网状Meta分析图形结果解读

• 103 •© 2015 中国循证医学杂志编辑部C JEBM网状Meta分析图形结果解读易跃雄，张蔚*，刘小媛，张娟，朱定军，吕琼莹武汉大学人民医院妇I 科（武汉 430060）摘要 网状Meta 分析的发展促使多种干预措施的对比得以实现，目前已有众多研究报道了其实施过程，但当前国内研究对其结果解释则鲜有提及。

本文对网状Meta 分析中的轨迹图、密度图、Brooks-Gelman-Rubin 诊断图、排序概率表与排序概率图、累积排序概率图与累积排序概率图下面积、网状图进行解读，以期为网状Meta 分析的研究提供参考和帮助。

关键词 网状Meta 分析；图形结果；解读Result Interpretation of Network Meta-analysisYI Yue-xiong, ZHANG Wei *, LIU Xiao-yuan, ZHANG Juan, ZHU Ding-jun, LV Qiong-yingFirst Department of Gynecology, Renmin Hospital of Wuhan University, Wuhan 430060, ChinaAbstract Comparison among multiple interventions has been realized due to the development of network meta-analysis and so far many studies have reported its implementation process. However, its results are rarely interpreted in domestic studies at present. This article interprets the results of trace plots, density plots, Brooks-Gelman-Rubin diagnosis plots, rankogram, surface under the cumulative ranking, and network plots, to provide references and assistance for further research regarding network meta-analysis.Key words Network meta-analysis; Graphic result; InterpretationDOI: 10.7507/1672-2531.20140263作者简介：易跃雄，男（1984年～），硕士，医师，以妇科肿瘤为主要研究方向。

Email: yiyuexiong@ *通讯作者，Email: zw6676@随着医学研究的深入，干预措施已逐渐呈多样化发展。

面对多种干预措施，受限于两两对比的传统Meta 分析已不能为选择最优干预措施提供有效的方法学支持，而网状Meta 分析的提出 [1]使得多种干预措施之间的对比成为可能。

随着网状Meta 分析的研究和发展，目前国内已有文献介绍其在各种基于马尔科夫链-蒙特卡罗（Markov Chain Monte Carlo ，MCMC ）法软件中的实现 [2-4]，但对其结果的分析解读则鲜有提及。

本文对R 软件gemtc 程序包[5,6]计算出的轨迹图、密度图、Brooks-Gelman-Rubin 诊断图、排序概率表与排序概率图、网站中（http://www.mtm.uoi.gr/）sucraplot 函数计算出的累积排序概率图与累积排序概率图下面积、网状图结果进行分析及阐述，为网状Meta 分析的研究提供参考和帮助。

1 软件、程序包的安装及数据准备R 软件与gemtc 程序包的安装方法及数据处理过程请参照《R 软件gemtc 程序包在网状Meta分析中的应用》一文 [7]。

由于本文所调用的软件为Winbugs 软件，并且数据计算基于随机模型，因此本文将model 及mtc.run 语句改写为model <-mtc.model(network,type = "consistency", factor = 2.5, n.chain = 3, linearModel="random")和results <-mtc.run(model, sampler ="R2WinBUGS", n.adapt = 5000, n.iter = 20000, thin = 1)。

为与前文保持一致，本文选取干预措施G 与干预措施I 之间的比较为例解释。

因suraplot 函数未体现累积排序概率图下面积的结果，本文将suraplot 函数改写，加入累积排序概率图下面积值以进一步解释结果。

2 网状Meta 分析的结果分析及解读2.1 轨迹图（trace plot ）轨迹图为一种在迭代计算过程中表现MCMC 链波动过程的图，可因迭代次数及预设分布不同而表现为不同形式，用于诊断模型的收敛程度（con-vergence ）。

通过轨迹图形可了解各条马尔科夫链-蒙特卡罗链（Markov Chain Monte Carlo chain ，MCMC chain ）在计算过程中是否达到稳定及良好的重叠，以判断模型收敛程度是否满意 [8,9]。

满意的收敛取决于足够的迭代次数，在轨迹图中表现为各条MCMC• 104 •C JEBM © 2015 Editorial Board of Chin J Evid-based Med链相互重叠，视觉观察不能识别任何一条链的迭代过程 [10]。

我们将通过不同的预迭代次数及迭代运算次数进行说明 [11]，具体参数如表1所示。

如图1a 所示，我们先将预迭代次数及迭代次数设定为0和50，结果显示各条MCMC 链未明显拟合，肉眼可识别单条链的波动，收敛程度差。

此时预迭代次数及迭代运算次数均不足，应增加预迭代及迭代次数。

图1b 为保留0次预迭代，增加迭代次数至2 000的结果。

与图1a 比较，图形起始部分各条链经几十次运算后达到稳定，并相互重叠，但重叠面积仅占链波动范围的小部分，收敛程度仍不满意。

由于迭代运算中需使初始值效应最小化，达到稳定前的数据则需剔除。

因此，需增加预迭代及迭代次数，尤其是预迭代次数。

图1c 为预迭代次数及迭代次数设定为1 000及50的结果。

与图1b 比较，图形起始部分的各条链已呈现相互重叠趋势，但由于迭代运算次数不足，肉眼仍可识别单条链的摆动，尤其在1 020～1 040次处明显。

因此，此时需增加预迭代及迭代次数，尤其是迭代的次数。

图1d 为预迭代次数及迭代次数增加至5 000的结果。

各MCMC 链从起始部分达到明显融合，但整体重叠面积仅占链波动范围的小部分。

此时迭代计算次数仍不足，收敛程度不满意，仍需增加迭代次数。

图1e 预迭代次数及迭代次数设定为5 000及20 000的结果。

各条MCMC 链从起始部分已达到稳定融合，并且在后续计算中重叠面积占链波动范围的大部分，且肉眼不能识别单条链的波动，收敛程度满意。

2.2 密度图（de n sity plot ）密度图为一种表现参数的后验数值的分布形态图，其作用与轨迹图一致，均用于诊断模型的程度 [12]。

密度图的评估方法为在预先设定分布的基础上，经过数值模拟计算后，观察后验数值的分布形态是否与预设分布一致 [13]。

Bandwidth 值可作为定量评估，其值越小，表示参数后验数值的分布范围与预设分布范围的差距越小。

经足够迭代运算后，Bandwidth 趋向于0并达到稳定 [14]。

Bandwidth 值则与迭代运算次数相关，而后验数据分布形态与预迭代次数相关 [15]。

良好的收敛在密度图中表现为一条基本符合模型预设分布的平滑曲线，并且曲线分布及Bandwidth 值达到稳定 [16]。

密度图的解释本文仍以不同迭代次数的计算进行说明，具体参数见表2所示。

模型代码可通过命令行cat （model$code ）来获取，通过模型可获知干预措施G 与干预措施I 的对比预设分布为正态分布（d.G.I ～dnorm （0, prior.prec ））。

各图中的N 值代表迭代次数，Bandwidth 值代表后验分布与先验分布的差距程度。

对比图2a 与图2b 的图形及计算结果可见：① 两者的曲线分布均呈现偏态分布，并可见图 1 不同迭代次数的轨迹图表 1 各轨迹图的预迭代及迭代运算次数图序n.adaptn.intera 050b 02 000c 1 00050d 5 0005 000e5 00020 000• 105 •© 2015 中国循证医学杂志编辑部C JEBM双峰，且Bandwidth 值为0.109 7与0.113 4，与预设分布差距偏大。

② 两者的计算结果中均值、95%CI 相差较大（mean （a ）=0.451 0，95%CI （a ）= –0.122 7～1.067 5；mean （b ）=0.3741 1，95%CI （b ）= –0.175 3～0.914 5），计算结果不稳定。

此时模型收敛程度差，应增加预迭代次数及迭代计算次数。

如图2c 所示，我们先将迭代次数增加至5 000次。

与图2b 对比，曲线形态进一步趋向正态分布，且Bandwidth 值下降至0.038 74，与预设分布差距明显减小，且计算结果较图2b 进一步集中（mean （c ）=0.334 7，95%CI （c ）= –0.154 81～0.826 0）。

但曲线仍可见双峰，曲线分布仍可能受初始值影响，模型收敛程度不满意。

此时需增加预迭代次数。

图2d 为将预迭代次数增加至5 000次的结果。

图中曲线形态已由图2c 的双峰变为单峰，分布形态已接近正态分布。

由于迭代次数不变，因此Band-width 值变化较小（Bandwidth （d ）=0.038 85）。

与图2c 计算结果对比，mean 及95%CI 值变化较小（mean （d ）=0.343 5，95%CI （d ）= –0.151 81～0.840 6）。

但由于n.adapt=5 000及n.iter=5 000的轨迹图显示收敛不满意，因此仍需增加迭代次数。

如图2e 所示，我们将迭代次数增加至20 000次。

此时图形分布已呈正态分布，与预设分布差距进一步缩小（Bandwidth （e ）=0.029 55）。

且与图2d 对比，计算结果已基本稳定（mean （e ）=0.3443，95%CI （e ）= –0.152 20～0.840 6）。