什么是Meta分析異質(zhì)性晴叨,怎么處理Meta分析異質(zhì)性?看完這篇就夠了

Meta分析矾屯、臨床數(shù)據(jù)分析一對(duì)一指導(dǎo)兼蕊,符合學(xué)術(shù)規(guī)范,結(jié)課直接投稿件蚕,+tjzgBL喲孙技!

很多小伙伴覺(jué)得寫Meta分析難产禾,花大量時(shí)間才弄懂Meta分析全流程、學(xué)會(huì)使用相關(guān)統(tǒng)計(jì)軟件绪杏,但怎么也不明白Meta分析異質(zhì)性下愈,但其實(shí)找對(duì)方法寫Meta分析并不難。今天我們就來(lái)講講什么是Meta分析異質(zhì)性蕾久,以及怎么對(duì)Meta分析異質(zhì)性進(jìn)行處理势似。

Meta分析異質(zhì)性的基本概念

根據(jù)Cochrane手冊(cè)的定義,納入同一個(gè)Meta分析的所有研究不可避免地都存在差異僧著,我們將Meta分析中不同研究間的各種不同履因,稱之為異質(zhì)性,當(dāng)研究間存在異質(zhì)性時(shí)盹愚,合并的結(jié)果可能是不可靠的栅迄,或合并本身就是不恰當(dāng)?shù)摹R虼诵枰R(shí)別和測(cè)量Meta分析異質(zhì)性皆怕,并制定相應(yīng)的策略毅舆,探索Meta分析異質(zhì)性來(lái)源并進(jìn)行處理。

在了解Meta分析異質(zhì)性基本概念之后愈腾,我們還是得提一下Meta分析的8大步驟憋活,如下圖所示,以確定Meta分析異質(zhì)性處理主要是在哪一步進(jìn)行虱黄!


統(tǒng)計(jì)之光-Meta分析異質(zhì)性

在Meta分析的八大步驟中悦即,Meta分析異質(zhì)性處理主要在7步——統(tǒng)計(jì)分析中進(jìn)行,?當(dāng)Meta分析納入的各項(xiàng)研究均指向同一個(gè)結(jié)果橱乱,即各研究間具有同質(zhì)性辜梳,則Meta分析具有意義,但如果各項(xiàng)研究指向的結(jié)果有很大偏差泳叠,當(dāng)Meta分析異質(zhì)性較大時(shí)作瞄,超出了隨機(jī)誤差,Meta分析的結(jié)果就不太可靠析二。此時(shí)粉洼,我們就需要通過(guò)各種方式對(duì)異質(zhì)性進(jìn)行檢驗(yàn)。

Meta分析異質(zhì)性幾種定量檢驗(yàn)方法

1叶摄、Q 統(tǒng)計(jì)量

該檢驗(yàn)的無(wú)效假設(shè)為納入各研究的效應(yīng)量均相同。具體公式如下圖安拟,對(duì)于公式我們不了解也不要緊蛤吓,只需要知道,Q 服從于自由度為 k-1?的?χ分布糠赦,Q 值越大会傲,其對(duì)應(yīng)的 P 值越小锅棕。若 Q>χ(1-α),則 P<α淌山,表明研究間存在異質(zhì)性裸燎。反之亦然。


2泼疑、I統(tǒng)計(jì)量

I統(tǒng)計(jì)量反映異質(zhì)性部分在效應(yīng)量總的變異中所占的比重德绿。由下式計(jì)算得出

其 中 Q 為 Q 統(tǒng)計(jì)量,df 是它的自由度(即研究總個(gè)數(shù)減去 1 得 到的數(shù)值)退渗。當(dāng) I =0(如果 I為負(fù)值移稳,我們?cè)O(shè)它為 0)時(shí),表明沒(méi)有觀察到異質(zhì)性会油,I統(tǒng)計(jì)量越大異質(zhì)性越大个粱;異質(zhì)性的低、中翻翩、高程度分別用I統(tǒng)計(jì)量 25%都许、50%、75% 表示嫂冻。若 I>50%胶征,則說(shuō)明存在比較明顯的異質(zhì)性。

3絮吵、H 統(tǒng)計(jì)量

公式如下圖弧烤,其中 k 表示納入 Meta 分析的研究數(shù)。統(tǒng)計(jì)量 H 值為 1 表示各研究間無(wú)異質(zhì)性蹬敲,一般情況下暇昂,若 H>1.5 提示研究間存在異質(zhì)性,H<1.2 則提示可認(rèn)為各研究同質(zhì)伴嗡;若 H 值在 1.2 和 1.5 之間急波,當(dāng) H 值的 95%CI 包含 1,在 0.05 的檢驗(yàn)水準(zhǔn)下無(wú)法確定是否存在異質(zhì)性瘪校,若沒(méi)包含 1 則可認(rèn)為存在異質(zhì)性澄暮。


4、Galbraith 圖法

該法提供了一個(gè)圖形化的顯示阱扬,可以直觀得到 Meta 分析異質(zhì)性泣懊。對(duì)于每一個(gè)試驗(yàn), 以 Z 統(tǒng)計(jì)量(效應(yīng)量除以它的標(biāo)準(zhǔn)誤(b/se(b)))為縱軸麻惶、標(biāo)準(zhǔn)誤的倒數(shù)(1/se(b))為橫軸作圖馍刮。若該 Meta 分析各研究無(wú)異質(zhì)性,我們將看到所有點(diǎn)落到可信區(qū)間回歸直線的內(nèi)部窃蹋。

5卡啰、L’Abbe 圖

該圖通常用于RCT 的二分類變量數(shù)據(jù)的 Meta分析異質(zhì)性檢驗(yàn)静稻。根據(jù)每個(gè)研究的處理組事件發(fā)生率相對(duì)于對(duì)照組事件的發(fā)生率作圖,若研究結(jié)果同質(zhì)匈辱,則所有點(diǎn)呈線性分布振湾,若偏離該線過(guò)遠(yuǎn),則表明該研究結(jié)果為異常亡脸。

經(jīng)過(guò)預(yù)處理和檢驗(yàn)仍存在異質(zhì)性押搪,Meta分析異質(zhì)性處理方法

1、獲得研究數(shù)據(jù)梗掰,采用多元回歸模型

如果能得到每個(gè)研究的原始數(shù)據(jù)嵌言,可以探討Meta分析異質(zhì)性來(lái)源,并對(duì)每個(gè)研究采用統(tǒng)一的多元回歸模型進(jìn)行分析及穗,以避免由于使用的模型不一致而導(dǎo)致的異質(zhì)性摧茴。

2、采用隨機(jī)效應(yīng)模型

采用隨機(jī)效應(yīng)模型估計(jì)合并效應(yīng)量埂陆,可對(duì)Meta分析異質(zhì)性進(jìn)行部分糾正苛白。該法在Meta分析異質(zhì)性不明顯的條件下,與固定效應(yīng)模型方法計(jì)算結(jié)果相似焚虱;若異質(zhì)性明顯购裙,則可提高估算的可信區(qū)間的精度,并同時(shí)增大檢驗(yàn)效能鹃栽。

3躏率、亞組分析

亞組分析是將所有數(shù)據(jù)分成更小的單元,進(jìn)而在各亞組內(nèi)進(jìn)行比較民鼓,如按不同設(shè)計(jì)方案薇芝、研究質(zhì)量、發(fā)表年代等進(jìn)行亞組分析丰嘉。亞組分析每次只能對(duì)一個(gè)變量進(jìn)行亞組分析夯到,并且對(duì)每個(gè)亞組都要進(jìn)行效應(yīng)量的合并。若要對(duì)兩個(gè)以上的變量進(jìn)行分析饮亏,則應(yīng)采用Meta回歸耍贾。

4、Meta回歸

Meta回歸是通過(guò)建立回歸方程路幸,來(lái)反映一個(gè)或多個(gè)解釋變量與結(jié)果變量的關(guān)系荐开。目前Meta回歸雖然在Rev Man中沒(méi)有被運(yùn)用,但在STATA軟件中通過(guò)“Metareg”宏能很好地實(shí)現(xiàn)简肴。

5誓焦、敏感性分析

敏感性分析是用于評(píng)價(jià)結(jié)果穩(wěn)定性的一種方法。如果敏感性分析結(jié)果與原分析結(jié)果沒(méi)有沖突着帽,那么該結(jié)果加強(qiáng)了原分析結(jié)果的可信度杂伟。如果敏感性分析結(jié)果得出不同結(jié)論,這提示存在與干預(yù)措施有關(guān)的潛在重要因素仍翰,應(yīng)進(jìn)行進(jìn)一步研究以明確干預(yù)效果存在爭(zhēng)議的來(lái)源赫粥。

若經(jīng)過(guò)以上處理后異質(zhì)性仍然過(guò)大,特別在效應(yīng)的方向上極其不一致予借,這時(shí)候引用平均效應(yīng)也許會(huì)導(dǎo)致誤導(dǎo)越平,應(yīng)考慮放棄Meta分析,只作一般的統(tǒng)計(jì)描述灵迫。上述文字用圖表示如下秦叛。

統(tǒng)計(jì)之光-Meta分析異質(zhì)性

為方便大家進(jìn)一步了解Meta分析異質(zhì)性,小編還為大家準(zhǔn)備了一篇北大研究團(tuán)隊(duì)近期發(fā)表的一項(xiàng)最新的國(guó)人研究瀑粥,該研究結(jié)果表明:30歲中國(guó)人群挣跋,如果保持上述5個(gè)健康的生活方式,心血管疾病狞换、癌癥避咆、慢性呼吸疾病等發(fā)病率大幅減少,預(yù)期壽命可延長(zhǎng)8-9年修噪。

此項(xiàng)研究是首個(gè)針對(duì)中國(guó)人群開展的觀察性研究查库,嚴(yán)謹(jǐn)?shù)牧炕司C合生活方式對(duì)30歲人群預(yù)期壽命的影響,對(duì)推廣健康生活方式有一定指導(dǎo)意義黄琼。

該研究納入的CKB數(shù)據(jù)庫(kù)樊销,有大樣本量和長(zhǎng)隨訪的詳細(xì)數(shù)據(jù),使得研究能夠針對(duì)不同性別脏款、不同地區(qū)人群的全因和病因特異性死亡率做詳細(xì)的異質(zhì)性分析围苫,讓結(jié)果具有更廣泛的適用性,大家可以利用這篇文獻(xiàn)更加深入的了解Meta分析異質(zhì)性弛矛。

以上就是本次對(duì)Meta分析異質(zhì)性的全部介紹啦够吩,如果你近期想要發(fā)表Meta分析,但是對(duì)Meta分析異質(zhì)性處理不太懂丈氓,怎么也學(xué)不會(huì)周循,可以試試通過(guò)我們進(jìn)行系統(tǒng)的學(xué)習(xí),我們擁有指導(dǎo)上千醫(yī)學(xué)人成功發(fā)刊的經(jīng)驗(yàn)万俗,能夠幫你快速學(xué)會(huì)做Meta分析湾笛,發(fā)表SCI。

文章引用:Meta分析中的異質(zhì)性及其處理方法——王丹

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末闰歪,一起剝皮案震驚了整個(gè)濱河市嚎研,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖临扮,帶你破解...
    沈念sama閱讀 206,126評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件论矾,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡杆勇,警方通過(guò)查閱死者的電腦和手機(jī)贪壳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)蚜退,“玉大人闰靴,你說(shuō)我怎么就攤上這事∽曜ⅲ” “怎么了蚂且?”我有些...
    開封第一講書人閱讀 152,445評(píng)論 0 341
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)幅恋。 經(jīng)常有香客問(wèn)我杏死,道長(zhǎng),這世上最難降的妖魔是什么佳遣? 我笑而不...
    開封第一講書人閱讀 55,185評(píng)論 1 278
  • 正文 為了忘掉前任识埋,我火速辦了婚禮,結(jié)果婚禮上零渐,老公的妹妹穿的比我還像新娘窒舟。我一直安慰自己,他們只是感情好诵盼,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評(píng)論 5 371
  • 文/花漫 我一把揭開白布惠豺。 她就那樣靜靜地躺著,像睡著了一般风宁。 火紅的嫁衣襯著肌膚如雪洁墙。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,970評(píng)論 1 284
  • 那天戒财,我揣著相機(jī)與錄音热监,去河邊找鬼。 笑死饮寞,一個(gè)胖子當(dāng)著我的面吹牛孝扛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播幽崩,決...
    沈念sama閱讀 38,276評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼苦始,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了慌申?” 一聲冷哼從身側(cè)響起陌选,我...
    開封第一講書人閱讀 36,927評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后咨油,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體您炉,經(jīng)...
    沈念sama閱讀 43,400評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)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(píng)論 2 323
  • 正文 我和宋清朗相戀三年臼勉,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了邻吭。 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。...
    茶點(diǎn)故事閱讀 37,997評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡宴霸,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出膏蚓,到底是詐尸還是另有隱情瓢谢,我是刑警寧澤,帶...
    沈念sama閱讀 33,646評(píng)論 4 322
  • 正文 年R本政府宣布驮瞧,位于F島的核電站氓扛,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏论笔。R本人自食惡果不足惜采郎,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望狂魔。 院中可真熱鬧蒜埋,春花似錦、人聲如沸最楷。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)籽孙。三九已至烈评,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間犯建,已是汗流浹背讲冠。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留适瓦,地道東北人竿开。 一個(gè)月前我還...
    沈念sama閱讀 45,423評(píng)論 2 352
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像犹菇,于是被迫代替她去往敵國(guó)和親德迹。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容