第二讲循证医学中常用统计学指标和Meta分析统计过程
循证医学中常用的统计指标

循证医学中常用的统计指标在循证医学中,统计指标是评估研究结果和证据强度的关键工具。
通过统计指标,我们可以了解治疗效果、疾病发生率以及其他医学问题的具体情况。
本文将介绍循证医学中常用的统计指标,包括相对风险、绝对风险、数值需要治疗的人数等。
1. 相对风险(Relative Risk,RR)是循证医学中常见的统计指标之一。
它用于评估治疗干预对疾病风险的影响。
相对风险是治疗组发生某种结果的概率与对照组发生该结果的概率之比。
例如,一项研究发现,接受某种治疗的患者相对于未接受治疗的患者,患上某种疾病的风险降低了40%,那么相对风险就是0.6。
相对风险越接近于1,表示治疗组和对照组之间的差异越小。
2. 绝对风险(Absolute Risk,AR)是描述患病率或死亡率的统计指标。
绝对风险是特定群体中发生某种结果的概率,通常用百分比来表示。
例如,一项研究发现,未接受治疗的患者患上某种疾病的风险为10%,而接受治疗的患者患病的风险为5%,那么绝对风险就是5%。
通过比较绝对风险,可以评估治疗干预对疾病发生率的影响。
3. 数值需要治疗的人数(Number Needed to Treat,NNT)是评估治疗效果的重要指标之一。
它表示需要治疗的患者人数,才能预防一个不良事件或者获益一个良性结果。
例如,一项研究发现,某种治疗方法的NNT为10,意味着需要治疗10个患者,才能防止一个不良事件的发生或者获益一个良性结果。
NNT越小,表示治疗效果越显著。
除了上述常见的统计指标,循证医学中还有其他一些重要的统计指标,比如绝对风险减少(Absolute Risk Reduction,ARR)、相对风险减少(Relative Risk Reduction,RRR)和数值需要治疗的人数减少(Number Needed to Treat Reduction,NNTR)等。
- 绝对风险减少(ARR)是治疗组和对照组之间绝对风险的差异,反映了治疗对疾病风险的真实改变。
循证临床实践中常用统计学指标及解释

6.事件发生率 如药物不良反应,发病率,患 病率。这些事件在不同的组别则分别表示: 试验组事件发生率(EER)和对照组事件 发生率(CER)
7.绝对危险率增加率(ARI) 即试验组与对 照组药物不良反应或严重事件发生率的绝 对差值。ARI=EER-CER
8.相对危险度增加(RRI)即ARI被EER除所 获得商值的百分率。RRI=(EER-CER) /EER。
6、防治性措施受益与危害的似然比(LHH) 指标反映了防治措施给受试者带来的受益与
危害的比例。LHH>1,利大于弊,反之, LHH<1,弊大于利。LHH=NNT/NNH
举例 表1-8吸入布地奈德预防哮喘急 性发作的疗效比较
组别
哮喘急性发 无哮喘急性 合计
作
发作
试验组
8
92
100
对照组
76
24
100
RR>1时,表示暴露因素是疾病的有害因素, 且RR越大,暴露因素对疾病的不利影响就 越大;
RR<1时,表示暴露因素是疾病的有益因素, 且RR越小,暴露因素对疾病的有益作用就 越大;
RR=1时,表示暴露因素与疾病无关。
3.比值比(OR) 为两个比值之比,指病例组研究因 素的暴露比值与对照组的暴露比值之比。 OR=ad/bc。
患病例数与同期平均人口数之比。 3、中位生存时间 是指研究中50%的患者死亡所需要随访的
时间 4、生存率 指从疾病临床过程的某一点开始,一段时间后存
活的病例数占总观察倒数的百分比。 5、生存曲线 可以反映预后随时间而变化的情况
例如三种不同预后其1年生存率都是20%,但三条 生存曲线(A、B、C)形态却不同(如下图)
9.出现一例不良反应需要处理的病例数(NNH) NNH=1/ARI .NNH的值越小,某治疗措施 引起的不良反应越大
医学数据Meta分析的统计过程

如果存在严重异质性,建议不要进行meta分析,而是根据试验特征如性别、年龄、病情严重程度、疾病分期、基线危险度、干预的强度和时间等进行亚组分析,或进行敏感性分析 或考虑协变量的影响进行meta回归分析,以解释异质性的来源
将多个独立研究的结果合并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 怎样合理的对多个独立研究效应合并,是Meta-分析统计过程的主要问题
>0.05
合计
491
490
女童掌骨II型皮质厚度的11个研究
方积乾 医学统计学与电脑实验 第二版 上海科学技术出版社,2001,349-350
需要作一项紧急决定,时间不允许等待新的研究
目前没有能力开展大规模的临床试验
研究结果矛盾时 如果存在异质性,但合并资料任然具有临床上的意义,则可采用随机效应模型;如果存在严重异质性,建议不要进行meta分析
0.935
1.373
7
1570
7017
1720
6880
17187
0.895
0.829
0.966
合计
2128
12058
2286
11531
28003
七个阿斯匹林预防心肌梗死的研究资料(取自Fleiss JL)
表中ai、bi、ci、di为各研究四格表数,Ni为各研究的样本例数,ai为处理组的实际阳性数
K个研究
合并效应量的可信区间
计算合并效应量
合并效应量的检验
异质性检验
Meta-分析计算的主要步骤
计算单个研究效应量的权重
根据资料类型选择单个研究的统计量
01
分类变量可选择的统计量
02
临床流行病学:循证医学实践中常用的统计分析指标和方法

数值资料
集中趋势:均数、几何均数、中位数 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: X ± 1.96S / n
小样本 X ± t0.05,n S / n 两均数差的可信区间:
d±
t0.05,n
S d
S = (n1 - 1)s12 + (n2 - 1)s22 ( 1 + 1 )
但是,若在另一研究中,试验组的疾病发生率为 0.39/10万,对照组的疾病发生率为0.50/10万,其 RRR仍为22%。
6. 绝对危险度减少率ARR
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。 ARR=CER-EER 可信区间:ARR ±ZαSE
2
无
小学
顺产
早产
2025834 20 158 66.0
4
无
中学
助产
早产
2019464 24 158 70.5
3
无
中学
助产
足月
2025783 29 154 57.0
7
干部
中学
剖宫产
足月
Quantitative data Qualitative data
计量资料
计数资料
1. 计量资料
用仪器、工具等测量(measure) 方法获 得的数据,即为计量资料measurement data。 也叫定量数据Quantitative data 特点:有计量单位,如患者的身高(cm)、 体重(kg)、血压(mmHg)、脉搏(次/ 分)、红细胞计数(1012/L)
循证医学 第2讲循证医学中常用的统计学方法和指标

循证医学中常用的统计指标
六、分类资料的指标
5.RRR及可信区间 RRR为相对危险度减少率 (relative risk reduction),其计算公式为: RRR=|CER-EER|/CER = 1-RR RRR的可信区间可由1-RR计算得到。 如前例RR=0.48,其95%的可信区间为0.272~0.846, 其RRR=1-0.48=0.52,RRR的95%可信区间为0.154~ 0.728。
循证医学中常用的统计指标
六、分类资料的指标
5.RRR及可信区间 RRR反映了某试验因素使某结果的发生率增加或减少的 相对量,但是,该指标无法衡量发生率增减的绝对量。 如:试验人群中某病的发生率EER=39%,而对照组人群 的发生率CER=50%, RRR=(CER-EER)/CER =(50%-39%)/50%=22%。 但是,若在另一研究中,试验组的疾病发生率为 0.39/10万,对照组的疾病发生率为0.50/10万,其RRR 仍为22%。
exp[ ln(OR) ±u SE(lnOR)])
]
循证医学中常用的统计指标
六、分类资料的指标
4.OR及可信区间
例如:前述阿斯匹林治疗心肌梗死的效果 试估计其 OR 的 95%可信区间。 OR= 15×90 = 0.409 30×110
ln(OR)=ln(0.409)= -0.894 SE(lnOR)= (1/30+1/90+1/15+1/110) =0.347
循证医学中常用的统计指标
六、分类资料的指标
3.RR及可信区间
阿斯匹林治疗组的病死率p1=15/125;对照组的病死率 p0=30/120,其RR和可信区间为:
RR = p1 = p0 15/125 =0.48 30/120
2-循证医学中常用的统计指标

该试验两率差(RD)的可信区间为:
RD u SE ( p1 p2 )
(0.12 0.25) 1.96 0.049 0.23 ~ 0.03
该例两率差的可信区间为 -0.23~-0.03,上下限均小于0 (不包含0),两率有差别。 可认为阿斯匹林可降低心肌 梗死的病死率。
p1 p2 u SE ( p1 p2 )
RD u SE ( p1 p 2 ), RD u SE ( p1 p 2 )
两率差的标准误:
SE ( p1 p 2 ) p1 (1 p1 ) p 2 (1 p 2 ) n1 n2
两率差为0时,两组的某事件 发生率没有差别。因而两率差的
2. RR及可信区间பைடு நூலகம்
相对危险度RR(relative risk,RR) 是前瞻性研究中较常见的指标,它是 试验组某事件发生率与对照组(或低 暴露)的发生率之比,用于说明前者 是后者的多少倍,常用来表示试验因 素与疾病联系的强度及其在病因学上 的意义大小。
其计算方法为:
RR P1 / P0 EER / CER
组别 病例组 非病例 组 暴露 a c 非暴露 b d 例数 n1 n2
以上两个比值之比即为比 值比(odds ratio, OR),又称 机会比、优势比等,公式为:
a /( a b) OR= p1 (1 p1 ) b /( a b) =ad / bc p0 (1 p0 ) c /( c d ) d /( c d )
当RR=1时,可认为试验因素与疾病无关; 当RR≠1时,可认为试验因素与疾病有关; 当RR>1时,可认为试验组发生率大于对 照组; 当RR<1时,可认为试验组发生率小于对 照组。
第二讲 循证医学中常用统计学指标和Meta分析统计过程

异质性的处理方法
当异质性检验出现P≤0.10时,首先应找出产生异质性的 原因,如疗程长短、用药剂量、病情轻重、对照选择等是 否相同。
由上述原因引起的异质性,可以使用亚组分析和Meta回
归。
合并统计量
就是将多个独立研究的结果合并成一个汇总统计量,即用 多个独立研究的某个指标的合并统计量反映其试验效应。 固定效应模型:若多个研究具有同质性时(无统计学异质 性),可使用固定效应模型。 随机效应模型,若多个研究不具有同质性时(异质性有统
相对危险度(RR)
相对危险度(relative risk,RR)是前瞻性研究中较 常用的指标,它是试验组某事件发生率与对照组的发生率 之比,用于说明试验组的发生率是对照组的多少倍。
试验组的发生率为:a/(a+b)
对照组的发生率为:c/(c+d)
两个率的比值:RR=a/(a+b) ÷c/(c+d)
合并效应量的可信区间
在Meta分析中,常用可信区间进行假设检验,95%可 信区间与α为0.05的假设检验等价,99%可信区间与α 为0.01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。
实例1 分类变量
七个阿司匹林预防心肌梗死的研究资料 阿司匹林 死亡数 K个研究 1 2 3 4 ai 49 44 102 32 未死亡数 bi 566 714 730 285 死亡数 ci 67 64 126 38 安慰剂 未死亡数 Di 557 707 724 271 合计 Ni 1239 1529 1682 626 OR 0.72 0.681 0.803 0.801 下限 0.489 0.457 0.606 0.486 95%CI 上限 1.509 1.013 1.063 1.319
第二讲 循证医学中常用统计学指标和Meta分析统计过程

异质性检验
❖ 异质性检验( tests for heterogeneity )又称同质性 检验( tests for homogeneity )
❖ 用假设检验得方法检验多个独立研究就是否具有异质性( 同质性),RevMan5、1软件中,用得就是卡方检验。
❖ 试验组得发生率为:a/(a+b) ❖ 对照组得发生率为:c/(c+d) ❖ 两个率得比值:RR=a/(a+b) ÷c/(c+d)
RR得意义
❖ 当RR=1时,可认为试验组得发生率与对照组得发生率相同; ❖ 当RR>1时,可认为试验组得发生率大于对照组; ❖ 当RR<1时,可认为试验组得发生率小于对照组
0、35
45
2、64
0、26
50
2、90
0、45
45
2、81
0、35
45
2、93
0、36
52
2、95
0、46
55
3、27
0、37
46
3、15
0、39
42
3、48
0、48
45
3、47
0、46
51
3、73
0、54
45
3、63
0、38
45
3、81
0、40
42
3、81
0、41
45
4、16
0、42
44
3、99
❖ 种类包括:临床异质性、方法学异质性和统计学异质性。
统计学异质性
❖ 就是指干预效果得评价在不同试验间得变异,她就是研究间得临床和 方法学上变异联合作用得结果。
第二讲 循证医学中常用统计学指标和Meta研究统计过程

相对危险度(RR)
相对危险度(relative risk,RR)是前瞻性研究中较 常用的指标,它是试验组某事件发生率与对照组的发生率 之比,用于说明试验组的发生率是对照组的多少倍。
试验组的发生率为:a/(a+b) 对照组的发生率为:c/(c+d) 两个率的比值:RR=a/(a+b) ÷c/(c+d)
差值的均数
`d1 `d2
差值的标准差
S1 S2
d1= X1-`X2;S12=S112+S122—2S11S12 × 0.4
均数差MD
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。
标准化均数差SMD
标准化均数差 Standardised Mean Difference, SMD SMD可简单地理解为两均数的差值再除以合并标准差的
异质性检验
异质性检验( tests for heterogeneity )又称同质 性检验( tests for homogeneity )
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),RevMan5.1软件中,用的是卡方检验。
评价异质性的指标
P值:若异质性检验结果为P>0.10时,多个研究的异质 性无统计学意义;若多个研究结果为P≤0.10时,多个研 究的异质性有统计学意义。
2021
219
2038
4524
1.133
1570
7017
1720
6880
17187 0.895
2128
12058
2286
11531
28003
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
循证公共卫生中的作用Meta分析的统计过程

异质性检验与异质性分析
• 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,那么不能。 因此,Meta分析过程需要对多个研究的结 果进行异质性分析,尽可能地消除导致异 质的原因,使之到同质。
• 异质性检验〔tests for heterogeneity〕又称 同质性检验〔tests for homogeneity〕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〕, 采用做卡方检验 〔Chi-square test〕。
〔1〕政策制定工程/加拿大网络和中央数据库 〔PPD/CCNC〕
〔2〕Cochrane 图书馆 〔3〕Campbell 协作网 〔4〕Support 协作网 〔4〕Medline 〔5〕美国国家指南交换中心〕 〔6〕SUMsearch
〔七〕检索证据
• 检索证据应从恰当的数据库开始。如果是 生 产 系 统 综 述 或 Meta 分 析 , 应 从 检 索 Medline等原始研究文献数据库开始;如果 是为了循证决策,那么应先用检索二次研 究证据,如美国国家指南交换中心,再 Cochrane 图书馆, 然后检索原始研究文献 数据库。
抗高血压药
安慰剂
K 个研究
OR
死亡数(n) 治疗总数(n) 死亡数(n) 治疗总数(n)
OR95%可信区间
下限
上限
ANBP
31
293
40
289
0.7365 0.4467 1.2144
HNT
28
101
34
99
0.7333 0.4018 1.3382
Kuramoto
4
44
9
47
0.4222 0.1199 1.4866
•
Meta—分析中的统计学过程

4.漏斗图(funnel plots)
漏斗图 最初是用每个研究的处理效应估计值 为χ轴,样本含量的大小为y轴的简单散点图 (scatter plots)。对处理效应的估计,其精确 性是随样本含量的增加而增加,小样本研究 的效应估计值分布于图的底部,其分布范围 宽;大样本研究的效应估计值分布范围较 窄。当没有偏倚时,其图形呈对称的倒漏斗 状,故称之为“漏斗图”。
Meta—分析中的统计学过程
20世纪60年代开始,文献中出现了对多个同类研 究的统计量进行合并的报道。
1976年Glass GV首先将合并统计量对文献进行综 合分析研究的这类方法称为“Meta—Analysis"。
80年代末,该方法被引入我国,中文译名有荟萃 分析、二次分析、汇总分析及集成分析等,但这 些译名都有不足之处,因此,更多的学者仍建议 使用“Meta—分析”这一名称。
其他Meta—分析的统计方法,如多个均数的比较、多个率的 比较、等级资料的比较和生存分析资料等,还有待发展和完 善。
Meta—分析中值得讨论的问题也较多,如对两种模型的争论、 对权重(W)计算的争论等
Meta—分析在循证医学中的重要地位并不因此降低
使用Meta—分析时,需要掌握一定的医学统计和临 床流行病学的基础知识,即使是临床医师,也应该 了解Meta—分析的结果解释及其临床意义。
当多个研究结果经异质性检验后,若P≤0.05,可 认为多个研究结果有异质性。此时:
1. 首先应对导致异质性的原因进行分析,如设计方案、测量方 法、用药剂量及用药方法等因素是否相同,必要时应与原文 作者取得联系。
2. 在统计上可采用亚组分析等方法找出产生异质性的研究,并 对产生异质性的原因进行处理。
当处理效应是相对危险度(RR)或比值比(OR) 时,应该使用这些指标的对数尺度为χ轴绘制 漏斗图,这样可以确保相同效应尺度但方向 相反的量(如0.5与2.0)与1保持等距。
3-Meta分析的统计过程

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 的统计方法。
选自Cochrance协作系统评价员学习资料1.1版,2002年11月
1.单个效应量及方差计算
目前,数值资料的单个研究,主 要使用加权均数差WMD和标准化均 数差SMD来描述其效应量。
WMD和SMD的意义和可信区间 如同前述。
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。
9
47
0.7365 0.7333
0.4222
下限 0.4467 0.4018
0.1199
上限 1.2144 1.3382
1.4866
SHEP-PS 33
433
STOP
84
812
VS
9
38
14 108 152 815 25 43
0.5404 0.5033 0.2234
0.2782 0.3779 0.0853
漏斗图及用途
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(scatter plots)。
2循证医学中常用的统计指标-63页精品文档

通常,试验组与对照组某 指标差值或比值的95%可信区 间与为0.05的假设检验等价, 99%的CI与为0.01的假设检验 等价。
常用的可信区间有:率的 可信区间、两率差值的可信区 间、均数的可信区间、两均数 差值的可信区间、相对危险度 可信区间等。
循证医学中常用的是率的 可信区间、RR或OR的可信区 间、均数的可信区间、两均数 差值的可信区间等。
二、分类资料的指标
在循证医学的研究与实践中, 除了有效率、死亡率、患病率、 发病率等常用的指标外,相对危 险度(RR)、比值比(OR)及由 此导出的其他指标也是循证医学 中富有特色的指标。
目前,在循证医学中分 类资料常用的描述性指标主 要有EER、CER、OR、RR、 RRR、ARR、NNT等。
RRR为相对危险度减少率(relative risk reduction),其计算公式为: RRR=∣CER-EER∣/CER=1-RR
RRR的可信区间可由1-RR计算得到。 如前例RR=0.48,其95%的可信区间为 0.272~0.846,其RRR=1-0.48=0.52, RRR的95%可信区间为0.154~0.728。
who needed to be treated to achieve one additional favorable outcome, NNT)。
其计算公式为:NNT=1/∣CER-EER∣=1/ARR 从公式可见,NNT的值越小,该防治效果就
越好,其临床意义也就越大。
NNT的95%可信区间,由于无法计算NNT 的标准误,但NNT=1/ARR,故NNT的95%可信 区间的计算可利用ARR的95%的可信区间来计 算。
相对危险度RR(relative risk,RR) 是前瞻性研究中较常见的指标,它是 试验组某事件发生率与对照组(或低 暴露)的发生率之比,用于说明前者 是后者的多少倍,常用来表示试验因 素与疾病联系的强度及其在病因学上 的意义大小。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
评价异质性的指标
❖ P值:若异质性检验结果为P>0.10时,多个研究的异质 性无统计学意义;若多个研究结果为P≤0.10时,多个研 究的异质性有统计学意义。
❖ I2: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 系统评价中,只要I2不大于50%,其 异质性可以接受。
第二讲循证医学中常用统计学指 标和Meta分析统计过程
一、循证医学中常用统计学指标 分类变量
实例
阿司匹林治疗心肌梗死的效果
组别 试验组 对照组 合计
死亡 15(a) 30(c)
45
未死亡 110(b) 90(d)
200
合计 125(n1) 120(n2) 245(N)
相对危险度()
❖ 相对危险度( ,)是前瞻性研究中较常用的指标,它是 试验组某事件发生率与对照组的发生率之比,用于说明试 验组的发生率是对照组的多少倍。
试验组 对照组
例数
n1 n2
差值的均数 `d1 `d2
差值的标准差
S1 S2
d1= X1- X2;S12112122—2S11S12 × 0.4
均数差
❖ 均数差()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。
标准化均数差
❖ 标准化均数差 , ❖ 可简单地理解为两均数的差值再除以合并标准差的商,它
❖ 多个研究间的重合程度越大,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。
❖ 异质性分析的意义: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。
的方法检验多个独立研究是否具有异质性(同
异质性的处理方法
❖ 当异质性检验出现P≤0.10时,首先应找出产生异质性的 原因,如疗程长短、用药剂量、病情轻重、对照选择等是 否相同。
❖ 由上述原因引起的异质性,可以使用亚组分析和回归。
合并统计量
❖ 就是将多个独立研究的结果合并成一个汇总统计量,即用 多个独立研究的某个指标的合并统计量反映其试验效应。
死亡 15(a) 30(c)
45
未死亡 110(b) 90(d)
200
合计 125(n1) 120(n2) 245(N)
❖ 该例的15/125÷30/120=0.48 ❖ 说明试验组的病死率是对照组的0.48倍,即试验组的病
死率低于对照组。
比值比()
❖ 在回顾性在回顾性研究(如病例对照研究中)往往无法得 到某事件的发生率(如死亡率、病死率、发病率),也就 无法估算出。但当该发生率很低时(如发生率小于或等于 5%),可以计算出一个的近似值,该近似值称为,即是 比值比( )。
与可信区间的图示
无统计学意义
试验组<对照组
试验组>对照组
0 无效线
二、分析的统计学过程
分析的统计学过程
❖ 异质性分析 ❖ 合并效应量 ❖ 合并效应量的检验:可信区间,Z检验 ❖ 其他:亚组分析、敏感性分析、发表偏倚分析
异质性分析
❖ 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。
一、循证医学中常用统计学指标 数值变量
单个数值变量研究的数据
例数
试验组
n1
对照组
n2
均数
`X1 `X2
标准差
S1 S2
疗前疗后的数据
试验组 对照组
例数 n11 n21
治疗前
均数
标准差
`X11
S11
`X21
S21
治疗后 均数 标准差 `X12 S12 `X22 S22
将上表中数据整理为下表,表中 d1和S1可用公式计算
的意义
❖ 当1时,可认为病例组的比值与对照组的比值相同,即该 暴露因素与该病的发生可能没有关系;
❖ 当>1时,可认为病例组的比值大于对照组,即该暴露因 素可能与该病的发生有一定的关系;
❖ 当<1时,可认为病例组的比值小于对照组,即该暴露因 素可能是该病的保护因素。
可信区间()
❖ 在循证医学中常用两组指标的差值或比值的可信区间( ,),以此得出某指标的差值或比值有无统计学意义的结 论。
❖ 试验组的发生率为:() ❖ 对照组的发生率为:() ❖ 两个率的比值:() ÷()
的意义
❖ 当1时,可认为试验组的发生率与对照组的发生率相同; ❖ 当>1时,可认为试验组的发生率大于对照组; ❖ 当<1时,可认为试验组的发生率小于对照组
——实例分析
阿司匹林治疗心肌梗死的效果
组别 试验组 对照组 合计
❖ 因此,分析过程需要对多个研究的结果进行异质性分析, 尽可能消除导致异质性的原因,使之达到同质。
❖ 种类包括:临床异质性、方法学异质性和统计学异质性。
统计学异质性
❖ 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。
❖ 通常将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()的重合程度来度量异质性的大小;
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。
和的可信区间
❖ 若选择或为合并统计量时,其95与假设检验的关系如下 :
❖ 若其95包含了0,等价于P>0.05,即合并效应量无统 计学意义。
❖ 若其95的上下限均大于0或均小于0,等价于P<0.05, 即合并效应量有统计学意义。
❖ 通常,试验组与对照组某指标差值或比值的95与α为 0.05的假设检验等价,99与α为0.01等价。
与可信区间的图示
无统计学意义
试验组<对照组
试验组>对照组
1 无效线 使用阿司匹林治疗的病人与对照组相比,其病死率的为 0.48,其的95为0.272-0.846。 故可认为阿司匹林治疗组的病死率小于对照组,即阿司匹林 治疗心肌梗死能降低病死率。
❖ 发生率越小,越接近。
回顾性研究实例
心肌梗死与近期使用某口服避孕药关系的回顾性调查数据
组别
暴露
未暴露
合计
病例组
29(a)
205(b)
234(n1)
对照组
135(c)
1607(d)
1742(n2)
合计
164
1812
1975(N)
❖ 病例组:暴露与未暴露的比值为29/205 ❖ 对照组:暴露与未暴露的比值为135/1607 ❖ 比值比: ÷1.68