第22讲 森林图和漏斗图的解读
Meta分析：解读森林图和漏斗图
Meta分析：解读森林图和漏⽃图前⾯已经介绍过⼆分类资料的Meta分析，今天给⼤家介绍连续性资料的Meta分析实现步骤，解读森林图和漏⽃图。
1数据整理对于连续性资料，效应量有均数差（MD）和标准化均数差（SMD），原始资料的数据我们需要提取试验组和对照组的均数，标准差和样本量。
数据整理成上⾯的形式。
02连续性资料的Meta分析在Reman上的步骤纳⼊研究和添加⽐较的过程和⼆分类资料的过程⼀样，我就不再介绍了。
接下来直接介绍添加结局指标和添加结局指标数据的步骤：（1）添加结局指标（2）添加结局指标数据按照上述步骤纳⼊所有的研究：将纳⼊的研究的数据添加到相应的位置，结果如下：（3）解读森林图（3）解读森林图图中的点代表单个研究的效应量，点的⼤⼩代表该研究的权重，即该项研究对Meta分析的贡献度；横线代表该效应值的可信区间；图中的菱形则代表合并后的结果。
图中的直线是⽆效线，⽤于判定合并效应量有⽆统计学意义。
若菱形与该直线相交，则代表两组的差异没有统计学意义。
从上图也能看出异质性检验结果，在Revman中，主要通过Q统计量和I2统计量进⾏异质性检验。
Q统计量是服从⾃由度为K-1的卡⽅分布，本质是卡⽅检验，属于异质性定性分析的⽅法，⼀般认为当P<>上图的异质性检验结果为：Q检验：P=0.02（<0.1）; i2="67%">注意纳⼊的研究较少时，Q检验法的检验效能过低，纳⼊的研究很多时，它的检验效能⼜过⾼。
I2值是消除了纳⼊的研究数⽬对检验效能的影响后，通过Q转换得到的，⼀般认为I2统计量较Q统计量敏感。
（4）解读漏⽃图漏⽃图是⼀种以视觉观察来识别是否存在发表偏倚的⽅法，该法以效应量为横坐标，纵坐标为标准误。
⼩样本所得的离散度较⼤，因此常处于漏⽃图的底部，⼤样本离散度则较⼩，因此处于顶部。
正常情况下应该是顶⼩⽽底⼤，如果不是这样，则可能存在较⼤偏倚。
注意漏⽃图的判断存在主观性，并且当纳⼊研究太少时，难以判断对称性，常⽤的判断发表偏倚的⽅法还有Egger法，Begg法，Trim法及计算失安全系数的⽅法，但是Revman只能使⽤漏⽃图。
循证医学重点大题
循证医学重点⼤题名解临床研究证据分级：系统评价和meta分析>随机对照研究>队列研究>病例对照研究>病例系列、病例报告>专家意见>动物实验、实验室研究原始研究证据(primary research evidence)：是对直接在患者中进⾏单个有关病因、诊断、预防、治疗和预后等试验研究所获得的第⼀⼿数据，进⾏统计学处理、分析、总结后所得出的结论。
⼆次研究证据(secondary research evidence)：尽可能全⾯地收集某⼀问题的全部原始研究证据，进⾏严格评价、整合处理、分析总结后所得出的综合结论，是对多个原始研究证据再加⼯后得到的更⾼层次的证据。
随机对照试验（RCT）：是采⽤随机分配的⽅法，将符合要求的研究对象随机分配到试验组或对照组，然后接受相应的试验措施，在⼀致的条件或环境下，同步进⾏研究和观察试验效应，并⽤客观的效应指标，测量试验结果，评价试验设计。
严格评价：指对⼀个研究证据的质量作科学的鉴别，分析它的真实性的程度，即看是否真实可信。
如果是真实可靠的，要进⼀步评价临床医疗是否有重要价值；如果既真实⼜有重要价值，最后要看这些证据是否能适⽤于具体的临床实践，即是否能应⽤于⾃⼰的病⼈的诊治实践以解决病⼈的实际问题。
临床决策分析（clinical decision analysis,CDA）：是由临床医师服务⼈员针对疾病的诊断和防治过程中风险及获益的不确定性，在充分调查已有的证据，特别是最新、最佳证据的基础上，结合⾃⼰的临床经验和患者的实际情况，分析⽐较两个或两个以上可选的预备⽅案，从中选择最优者予以实施，从⽽提⾼临床诊治⽔平的过程。
临床实践指南（clinical practice guideline）:是是针对特定的临床情况，收集、综合和概括各级临床研究证据，系统制定出帮助医师作出恰当处理的指导意见，⼀般由学术团体制定，卫⽣⾏政主管部门组织。
试验诊断类型（诊断试验类型）：病史和体检；实验检查；影像学检查；器械检查；诊断标准。
森林图的详细解读
森林图的详细解读在Meta分析汇总的结果中，最常见的两个图形就是森林图和漏斗图，但是笔者发现在实际的运用中，经常有人误读和误用这两个图形，从今天起，我讲具体介绍一下这两个图形的解读。
1.森林图的定义：森林图是以统计指标和统计分析方法为基础，用数值运算结果绘制出的图型。
它在平面直角坐标系中，以一条垂直的无效线(横坐标刻度为1或0)为中心，用平行于横轴的多条线段描述了每个被纳入研究的效应量和可信区间，用一个棱形(或其它图形)描述了多个研究合并的效应量及可信区间。
它非常简单和直观地描述了Meta分析的统计结果，是Meta分析中最常用的结果表达形式。
2.分类变量中的森林图当某研究RR(OR,RD)的95％CI包含了1，即在森林图中其95％CI的横线与无效竖线相交时，可认为试验组发生率与对照组发生率相等，试验因素无效。
当某研究RR(OR,RD)的95％CI上下限均>1，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线右侧时，可认为试验组的发生率大于对照组的发生率，若研究者所研究的事件是不利事件(如发病、患病、死亡等)时，试验组的试验因素会增加该不利事件的发生，试验因素为有害因素(危险因素)；若研究者所研究的事件是有益事件(如有效、缓解、生存等)时，试验因素会增加该有益事件的发生，试验因素为有益因素。
当某研究的95％CI上下限均小于1，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线左侧时，可认为试验组的发生率小于对照组的发生率，若研究者所研究的事件是不利事件(如发病、患病、死亡等)时，试验组的试验因素会减少该不利事件的发生，试验因素为有益因素(保护因素)；若研究者所研究的事件是有益事件(如有效、缓解、生存等)时，试验因素会减少该有益事件的发生，试验因素为有害因素。
2 连续性变量的森林图当某研究的95％CI包含了0，即在森林图中其95％CI横线与无效竖线(横坐标刻度为0)相交时，可认为试验组某指标的均数与对照组相等，试验因素无效。
图说meta十：森林图简介
图说meta十：森林图简介森林图(forest plots)是以统计指标和统计分析方法为基础, 用数值运算结果绘制出的图型。
它在平面直角坐标系中, 以一条垂直的无效线(横坐标刻度为1 或0)为中心, 用平行于横轴的多条线段描述了每个被纳入研究的效应量和可信区间(conf idence interval , CI), 用一个棱形(或其它图形)描述了多个研究合并的效应量及可信区间。
它非常简单和直观地描述了Meta-分析的统计结果, 是Meta-分析中最常用的结果表达形式。
研究中常用的效应尺度指标包括结局为分类变量时的odds ratio （OR）、relative risk（RR）和risk difference（RD），以及结局为连续性变量时的weighted mean difference（WMD）和standardizedmean difference（SMD）。
OR：即比值比或优势比，是测量疾病与暴露联系强度的一个重要指标。
是某组中某事件的比值与另一组内该事件的比值之比。
OR=1 表示比较组间没有差异。
当研究结局为不利事件时，OR<1 表示暴露可能会降低结局风险。
RR：是rate ratio 或risk ratio 或relative risk 的缩写，国内翻译为“ 相对危险度”，其意义为两组的事件率之比。
RR 是反映暴露（干预）与事件关联强度的最有用的指标。
RR=1 表示比较组间没有差异。
当研究结局为不利事件时，RR<1 表示干预可降低结局风险。
需要注意的是，只有队列研究和随机对照试验结果可以直接获得相对危险度。
RD（risk difference）：即危险差，也被称为归因危险度（attributable risk，AR）、绝对风险差（absoluterisk difference）和绝对风险降低率（absolute riskreduction, ARR），是指干预（暴露）组和对照组结局事件发生概率的绝对差值。
几种发表性偏倚评估方法介绍
。
③Ro
sen
tha
l
N
法
fs
是分
别
计
算量值是否为“0”的统计量 U, 根据 U 值进行分
段 ,删除部分无统计意义的研究 ,并计算相应的安全系 数 ,计算公式为〔5〕:
N fs =
∑U 1164
2
-
k
其中 U 为每一个独立研究效应值是否为“0”检验统计
量 , k为已收集的独立研究的个数 。
可能更贴切 。
鉴于 Rosenthal N fs存在的种种问题 , O rw in在 1983 年在 Rosenthal N fs的基础上进行了完善 ,在本文我们称 做 O rw in’s N fs法 。O rw in’s N fs法主要解决以下两个问 题〔6〕: ①O rw in’s N fs法让研究者确定的是总的效应量 变为某一特定值 (而不是“0”)最少需要多少个未发表
在此 ,介绍一种称之为“trim and fill”的方法〔7〕。 The trim and fill法实际上是一种迭代算法 ,先从漏斗 图的阳性面 ( the positive side) (漏斗图中研究文献多 的一边 )去处一些极小样本量的研究 ,重新计算总的 效应量 ,然后将去除的这些原始研究逐步加入到公式 中重新计算 ,如此反复 ,直到漏斗图围绕重新计算的总 的效应量呈左右对称 。 trim and fill法属于一种非参 法 ,计算过程也较为复杂 ,但其作用是较为明显的 ,一 些常用的统计软件 ,如 STATA、Comp rehensive M eta A2 nalysis软件都能执行相应的操作 。利用 trim and fill 法还能大致估计出未发表文献的数量 。
概念定义为 :当 M eta分析结果有统计学意义时 ,为排
《循证医学》理论教学大纲
《循证医学》理论教学大纲第一章循证医学总论（3学时）一教学目的通过对循证医学相关概念及背景的介绍，让学生初步认识循证医学。
二教学要求（一）掌握循证医学的基本概念、实践步骤及方法（二）熟悉循证医学的特点及基本条件（三）了解循证医学发生的背景及学习和实践循证医学的目的和意义三教学内容（一）循证医学的产生和发展1循证医学的产生2循证医学的发展（二）循证医学的定义和特点1循证医学的定义2循证医学的特点（三）实践循证医学的基本条件和方法1实践循证医学的基本条件2循证医学实践的基本步骤和方法第二章怎样在临床实践中发现和提出问题（1学时）一教学目的本章的教学目的是使学生了解提出问题的重要性和问题的来源，并掌握前景问题的构建方法。
二教学要求（一）掌握PICO原则（二）熟悉临床问题的来源与分类（三）了解问题范围的把握原则三教学内容（一）问题及问题的起源1问题的特点2问题的特殊性3 临床问题的来源（二）如何分析问题1问题的种类和构建2提出问题过程中的困难3从患者的角度考虑问题4确定问题的范围第三章证据的分类、分级与推荐（2学时）一教学目的学习临床研究证据的分类，特别是原始研究证据与二次研究证据，学习临床证据的分级标准和来源。
二教学要求（一）掌握证据的分类依据、GRADE证据分级和推荐标准的内涵和关系（二）熟悉临床研究证据分级与推荐系统的演进过程及内容（三）了解其他领域的证据分级系统三教学内容第一节临床研究证据的分类（一）按研究方法分类（二）按研究问题分类（三）按用户需要分类（四）按获得渠道分类第二节临床研究证据的分级第三节临床研究证据的来源（一）数据库资源（二）网站资源（三）杂志（四）会议文献（五）在研和（或）未发表的临床试验第四章循证医学证据来源与检索（4学时）一教学目的通过本章的学习，掌握循证医学证据检索的步骤、方法和注意事项，了解常见的证据来源（数据库）及其特点。
二教学要求（一）掌握循证医学证据检索的步骤（二）了解常见的证据来源（数据库）及其特点（三）了解循证医学选择数据库的标准三教学内容（一）循证医学资源的分类：介绍Brain Haynes提出的循证医学资源模型。
博格达斯量表
博加德斯量表(Bogardus scale)博加德斯量表又称社会距离量表.产生于20世纪20年代，它是美国社会心理学家鲍格达斯于1925年创用的。
这种量表过去一直广泛用于测量人们对种族群体的态度，现在，它也被用来测量人们对职业、社会阶层、宗教群体等事物的态度。
如何利用普查数据-了解人口结构-预测可能的问题-是否和经济发展、资源结构相适应-研究发展与变迁对人口普查形成的整体资料（非个人资料），如果公民和研究机构需要，还可以向统计机构申请获取这些资料。
Meta分析国内翻译为“荟萃分析”，定义是“The statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings.”中文翻译：对具备特定条件的、同课题的诸多研究结果进行综合的一类统计方法。
编辑本段Meta 分析的基本步骤 (1)明确简洁地提出需要解决的问题。
(2)制定检索策略，全面广泛地收集随机对照试验。
(3)确定纳入和排除标准，剔除不符合要求的文献。
(4)资料选择和提取，包括原文的结果数据、图表等。
(5)各试验的质量评估和特征描述。
(6)统计学处理。
a．异质性检验（齐性检验）。
b．统计合并效应量（加权合并，计算效应尺度及95%的置信区间）并进行统计推断。
c．图示单个试验的结果和合并后的结果。
d．敏感性分析。
e．通过“失安全数”的计算或采用“倒漏斗图”了解潜在的发表偏倚。
(7)结果解释、作出结论及评价。
(8)维护和更新资料。
Meta 分析Sample：中国人群老年性痴呆发病危险因素的荟萃分析【摘要】 目的探讨中国人群老年性痴呆(AD)发生的主要危险因素，为预防决策提供依据。
方法收集1980年1月至2008年11月国内外公开发表的关于AD发病危险因素独立病例对照研究，并用RevMan软件对这些文献进行荟萃综合定量，采用卡方值和p值分析各研究结果间的统计学异质性。
Meta分析 软件介绍
3）效应指标（Effect Measure）： √ Mean Difference
5.3 添加比较和结局
7.为结局添加相关研究
选择：Add study data for the new outcome（为 该结局添加研究数据） 点击：Finish（完成）
8.选择纳入研究：
选择全部4个纳入研究，点击： Finish（完成）
23
5.3 添加比较和结局
5.3 添加比较和结局
4.选择数据类型
数据类型：
1. 二分类资料 2. 连续性资料√ 3. 期望方差 4. 一般倒方差
5. 其他
25
点击：Next（下一步）
5.3 添加比较和结局
5.输入结局名称： 输入名称（Name）: CCT
Group label 1: High Fluorine（Experiment） Group label 2: Low Fluorine（control）
5.2 添加纳入研究
5.输入研究发表年份 Year: 2010 点击：Next（下一步） 6.添加研究识别码 不添加，直接点击：Next（下一步）
注：若经注册的临床试验有唯一的注册码。
7.继续添加下一个纳入研究 选择：Add another study in the same s （方案），默认项 Full review（全文）√
点击：Finish（完成） 弹出如下界面：
15
102
5.2 添加纳入研究
1.展开面板
点击：大纲面板中Studies and reference（研究 和参考文献）旁的钥匙图标。再次点击Reference to studies （研究的参考文献）旁的钥匙图标。
Revman软件的使用及meta分析案例演示
14
15
添加比较和结局
添加比较：Data and analysises（单击右键）—— 点击 Add Comparison
16
17
添加结局
18
19
20
21
22
选择效应量 绘制漏斗图
选择统计模型 调整图表
绘制森林图
23
24
25
三、连续性资料的Meta分析
连续型资料：属于定量资料，变量取值不能一一列举的资 料(变量取值为一定范围内的任意值)。如: 人体的身高、体 重、血红蛋白、女性血红蛋白的正常范围: 110～150g／L 理论上说在这个区间内可取任意实数
1
Revman软件的使用及 meta分析案例演示
杨春松
四川大学华西第二医院药学部/循证药学研究中心
2
内容
一、Revman软件介绍 二、二分类资料的Meta分析 三、连续性资料的Meta分析 四、纳入文献风险评估 五、森林图和漏斗图的解读 六、亚组分析和敏感性分析
3
一、Revman软件介绍
RevMan是国际Cochrane协作网为系统评价工作者所提 供的专用软件，是Cochrane系统评价的一体化、标准化 软件；
长，置信区间越宽，结果越不精确；
穿越垂直线为无效线；
棱形（
）代表合并效应量，棱形的重心是合并效
应量的点估计值，宽度则是合并效应量的置信区间。
35
异质性的判读
指标法: RevMan使用Q检验和计算I2值 Q检验: •P>0.1, 无统计学异质性, P<0.1时, 存在异质性 I2: 异质性定量分析, I2 =100%×(Q−df )/Q •I2 =25%，低异质性 •I2=50%，中度异质性 •I2=75%，高度异质性
关于Meta分析中的森林图解析
关于Meta分析中的森林图解析关于Meta分析中的森林图解析：1、OR在统计学中是指⽐值⽐、优势⽐，英⽂全称是（odds ratio).它的具体意思是在病例－对照研究中，描述疾病与危险因素关联的指标。
OR通常适⽤于病例对照研究。
由于在病例对照研究中⽆法获得病例组与对照组的确切发病率，只能获得病例组和对照组的暴露频率，因此不能直接⽤相对危险度描述疾病与危险因素的关系。
如：病例组暴露某⼀事件的优势（odds)=a/b对照组暴露某⼀事件的优势（odds)=c/d病例组和对照组暴露某⼀事件的优势⽐为OR=(a/b)/(c/d)=ad/bca表⽰在病例组中暴露某⼀事件后得病得⼈，b表⽰在病例组中没有得病的⼈c表⽰在对照组中暴露某⼀事件后得病得⼈，d表⽰在病例组中没有得病的⼈>1 暴露与疾病的危险度增加正相关<1 暴露与疾病的危险度减少负相关=1 暴露与疾病的危险度⽆关⽆相关2、OR，即⽐值⽐（odds ratio），是病例对照研究中表⽰疾病与暴露之间联系强度的指标，⼜称为⽐数⽐，优势⽐，交叉乘积⽐。
楼上说描述疾病与危险因素关联的指标是不准确的，因为这个暴露不⼀定是危险因素，也可能是保护因素或者既不是保护因素也不是危险因素。
暴露史病例对照合计有a b a+b=n1⽆c d c+d=n0合计a+c=m1 b+d-m0 a+b+c+d=T从表可见，病例对照研究对⽐的是病例组的曾暴露率即a/（a+c）和对照组的曾暴露率b/（b+d），如a/（a+c）＞b/（b+d），并经统计学检验证实差异有统计学意义，则暴露与疾病有联系（为危险因素）；如a/（a+c）所谓⽐值就是指某事物发⽣的可能性与不发⽣的可能性之⽐。
据上表病例组的暴露⽐值为a/（a+c）/c/（a+c）=a/c；对照组的暴露⽐值为b/（b+d）/d/（b+d）=b/d；⽽⽐值⽐（OR）=病例组的暴露⽐值（a/c）/对照组的暴露⽐值（b/d）即ad/bc。
《循证医学》教学大纲
了解：疾病预后证据的质量水平。
理解：熟悉如何根据病例提出问题及预后的检索策略。
掌握：预后证据的真实性评价方法；判断预后证据的临床意义和统计学意义；如何将预后证据用于实际的患者。
四、考核方式：考试（毕卷）
五、备注：无
教学内容
第一节 应用防治性研究证据的循证医学步骤
第二节 提出患者需要解决的临床问题
第三节 如何根据问题检索相关的最佳临床研究证据
第四节 如何评价检索出的研究证据
一、 防治性临床研究的特殊性
二、防治性临床研究的类型
三、评价防治性研究证据的科学性
四、研究结果的评估
第五节 如何应用评价后的证据解决患者的问题
考核要求
了解：循证医学的发生的背景、发展趋势。
理解：学习和实践循证医学的目的和意义及实践循证医学可能存在的问题和困难。
掌握：循证医学的基本概念及循证医学实践的基本步骤和方法。
第二章 怎样在临床实践中发现和提出问题（1学时）
教学目的与要求
本章的教学目的是使学生了解提出问题的重要性和问题的来源,。
掌握：诊断试验真实性证据的意义和应用；实施循证诊断的步骤。
第九章 防治性研究证据的评价和应用（2学时）
教学目的与要求
本章的教学目的是使学生了解防治性临床研究的科研设计方法和类型,熟悉循证医学方法解决患者治疗问题的步骤,掌握相对危险度(RR)、相对危险度减少(RRR)绝对危险度减少(ARR) 、需要治疗的患者数(NNT)等基本概念,掌握防治性研究资料真实性评价原则,能结合自己患者的病情应用循证医学方法解决问题。
六、病因学和不良反应研究的结果是否符号流行病学的规律
七、 病因致病和不良反应发生的生物学依据是否充分
医学撰写-Meta分析写作培训-Meta分析简介+实例
选题 文献检索 文献筛选 数据收集
数据分析
敏感性分析：
Excellent与<excellent的比较纳 入10项研究，≥good与
≤moderate的比较纳入13项研究
一 选题 二 文献检索 三 文献筛选 四 数据收集
五 数据分析
● 确定效应量 ● 异质性分析 ● 合并效应量 ● 敏感性分析 ● 亚组分析 ● 发表偏倚估计
五、数据分析：确定效应量
来自Meta分析的证据总是通过一定的效应量（effect size，ES）指标来表示 效应量的选择需要综合考虑研究设计类型、数据类型、效应量类型与特性
➢分类资料的效应量选择 • OR：比值比 (odds ratio) • RR：风险比或相对危险度 (risk ratio或relative risk)
OR和RR是相对指标，用于各单个 试验结果的合并
• RD：风险差或率差 (risk difference/ratio difference)，RD是绝对指标，适用于将研究结果用 于临床实践时
C：安慰剂、多潘立酮或 伊托必利
domperidone, or itopride, among other treatments O：报告了可用于评估症
➢ included any questionnaires or indices for the
状改善的问卷或指标
evaluation of symptomatic improvement which
➢各研究间异质性的程度决定了下一步合并效应量的方法
➢异质性检验又称齐性检验，指独立研究资料之间存在变异程度的分析
异质性检验的图形审查——定性
○ 各研究效应量的可信区间重叠越多， 同质性越好
循证医学大纲
《循证医学》课程教学大纲总学时：24学时学分：1.3适用专业：五年制临床医学本科先修课程：生理学、生物化学、药理学、病理学、诊断学等前言循证医学是进行终身自我继续教育的有效方法，有助于医学生专业素质的提高，有助于促进临床医生业务素质的提高。
本课程主要介绍循证医学的基本知识、常用统计方法、文献评价、证据检索及临床研究常用设计方案等知识，使学生初步系统掌握循证医学的基本知识和方法，具备开展初步循证实践能力。
课程将以课堂讲授为主，结合采用问题为中心（PBL）和师生讨论互动式的教学模式，并采用开卷方式考核学生的实际阅读能力和文献评价能力。
教学要求与内容绪论（2学时）[教学内容]1.重点讲授循证医学的概念、特点。
2.介绍循证医学与Cochrane协作网产生的背景、发展与现状。
3.讲解循证医学实践的类型、步骤及目的、意义，重点举例讲解循证医学实践的五步。
[教学要求]1.掌握循证医学的概念。
2.了解循证医学实践的基础。
3.熟悉循证医学实践的类型、方法、步骤。
4.熟悉循证医学实践的目的及其对临床医学的影响。
[重点与难点]循证医学实践的步骤。
第一章循证医学的方法学基础（2学时）[教学内容]1.介绍循证医学常用统计学方法的基本知识。
2.讲解循证医学中常用的比较方法。
3.重点讲解EER、CER、RRR、ARR、OR、NNT等循证医学常用描述指标的意义及计算。
[教学要求]1.了解循证医学常用统计方法基本知识。
2.熟悉循证医学中常用的比较方法。
3.掌握循证医学常用的描述指标。
[重点与难点]EER、CER、RRR、ARR、OR、NNT等循证医学常用描述指标的意义及计算。
[能力培养与目标]通过本单元的学习，使学生具备初步对文献结果进行解释的能力，为进一步的文献评价奠定基础。
第二章临床研究常用设计方案（5学时）[教学内容]1.介绍临床研究常见偏倚因素及相关知识。
2.讲解临床科研设计的随机、盲法、对照三个基本原则，及实现这些原则的方法。
meta分析
在老公的大力支持下，我参加了在首医举办的第八届cochrane培训班，好久没有坐在教室里认真的听课了，感觉真好！以前也在网上看到过循证医学的介绍，真的不知道如何下手。
cochrane很适合急功近利的中国人，如同Medical Hypotheses 也是SCI一样。
搞科研前要写综述，做临床要懂meta分析。
cochrane的meta分析系统，有着非常规范的操作。
仅其handbook就有600多页。
首先它选择的是最严谨的随机对照实验（RCT, randomized controlled experiment）作为实验的证据，从题目的选择就开始进行注册，题目合理且无重复时才可以进，每一步都需要按照严格的步骤进行，至少需要三个作者进行讨论，还要跟所注册的编辑小组反复进行沟通，修改，才能不断的完善写作。
还要学会对收集的资料进行分析，筛选，去除偏倚，制作森林图及漏斗图，估计一篇文章可能要花半年左右的文章，可能像博士论文那样上百页。
对于cochrane我仅仅摸到了门口，里面非常博大精深，很高兴认识这么多新同学，大家一起讨论。
在介绍题目时，我是唯一一个用汉语介绍的，当我把题目说出来时，夏老师很遗憾她不会翻译，大家哄堂大笑，不知是笑我，还是笑她，我当然可以用英语讲，只是这样大家就可以听清我的题目了。
最后，很遗憾夏老师没有选我的题目进行课堂讨论，因为我的口语不够好，不能直接与Mahesh Jarayam进行交流，好羡慕那个被选中题目的老哥，估计他一定在国外待过。
二天主要学习了检索策略、endnote之应用和revman软件管理三大块内容。
下面主要介绍检索策略，只有我讲清楚了，才是我真正学会了：1. cochrane检索策略的设计：有关传统的pubmed应用见我以前转的帖子。
Cochrane的系统评价对文献检索要求非常高，每一步都要求有记录，都需要信息检索官的参与，需要不同的修改及讨论检索策略。
（1）根据构建临床问题的国际PICO格式确定检索策略（identify concepts）e.g．insecticide-treated vs no insecticide-treated bed nets and curtains for preventing malaria比较杀虫剂和非杀虫剂对疟疾的预防（2）为每一个concepts 寻找一个关键词或mesh （medical subject headings ）一定要用头脑风暴法（brain storm ）将每一个text word 的不同写法想出来，如malaria ，有的作者有写为plasmodium ，blackwater fever 或marsh fever 。
漏斗图的名词解释
漏斗图的名词解释漏斗图（funnel chart）是一种常用的信息可视化工具，通过图形的形状和大小来呈现数据的分层结构和相对比例。
在商业、市场营销和销售领域，漏斗图被广泛应用于展示顾客转化、销售流程以及各个阶段的转化率。
本文将对漏斗图的定义、特点以及使用场景进行解析。
一、漏斗图的定义与特点漏斗图的形状类似于传统的漏斗，通常由一条竖直线段和多个层次逐渐减小的梯形组成。
漏斗图的上方代表起始点，下方代表结束点，中间的每个梯形层次则表示数据的不同阶段。
漏斗图最大的特点是在不同阶段的梯形宽度呈现逐渐收缩的趋势，通过这一形状特征，可以直观地展示数据的转化率和漏斗效应。
漏斗图的左侧是宽大的，代表了开始的数据量或人群数量，而右侧是狭小的，表示随着进程的推进，数据量或人群数量的减少。
除了形状上的特点，漏斗图还可以根据数据的需要进行数据标签的添加，以便更清楚地表达具体数值。
另外，颜色的使用也可以增强数据的可读性和可视化效果。
二、漏斗图的使用场景1. 顾客转化分析漏斗图在市场营销领域广泛用于顾客转化分析。
从潜在客户到购买者，再到忠诚客户的转化过程，可以通过漏斗图来展示各个阶段的转化率以及可能出现的流失点。
这对于营销策略的优化和客户留存的管理都非常有价值。
2. 销售过程分析漏斗图在销售领域的应用也非常广泛。
销售过程中，从潜在客户到成交订单，再到交易完成的每个阶段，漏斗图可以清晰地展示每个阶段的转化率和销售机会的损失。
销售团队可以根据漏斗图的数据进行销售效果分析和业绩评估。
3. 网络流量分析对于网站、应用程序或社交媒体等互联网平台来说，漏斗图也是一种常用的分析工具。
通过将用户从访问网站到注册、转化成实际用户的整个过程呈现在漏斗图上，可以直观地看出不同阶段用户的转化率和可能的问题点。
根据这些数据，可以优化用户体验和改进市场推广策略。
4. 人才招聘过程分析漏斗图还可以应用于人力资源领域，特别是招聘过程的分析。
从候选人筛选、面试到最终录用，漏斗图可以清晰展示每个阶段的候选人数量和转化率，帮助企业更好地优化招聘流程，提高招聘效率。
meta分析及森林图
森林图解析
OR与RR的可信区间
若选择OR或RR为合并统计量时，其95％的可信区间 与假设检验的关系如下： 若其95％CI包含了1，等价于P＞0.05,即合并统计量无 统计学意义。 若其95％CI的上下限均大于1或均小于1，等价于P＜ 0.05,即合并效应量有统计学意义。
森林图解析
WMD和SMD的可信区间
它不仅消除了多个研究间的绝对值大小的影响，还消除了多个研究测量单位不同 的影响，尤其适用于单位不同或均数相差较大资料的汇总分析，但是，SMD 是一 个没有单位的值，因而，对SMD分析的结果解释要慎重。
RCT:前瞻性研究 CI:可信区间
森林图解析
可信区间
可信区间（CI）是按一定的概率估计总体参数（总体均 数、总体率）所在的范围（区间），如：95％的CI,是指总 体参数在该范围（区间）的可能性为95％。可信区间主要 有估计总体参数和假设检验两个用途。 在Meta分析中，常用可信区间进行假设检验，95％的 可信区间与为0.05的假设检验等价。此外，森林图即是根据 各个独立研究的95％可信区间及合并效应量的95％可信区 间绘制的。
课件的由来
随着循证医学学科的兴起，医学界对其关注度也越 来越高，而系统分析（Meta分析）结果则迅速成为循 证医学证据首要来源。此外，随着醒脑静课件的更新， Meta分析相关数据图的解读更多的困扰推广人员，如： 1、什么是Meta分析？ 2、图怎么看？
循证医学证据来源
大样本的随机 对照临床试验
系统性评价
WMD和SMD的森林图
WMD和SMD的森林图，无效线竖线的横轴尺度为0， 每条横线为该研究的95％可信区间上下限的连线，其线条长 短直观地表示了可信区间范围的大小，线条中央的小方块为 WMD或SMD值的位置，其方块大小为该研究权重大小。若 某个研究95％可信区间的线条横跨为无效竖线，即该研究无 统计学意义，反之，若该横线落在无竖线的左侧或右侧，该 研究有统计学意义。
文献解读
森林图即是根据各个独立研究的95%可信区间及合并效应 量的95%可信区间绘制的
可信区间95%CI
若选择OR或RR位合并统计量时，其95%的可信 区间与假设检验的关系如下：
若其95%CI包含了1，等价于P＞0.05,即合并统计量无 统计学意义 若其95%CI的上下限均大于1或均小于1，等价于 P≤0.05,即合并的统计量有统计学意义
Company Logo
Meta Analysis的软件
免费软件： RevMan (Review Manager) Meta-Stat Epi Meta
Company Logo
论文结构
前言 选题的重要性；Meta的必要性 方法 纳入排除标准；检索策略； 质量评价标准；统计学方法 结果 文献检索结果（Fig.1） ；纳入基本特征(Tab.1) 文献质量；Meta分析统计结果(Forest/Funnel plot) 讨论 根据结果进行专业层面分析，以及该Meta 分析不足 结论 对该研究进行总结，并对未来研究工作提出策略参考
Company Logo
由两位研究者独立严格按照纳入与排除标准，并交叉核对。 计算发生率、相对危险度以及可信区间，进一步选择固定、 随机效应模型。
研究结果
8个RCT总共4141名患者接受ADT患者心血管相关性死亡较 对照组无显著差异（ 255/2200 vs 252/ 1941 events; 95% CI, 8.3%-14.5%; vs 95% CI, 8.3%15.0%; RR, 0.93; 95% CI, 0.79-1.10; P=.41 ） 无论是长期（≥3年）还是短期内（≤6月）接受ADT患者心血 管相关性死亡较对照组无显著差异（ 11.5%; 95% CI, 8.1%-16.0%; vs 11.5%; 95% CI, 7.5%-17.3%; RR, 0.91; 95% CI, 0.75-1.10 P=.34 or 10.5%; 95% CI, 6.3%17.0%; vs 10.3%; 95% CI, 8.2%-13.0%; RR, 1.00; 95% CI, 0.73-1.37 P=.99 ）
Revman5.3软件操作 最新
这一界面主要选择： 1.统计学方法 2.统计模型 3.统计指标
统计学方法 Peto：只能用于二分类变量 里的OR值 MH法：只能用于二分类变量 IV法：连续型变量和二分类 变量都可以
效应模型的选择 FE：固定效应模型，当纳入的各 研究间异质性较好，即P值＞0.1 或I2＜50%时，可以用； RE：随机效应模型，通用
为这个新的“Comparison”取 一个名字，如“C VS D”,然 后Next
点“Nohing”,然后Finish
新的比较就建好了
接下来，Add Outcome
点“Continuous”， 然后 next
为这个结果取一个 名字，如：Length of ICU stay
又到了选择统计方 法、效应指标、效 应模型这一页，其 和二分类变量有所 区别
漏斗图常用于发表偏移的识别然而引起漏斗图不对称的原因很多发表偏移也是其中之一漏斗图可大致了解各研究间是否存在异质这两条斜线是漏斗图的95可信区间理想情况下漏斗图中应有95的点落在这个区间内提示可能不存在异质性如果有更多的点落在外面则提示可能存在异质性点击将图片另存为理想状态下一个meta分析应该相当于一个大型的多中心研究纳入的各项研究应该是同质的研究内的变异是相似的各项研究应该是指向同一个结果的然后由于研究人员对象地点条件种族等的不同研究间的异质性是绝对存在的数值法q统计量h统计量统计量图示法galbraith图labbe图森林图漏斗图revman中可以实现的有q统计量i森林图和漏斗图法前面已经说过了这两种方法虽然直观但不客观下面来看q统计量及i异质性检验的结果在这里检验q值检验取值范围为0至100对于i统计量检验判定异质性的方法主要有两种
Sort By：研究的排序方法， 一般选第一个，选Study ID的 首字母进行排序