最新整理meta分析中异质性检验浅析教学内容

Meta分析中的异质性检验
一、M eta分析原理
假定各个不同研究都是来自同一个总体，要求不同研究间的统计量应该接近总体参数真实值，所以各个不同文献研究结果是比较接近，就要符合同质性，这时候将所有文献的效应值合并可以采用固定效应模型的有些算法，如倒方差法，
man tel hae nszel 法, peto 法等。

二、异质性的概念
2.1广义：描述参与者、干预措施和一系列研究间测量结果的差异和多样性，或那些研究间的内在真实性的变异。

2.2狭义：专指统计学异质性，用来描述一系列研究中效应量的变异程度，也表明除可预见的偶然机会之外的研究间存在的差异性。

三、异质性的分类
3.1临床异质性：包含试验对象的差异，如纳入及排除标准的不同；试验条件的差异，如干预剂量、剂型、方法不同；定义指标的差异，如试验定义的暴露、结局、测量工具不同，等等。

3.2方法学异质性：包含研究设计的差异，如前瞻性、回顾性、随机化对照试验；偏倚风险，如盲法；结局完整性，如随访时间长短不同。

3.3统计学异质性：是指不同试验间被估计的效应指标的变异，它是研究间临床和方法学上多样性的直接结果。

统计学计算一致性以数据为基础，其原理是各研究间可信区间的重合程度
越，则各研究间存在统计学同质性的可能性越大，相反，可信区间的重合程度越
小，各研究间存在统计学异质性的可能性越大。

临床异质性、方法学异质性和统计学异质性三种是相互独立又相互关联的，
临床或方法学上的异质，不一定在统计学上就有异质性的表现，反之亦然。

但寻找临床和方法学上的异质性可以提示统计学异质性的来源。

四、异质性检验方法
4.1概念：又叫统计量的齐性检验（一致性检验），目的是检查各个独立研究的结果是否具有可合并性。

4.2常见方法：
4.2.1 Q检验
（1）计算公式及解释
注：Wi :第i个研究的权重，Yi :第i个研究的效应量，M :所有研究的平均效应量。

Q为效应量的标准化平方和，因此服从自由度为（k-1 ）的x 2分布。

Q值越大，则p 值越小（无效假设为纳入研究的效应量均相同），则异质性越大。

（2）Q检验的缺陷：
①对研究个数敏感：当研究个数越少时，检验效能越低，其越容易出现假阴性; 反之，当研究个数越多时，检验效能越高，越容易出现假阳性。

②只能检验是否存在异质性及异质性的大小，而不能检验异质性的分布。

422 I 2检验
（1）计算公式及解释
厂二（上尹）x 100%
I2反映异质性部分在效应量总的变异种所占的比重。

I2的取值范围：0-100%;取值越大，异质性越大；根据I2可将异质性分为四个程度：0:（当I2为负值时，我们将其设为0）表明没有异质性；0-40%:轻度异质性；40%-60%中度异质性；50%-90%较大的异质性；75%-100%很大的异质性。

2。

3 H检验
（1）计算公式及解释
通过对统计量Q进行自由度（研究个数）的校正，结果方差分布的参数估计可得：
H值为1表示各研究间无异质性；
HV 1。

2则认为研究同质；
H> 1。

5则提示研究间存在异质性；
H为1。

2-1。

5之间，当H值95%S信区间包含1,在a =0。

05的检验水准下无法确定是否存在异质性，若不包含1，则可认为存在异质性。

此外，除了常见的统计量法外，还有森林图法、星状图（radial plot ）、贝拉图（L' abbe plot ）、加布尔雷斯图等异质性检验方法。

总之，应用Q及I2统
计量，既可检测是否存在异质性，也可检测异质性的程度，但是，应用适当应用图示法，可以帮助找到引起异质性的异常点（某个或某几个研究）。

五、异质性处理方案
一般来说判断异质性大小的方法是根据I2及P值来确定。

即根据I2值及P 值来决定模型的使用，大部分认为I2 V 50%且P> 0.1时，存在异质性，使用随机效应模型；当I2 > 50%£ P V 0.1时，用固定效应模型。

有了异质性，通过敏感性分析，或者亚亚组分析，去探求异质性的来源。

meta分析中，异质性是天然存在的。

如果异质性较小，选择固定效应模型更可靠；如果异质性较大，则建议选择随机效应模型。

但仍然需要通过敏感性分析，寻找到异质性根据，以消除其影响。

但是，在异质性较大时，随机效应模型主要是校正合并效应值的算法，使得结果更加接近无偏估计，即结果更为准确，但其得出的结论偏向于保守，置信区间较大，更难以发现差异，如果各个试验的结果差异很大的时候，是否需要把各个试验合并需要慎重考虑，作出结论的时候就要更加小心。

六、异质性来源探索
在做完异质性检验后，我们需要进一步对异质性的来源进行探索。

异质性可能来源于人群、试验方法、种族等等因素，可通过敏感性分析、亚组分析和meta 回归等方法来查找异质性来源。

比如，异质性的来源可以来源于研究的各阶段：研究人群-研究设计-数据分析-结果报道。

按照不同人群（如男女，欧亚非，白人黑人等）、不同设计类型（如队列研究，RCT病例-对照）、不同的统计模型
（cox，poisson 等）、不同结果（肺癌的新发病、现患病例、死亡）来做亚组分析即分层分析。

目前，国内外对meta分析存在异质性，尤其是异质性检验P值很小的时候，学术届有着不同的争论，很多人认为这个时候做meta分析是没有意义，相当于
合并了一些来自不同总体的统计结果。

也有人认为，这些异质性的存在可能是由于文献发表的时间，研究的分组，研究对象的特征等因素引起，只要采用亚组分析或meta回归分析可以将异质性进行控制或解释，还是可以进行meta分析，至少运用随机效应模型可以相对无偏的估计总体。

总之，异质性检验P值较小时候，最好能对异质性来源进行分析和说明。