實(shí)例講解什么是Meta回歸秦效,怎么利用Meta回歸發(fā)表文章!

Meta分析涎嚼、臨床數(shù)據(jù)分析一對一指導(dǎo)阱州,符合學(xué)術(shù)規(guī)范,結(jié)課直接投稿法梯,+tjzgBL喲贡耽!

眾所周知,閱讀高質(zhì)量的文獻(xiàn)鹊汛,能快速提升自己的科研能力蒲赂,幫助自己快速理解一些生澀的概念。今天小編帶來了一篇高質(zhì)量文獻(xiàn)刁憋,跟大家聊聊什么是Meta回歸滥嘴,別人是怎么利用Meta回歸發(fā)高分文章的!

在開始之前至耻,先給大家說一些基礎(chǔ)性知識(shí)若皱。

Meta回歸是一種統(tǒng)計(jì)分析方法镊叁。 在Meta分析時(shí),如果把研究分入不同的亞組走触,通過Meta回歸可以看到分類研究特征與干預(yù)效應(yīng)的相關(guān)程度晦譬。 Meta回歸是亞組分析的擴(kuò)展,可以對連續(xù)或分類特征的效應(yīng)進(jìn)行分析互广,并且在原則上可以同時(shí)對多個(gè)因素的效應(yīng)進(jìn)行分析敛腌,但這通常會(huì)由于研究數(shù)量不夠而無法實(shí)現(xiàn)。

今天分享的文章是一篇發(fā)表在頂刊《Crit Rev Food Sci Nutr》的Meta分析文章惫皱,通過隨機(jī)對照試驗(yàn)(RCT)系統(tǒng)回顧和薈萃分析像樊,評估了人工甜味劑和甜菊糖甜味劑對脂質(zhì)譜標(biāo)記物的影響,并且最終得出了結(jié)論旅敷。

該篇文獻(xiàn)影響因子接近12分生棍,發(fā)表于2022年一季度,是當(dāng)季度少有的利用Meta回歸的文章媳谁。

統(tǒng)計(jì)之光-Meta回歸

選題

文章題目是:《The effects of artificial- and stevia-based sweeteners on lipid profile in adults: a GRADE-assessed systematic review, meta-analysis, and meta-regression of randomized clinical trials》涂滴,(PROSPERO注冊號(hào):CRD42021250025)本項(xiàng)研究探索了人工甜味劑和甜菊糖甜味劑對脂質(zhì)譜標(biāo)記物的影響。

之前的Meta分析選題課程我們說過晴音,Meta分析選題應(yīng)秉承著爭議性氢妈、創(chuàng)新性、實(shí)用性的原則段多。

因?yàn)樵贜NS是否會(huì)影響血脂水平這一問題框架下,諸多臨床研究產(chǎn)生了不一致的結(jié)果壮吩,且關(guān)于NNS對脂質(zhì)分布的影響尚不清楚进苍,所以進(jìn)行此項(xiàng)Meta分析和系統(tǒng)評價(jià)非常有必要。

統(tǒng)計(jì)之光-Meta回歸

爭議性:NNS是否會(huì)影響血脂水平鸭叙,諸多臨床研究產(chǎn)生了不一致的結(jié)果觉啊;

創(chuàng)新性:關(guān)于NNS對脂質(zhì)分布的影響尚不清楚;

文獻(xiàn)檢索

此項(xiàng)研究系統(tǒng)檢索了Pubmed沈贝、Scopus和EMABASE三個(gè)數(shù)據(jù)庫杠人,檢索時(shí)間截止到2021年4月。

根據(jù)PICOS制定檢索策略宋下,P研究對象嗡善、I干預(yù)方式、C比較措施学歧、O研究的結(jié)局指標(biāo)罩引、S研究類型

研究【非營養(yǎng)型甜味劑】對【成人】【血脂】的【隨機(jī)對照試驗(yàn)】,所以該文檢索了:

I干預(yù)方式-非營養(yǎng)型甜味劑

O結(jié)局指標(biāo)-血脂

S研究類型-隨機(jī)對照試驗(yàn)

在篩選的時(shí)候限定了人群枝笨,初篩復(fù)篩排除掉非成人研究對象袁铐。

統(tǒng)計(jì)之光-Meta回歸

納排標(biāo)準(zhǔn)及文獻(xiàn)篩選


統(tǒng)計(jì)之光-Meta回歸

初篩時(shí)揭蜒,在檢索到的3212篇文獻(xiàn)中,排除了1243篇重復(fù)的剔桨,1178篇無關(guān)的屉更,518篇?jiǎng)游镅芯浚?50篇綜述和29篇會(huì)議論文,剩下94篇文獻(xiàn)進(jìn)入復(fù)篩洒缀。

復(fù)篩時(shí)瑰谜,根據(jù)納排標(biāo)準(zhǔn),排除了80篇文獻(xiàn)帝洪,最終納入14篇文獻(xiàn)作為研究似舵。

統(tǒng)計(jì)之光-Meta回歸

這里的流程圖其實(shí)可以寫的更詳細(xì)些,在第一步寫上檢索了哪些庫葱峡,分別是多少篇文獻(xiàn)砚哗。

數(shù)據(jù)提取

兩名獨(dú)立的研究人員從納入的隨機(jī)對照試驗(yàn)原始文獻(xiàn)中提取信息。提取的信息:人口學(xué)基本信息砰奕, 脂質(zhì)譜的平均值及標(biāo)準(zhǔn)差蛛芥。

統(tǒng)計(jì)之光-Meta回歸
統(tǒng)計(jì)之光-Meta回歸

統(tǒng)計(jì)分析

連續(xù)型變量采用平均值及標(biāo)準(zhǔn)差來獲得總體效應(yīng)大小。使用I統(tǒng)計(jì)和Cochran Q檢驗(yàn)確定了異質(zhì)性军援,異質(zhì)性 I> 50% or P < 0.05仅淑,應(yīng)用隨機(jī)效應(yīng)模型。為了確定異質(zhì)性的可能來源胸哥,根據(jù)預(yù)定義的變量進(jìn)行了亞組分析和Meta回歸涯竟。對各個(gè)亞組進(jìn)行敏感性分析,來判斷結(jié)果的穩(wěn)健性空厌÷考慮到發(fā)表偏倚用了Begg和Egger檢驗(yàn)。

這里值得注意的是嘲更,納入Meta回歸分析中的協(xié)變量是研究或試驗(yàn)水平的一些特征筐钟,而不能是單個(gè)數(shù)值。舉個(gè)栗子~納入的可以是單個(gè)研究內(nèi)所包含病例的綜合特征赋朦,如患者的平均身高篓冲,但不可以是單個(gè)患者的身高。

統(tǒng)計(jì)之光-Meta回歸

亞組分析是本文的一個(gè)亮點(diǎn)宠哄,設(shè)置的非常詳細(xì)壹将。此篇文章考慮了甜味劑的來源、使用的時(shí)長毛嫉、劑量和國家瞭恰,并對研究人群的健康狀況BMI進(jìn)行了敏感性分析及亞組分析。

而采用Meta回歸狱庇,主要用于探究異質(zhì)性的來源惊畏。因?yàn)楫?dāng)一個(gè)課題納入了數(shù)量龐大的研究時(shí)恶耽,有時(shí)會(huì)出現(xiàn)某一研究得出的結(jié)果與另一些研究結(jié)果不一致的情況,可能是與研究方案颜启、研究的時(shí)間和地區(qū)偷俭、研究質(zhì)量、研究的方式缰盏、被試的年齡和性別等有關(guān)涌萤,這時(shí)就需要利用Meta回歸以明確各研究間異質(zhì)性的來源。

此篇文章匯總分析顯示:TG口猜、TC负溪、LDL、HDL無統(tǒng)計(jì)學(xué)差異济炎,但亞組分析顯示在LDL水平正常(<100 mg/dl)的受試者中川抡,NNS可能與LDL(wMD:4.23,95%Ci:0.50,7.96 mg/dl)的少量增加有關(guān),具有統(tǒng)計(jì)學(xué)差異须尚。

最終得出結(jié)論人工甜味劑和甜菊糖甜味劑的攝入與成年人的血脂水平變化無關(guān)崖堤。

質(zhì)量評估

納入研究類型為RCT,因此采用Cochrane質(zhì)量評價(jià)和grade評價(jià)對納入的文獻(xiàn)做了質(zhì)量評估耐床。

統(tǒng)計(jì)之光-Meta回歸
統(tǒng)計(jì)之光-Meta回歸

總結(jié)

富含蔗糖的飲食可誘發(fā)高血糖和高脂血癥密幔,而非營養(yǎng)性甜味劑(NNS)被認(rèn)為是低熱量和糖的替代化合物,因此被許多企業(yè)用于膳食飲料中撩轰,宣稱“無糖”胯甩,可用于減肥,甚至肥胖和糖尿病患者也可飲用堪嫂。

但是NNS攝入對健康是否影響偎箫,其實(shí)一直存在爭議,尤其是NNS對脂質(zhì)分布的影響溉苛。一些研究表示NNS可以有效降低TG、TC和LDL弄诲;一些則表示并沒有顯著影響愚战。

本期文章通過系統(tǒng)的檢索策略,調(diào)查了所有類型的人工甜味劑和甜菊糖甜味劑齐遵,并利用Meta回歸寂玲,在不同亞組中進(jìn)行了比較。得出了攝入人造甜味劑和甜菊糖甜味劑可能不會(huì)影響血清TG梗摇、TC拓哟、LDL和HDL水平的結(jié)論。

該文運(yùn)用常見的meta分析統(tǒng)計(jì)流程伶授,從信息提取到統(tǒng)計(jì)分析都不算特別復(fù)雜断序,但作者基于極具爭議和創(chuàng)新的選題和清晰的寫作思路流纹,依然成功發(fā)表在了高質(zhì)量的期刊上。

雖然研究結(jié)果表明违诗,無糖飲料對人體脂質(zhì)分布沒有顯著影響漱凝,但也并不代表無糖飲料就是健康的。

統(tǒng)計(jì)之光-Meta回歸

以上诸迟,就是實(shí)例講解Meta回歸的全部內(nèi)容了茸炒,如果今年你也想發(fā)表一篇Meta分析的文章,或者想要更加細(xì)致的了解Meta回歸阵苇,以及其他Meta分析類型壁公, Meta分析一對一全流程指導(dǎo)推薦給你,從選題到投稿全流程服務(wù)绅项。

既能掌握Meta紊册,又能同時(shí)做出自己的成果,并且達(dá)到全方位提升科研思維趁怔、統(tǒng)計(jì)能力湿硝、寫作能力的目標(biāo)。

無論你是在校醫(yī)學(xué)生润努,面臨畢業(yè)難題关斜!

還是一線臨床醫(yī)生,面臨工作忙無暇科研難題铺浇!

亦或者只是對Meta分析感興趣痢畜,學(xué)了很多教程卻沒發(fā)過文章!都可以鳍侣!

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末丁稀,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子倚聚,更是在濱河造成了極大的恐慌线衫,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件惑折,死亡現(xiàn)場離奇詭異授账,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)惨驶,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進(jìn)店門白热,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人粗卜,你說我怎么就攤上這事屋确。” “怎么了?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵攻臀,是天一觀的道長焕数。 經(jīng)常有香客問我,道長茵烈,這世上最難降的妖魔是什么百匆? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任,我火速辦了婚禮呜投,結(jié)果婚禮上加匈,老公的妹妹穿的比我還像新娘。我一直安慰自己仑荐,他們只是感情好雕拼,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著粘招,像睡著了一般啥寇。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上洒扎,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天辑甜,我揣著相機(jī)與錄音,去河邊找鬼袍冷。 笑死磷醋,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的胡诗。 我是一名探鬼主播邓线,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼煌恢!你這毒婦竟也來了骇陈?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤瑰抵,失蹤者是張志新(化名)和其女友劉穎你雌,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體二汛,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡婿崭,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了习贫。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片逛球。...
    茶點(diǎn)故事閱讀 37,997評論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡千元,死狀恐怖苫昌,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤祟身,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布奥务,位于F島的核電站,受9級(jí)特大地震影響袜硫,放射性物質(zhì)發(fā)生泄漏氯葬。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一婉陷、第九天 我趴在偏房一處隱蔽的房頂上張望帚称。 院中可真熱鬧,春花似錦秽澳、人聲如沸闯睹。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽楼吃。三九已至,卻和暖如春妄讯,著一層夾襖步出監(jiān)牢的瞬間孩锡,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工亥贸, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留躬窜,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓砌函,卻偏偏與公主長得像斩披,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子讹俊,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容