Meta分析:Meta分析中的高级统计分析方法

  1. 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. 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. 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)。

不要盲目使用随机效应模型! 应首先考虑探讨异质性的来源,如 能够找出异质性的来源,则对今后 的工作有指导意义!
计算合并的效应值
• 固定效应模型的合并效应值 : (各研究的效应值相等)
Wd ∑ d = W ∑ 其方差为:
i i i
1 Sd = ∑Wi
2
计算合并的效应值
• 随机效应模型的合并效应值 : (各研究的效应值不等) DerSimonian and Laird方法
SND 用样本均数 除以相应的标准误 Precision 标准误的 倒数 SND与Precision呈 直线关系,且该回 归直线的延长线是 通过原点的。
理想状态下SND与Precision的关系
理想状态
我们把不同作者对相同问题进行的 研究可以看作从同一总体中进行抽样得 到的一个随机样本,如果他们都是按照 相同的设计得到的研究结果,并且我们 可以找到每一项研究的结果,这样就可 以根据上面的原理得到一个更为可靠的 结果。
理想状态下收集的数据
实际收集的数据(不全)
Trim and Fill (剪切-添补法)
• we trim off the asymmetric outlying part of the funnel after estimating how many studies are in the asymmetric part.
Journal , Stata Technical Bulletin )
STATA
Egger's publication bias plot 10
standardized effect
5
源自文库
0 0 5 precision 10 15
Meta-Regression
异质性问题
• 同质性评价需回答两个问题: 是否存在异质性? 如何解释和处理异质性?
镜像填补
填补(调整)后的数据
Trim and Fill (剪切-添补法) • The final estimate of the true mean, and also its variance, are then based on the filled funnel plot.
利用调整后的数据进行估计
计算:
X i = Yi − Δ
按照 X i 编秩次: 如果 X i > 0 为正秩次 如果 X i < 0 为负秩次
为Xi的符号秩次
Define the “trimmed” rank test statistic for the observed n values as
Let denote the length of the rightmost run of ranks 通过它们估计K0
1000
800
600
N
400
200
0 1.4 1.5 1.6 1.7 1.8
MEAN
有出版偏性的散点图
Trim and Fill (剪切-添补法) 基本思路
Trim and Fill (剪切-添补法) • The trim and fill algorithm is based on a formalization of the qualitative(定性的) approach using the funnel plot.
其中为固定效应模型时各研究的权重,Q为齐 性检验时的统计量。
试验组与对照组舒张压改善值的比较
计算各研究的效应值、方差和权重
d = X E − XC
1 1 S = S ��������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������
迭代算法
• 先计算效应值的估计值,再计算出 K0的估计值。 • 去掉相应的研究。 • 再用剩余的研究估计新的效应值的 估计值,再计算出新的K0的估计值。 • 再去掉相应的研究。
• 直到新的K0的估计值与上一次迭代 计算出K0的估计值相等;且新的效 应值的估计值与上一次迭代计算效 应值的估计值。
Meta analysis on STATA
• 如何识别:Q
• 如果不同研究之间存在异质性如何处 理。
如果不同研究之间存在异质性可 采取以下措施:
1.如果能得到每个研究的原始数据,
可以探讨影响因素分析。 2.亚组分析。 3.敏感性分析。通过比较了解异质性 的来源。
如果不同研究之间存在异质性可 采取以下措施:
4.选用随机效应模型进行Meta分析。 5.选用Meta回归以及混合模型进行分 析,利用回归模型控制混杂因素,以消 除异质性。 6.若异质性过于明显,则应放弃进行 Meta分析,只对结果进行一般性的统计 描述。
剪切后的数据
减去的部分
Trim and Fill (剪切-添补法)
• We then use the symmetric remainder to estimate the true center of the funnel and then replace the trimmed studies and their missing counterparts around the center.
• -13 -10 -7 -6 -2 -1 3 4 5 8 9 11 12 14 • • -6 -2 -1 3 4 5 8 9 11 12 14 -6 -2 -1 3 4 5 7 8 9 10 11
定义三个估计量
三个估计量的均数和方差
可以看出
在总体效应值已知时,通过收集 到研究的信息就可以估计出未收集 到的研究数K0。 但是我们实际遇到的情况是不 知道总体效应值,因此要同时估计 出总体效应值、和未收集到的研究 数K0。
实际情况
不同作者: 所使用的设计方案会有一定的差别, 选择的实验对象有所不同, 研究结果不一定都能发表到专业杂志上。 因此实际能够得到的资料可能是不完整的,甚 至是有偏性的,如阳性结果的文章,以及和目前大 家普遍能够接受的观点一致的文章可能更容易发表 在专业杂志上。 重复发表。 认为修改数据。
1200
d DL
其方差为:
Sd
2
W d ∑ = ∑W
*
i
i
*
i
DL
1 = * W ∑ i
* W DerSimonian and Laird方法中权重 i 的计算方法 1 * Wi = 2 意味着什么? Sd + D
其中为固定效应模型时效应值的方差,D为随 机效应部分的方差。
⎧⎡ ⎪⎢ ⎪ ⎢ Q − (k − 1) D = max ⎨ ⎢ 2 W ⎪⎢ W − ∑ i ⎪⎢ ∑ i ∑W i ⎩⎣ ⎤ ⎫ ⎥ ⎪ ⎥ , 0⎪ ⎥ ⎬ ⎥ ⎪ ⎪ ⎥ ⎦ ⎭
从一个均数为1.5,标准差为0.7的正 态总体中进行随机抽样,样本量分别为 20,50,100,200,300,500,1000,不 同的样本量均进行20次抽样,共得到140个 样本。 分别计算每个样本的均数,标准差和 标准误。 以样本的均数为横坐标,以样本量为 纵坐标作散点图
SJ-4-2 pr0012 . . . . . . . Submenu and dialogs for meta-analysis commands STB-38 sbe16 . . . . . . . . . . . . . . . . . . . . . . . . . Meta-analysis SJ-3-4 sbe19_5 . . . . . . . . . . Tests for publication bias in meta-analysis STB-56 sbe20.1 . Assessing heterogeneity in meta-annl.: the Galbraith plot STB-42 sbe22 . . . . . . . . . . . . . . . . . . . . Cumulative meta analysis STB-42 sbe23 . . . . . . . . . . . . . . . . . . . . Meta-analysis regression STB-45 sbe24.1 . . . . . . . . metan -- an alternative meta-analysis command STB-56 sbe26.1 . Assessing the influence of a single study in meta-analysis STB-56 sbe28.1 . . . . . . . . . . . . . . . . . . . Meta-analysis of p-values STB-61 sbe39.2 . Nonpar. trim & fill anal. of publication bias in meta-anals SJ-4-2 st0061 . . . . . . . . . . . . . . . . Funnel plots in meta-analysis (Stata
从均数为1.5,标准差为0.7的正态总体的140次随机抽样结果
• 由于抽样过程存在抽样误差,样本量较 大时抽样误差较小。 • 所以从图中可以看出所有的点以样本量 较大时的均数为轴,左右是基本对称的。 • 用方差分析的方法对不同的样本所对应 的总体均数是否相等进行检验,方差分 析的结果为F=0.862,P=0.878。 • 说明140个样本对应的总体均数是相同的。 • 用这140个样本的信息来估计总体的均数 和标准差,μ=1.501,σ=0.699。这样做的 结果是提高了估计的精度。
Trim and Fill (剪切-添补法) 基本原理
• 有n个研究
• 每个研究的效应值为 • 这类研究的效应值为
定义随机效应模型
• 研究间随机效应 • 研究内效应 • 如果 ,则实际上表示固定 效应。
• 如果只收集到n个研究,有K0个研 究没有找到,我们需要估计总体的 效应值Δ。 假定总体效应值Δ已知
Meta-Analysis
的统计方法(二)
系统综述与Meta-Analysis讲习班
王洪源 北京大学公共卫生学院 流行病学与卫生统计学系
偏性的问题
• 主要考虑出版偏性 • 统计可以解决随机误差的问题 • 统计解决系统误差的问题
偏性的问题 • 是否存在偏性? • 如何面对偏性?
• 在用样本信息推断总体参数时,是存在 抽样误差的,并且抽样误差的大小与样 本量的大小有关。 • 统计学用抽样分布的理论来描述样本统 计量的变化规律。
相关文档
最新文档