardised mean difference, SMD） SMD不仅消除了某研究值的绝对大小的影响，还消除了测量单位对结果的影响。该指标尤其适合于单位不同或均数相差较大的数值资料分析。对其分析结果解释要谨慎。,Meta-分析及其应用

8、,1976年英国教育心理学家G. V. Glass在教育学文献综述中首次命名Meta Analysis 80年代末引入我国，译名荟萃分析、二次分析、汇总分析、集成分析等,Meta-分析,“The statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings” G. V. Glass “Meta-analysis is statistical technique for assembling the r

9、esults of several studies in a review into a single numerical estimate” The Cochrane Library “A systematic review that uses quantitative methods to summarize the results” David Sackett,Meta-分析的概念,Meta-分析：是对具有相同研究题目的多个医学研究进行综合分析的一系列过程，包括提出研究问题、制定纳入和排除标准、检索相关研究、汇总基本信息、综合分析并报告结果等。目的在于增大含量样本，减少随机误差所致的差异

10、，增大检验效能。 是数据收集和相关信息处理的一系列统计原则和过程，不是一个简单的方法。,Meta-分析基本原理,把不同研究者对同一问题所作的研究看作是从同一总体中随机抽取的样本。如果都是按照相同的设计方案得到的研究结果，并且我们可以获得每一项研究的结果，则可得到一个更为可靠的综合的结果。 Meta分析方法可以定量估计研究效应的平均水平和提高统计学检验效能。,Meta-分析的统计目的,7个Aspirin预防心肌梗塞后死亡的研究结果,女童掌骨皮质厚度的11个研究,传统文献综述的特点,处理同一问题的多个结果报道时，通常是平等(等权重方法)对待每个研究结论。 以某类结果文献数量的多少得出结论 存在问题

11、： 多个研究质量不同 各个研究的样本含量的大小(权重)不相等,Meta-分析的目的,增大样本含量，减少随机误差所致的差异，增大和提高统计分析效能 探讨多个研究结果间的异质性，实现不一致研究结果间的定量综合，即分析多个同类研究的分歧和原因 增加效应量的估计精度 引出新的见解 节省研究经费,Meta-分析的统计过程,异质性分析 合并效应量 合并效应量的检验 可信区间 假设检验：u 检验 敏感性分析,异质性分析,目的：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 异质性检验(tests for heterogeneity)： 又称同质性检验(tests for homogeneity)，即

12、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),异质性检验方法,Q服从自由度为K-1的2分布 其中，di 为第i项研究的效应尺度,为效应尺度的均数,为第i项研究的权重,效应尺度(效应量)：是指临床上有意义或实际价值的数值或观察指标改变量。,Revman4.2及以后的软件中，异质性指标为I2(I?) 意义：用于衡量多个研究结果间异质程度大小的指标。是描述由各个研究所致的，而非抽样误差所引起的变异占总变异的百分比 范围：0100。不大于50可接受。,异质性分析与处理方法,一般原则是 同质(P 0.05)采用固定效应模型 存在异质性(P0.05) 找出产生异质性(临床、方法学)的原因：如疗

13、程长短、用药剂量、病情轻重、对照选择等是否相同，然后采用亚组分析、Breslow-Day法和回归近似法。 未能消除异质性的资料采用随机效应模型。,随机效应模型： 多采用D-L(DerSimonian & Laird 法) 1986年提出，适用于分类变量、数值变量 对权重进行校正：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，因此存在较大风险。,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或效应尺度，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。 计算：不等于几个均数之和除以n 固定效应模型 随机效应模型,Revman软件中包含的方法,合并

14、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(效应尺度)是否具有统计学意义。 方法： u 检验 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无统计学意义；,合并效应量的可信区间,按一定的概率估计总体参数(总体均数、总体率)所在的范围 用途：总体参数估计和假设检验 循证医学中根据各个可信区间和合并效应量的可信区间绘制森林图,由多个原始文献的效应量及其95%可信区间绘制而成，横坐标为效应尺度，纵坐标为原始文献的编号，按照一定的顺序，将各个研究的效应量及其95%可信区间依次绘制到图上。,森林图（forest plot）,敏感性分析,在排除异常结果的

15、研究后，重新进行Meta-分析，其结果与未排除时的Meta-分析结果进行比较，探讨该研究对合并效应量影响程度及结果可靠性。 结论不同时，在解释结果和下结论时应慎重。,Meta-分析结果评价,临床问题是否敏感 文献检索方法是否详尽清楚 原始文献纳入标准是否合适 是否对每个纳入研究都逐一进行了真实性评价 评价结果的可重复性如何 结果合并是否合适,Meta分析结果评价发表偏倚,Publication bias主要是指有统计学意义的研究结果比无统计学意义的研究更容易被投稿和发表，它可过分夸大干预效应或因果关联强度，导致临床个体治疗与卫生决策的失误。 漏斗图(funnel plots)最初是用每个研究的

16、处理效应估计值为X轴，样本含量的大小为Y轴绘制的散点图。 当没有发表偏倚时，其图形呈对称的倒漏斗状，称为“漏斗图”。,RevMan中的漏斗图,RevMan软件中 横坐标：lnRR或lnOR 纵坐标： 1/SE(lnRR) 标尺：横坐标RR或OR，纵坐标以SE(lnRR)标明。,漏斗图主要用于观察系统评价或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，但也可能存在其他原因。,漏斗图的用途,评价发表偏倚的作用强度 需新增多少个无统计学意义的研究，才使合并效应量无统计学意义。 m越大

17、，说明发表性偏倚的影响小，结果越可靠,Meta分析结果评价计算失安全数m,为研究Aspirin预防心肌梗塞(MI)的作用，美国不同机构在1976年1988年间进行了7个关于Aspirin预防心肌梗塞的研究。以发生心肌梗塞后患者是否死亡为观察结局。其中6次研究结果表明Aspirin组与安慰剂组的心肌梗塞后死亡率差别无统计意义，只有1个研究结果表明Aspirin在预防心肌梗塞后死亡有效并且差别有统计学意义。 现以相对危险度(RR)为效应指标，进行Meta分析。,7个Aspirin预防心肌梗塞后死亡的研究结果,1. 计算各研究的效应尺度、方差及权重,服用Aspirin预防心肌梗塞后死亡的研究结果,效

18、应尺度lnRR为： 效应尺度lnRR的方差为： 权重为：,第一项研究的效应尺度lnRR为： 第一项研究的效应尺度lnRR的方差为： 第一项研究的权重为：,7项研究结果的效应尺度、方差和权重,方差,权重W 1 /,2同质性检验,H0：各研究的效应尺度相等 H1：各研究的效应尺度不相等 = 0.10, = 6，P = 0.1277,可以认为7个研究结果的效应尺度是同质的，因此选用固定效应模型计算合并效应量。,3计算合并的效应尺度及其方差,计算固定效应模型的合并效应尺度： 计算固定效应模型合并效应尺度的方差,计算合并效应尺度 的可信区间,可信区间为(- 0.1574，- 0.0229) 进行反对数运算，合并的RR及其可信区间为： RR = 0.9137，可信区间为(0.8543, 0.9773) RR 1，且95%可信区间未包括1，可以认为Aspirin有预防心肌梗塞后死亡的作用。,