Meta分析中识别发表偏倚方法的比较

Meta分析中识别发表偏倚方法的比较
加入收藏夹点击:110 下载:1 被引：
背景与目的发表偏倚是影响Meta分析质量的一个很重要因素。

识别发表偏倚的方法很多，其中以漏斗图的对称与否来判断发表偏倚的方法最为常用。

对于已经建立的识别发表偏倚的方法，由于其思想各不相同，故所得分析结果也各异。

究竟这些方法的性能如何，是否受限于不同的资料类型?这是目前国际上尚未明确回答的问题。

本研究将应用Monte Carlo方法，比较目前公开发表的五种识别发表偏倚的方法，评价其性能，以期为识别发表偏倚的实际应用提供指导性意见。

方法：本研究比较的五种识别发表偏倚的方法分别是：线性回归法(Egger’sregression method)、漏斗图回归法(funnel regression method)、秩相关法(Begg'srank method)、剪补法(trim and fill method)和Richy法(Richy’s method)。

本研究以四格表资料为数据类型，运用。

Monte Carlo方法，模拟产生存在和不存在发表偏倚的Meta分析，分别用五种方法判断其是否存在发表偏倚，具体做法如下。

不存在发表偏倚的模拟抽样：·设定总体效应值lnOR。

·设定纳入Meta分析的研究个数K。

·确定每个纳入分析的研究的样本量。

设实验组和对照组的样本量相同，每个处理组的样本量分别从服从(μ，σ)对数正态分布和正态分布的随机数函数中抽样再取整得到。

·通过一个均匀分布的抽样函数抽取区间[0.1，0.5]上的一个值为对照组的发病率π<,0>，实验组的发病率π<,1>由π<,0>和总体的OR值通过公式
π<,1>=or<'*>π<,0>/1-π<,0>+or<'*>π<,0>计算得出。

·由每一个处理组的发病率和样本量，通过二项分布的随机函数确定每一处理组的阳性例数。

如此反复，抽取的k
个纳入Meta分析的研究作为不存在发表偏倚的研究。

存在发表偏倚的模拟抽样：模拟存在发表偏倚是在没有发表偏倚的基础上产生的，通过权重函数
w<,i>(p<,i>)=exp{-4<,p<,i>><'1.5>)的选择，将一些P值较大的研究排除在Meta 分析之外。

本研究采用Ⅰ类错误和检验效能两个指标评价各种方法的模拟结果。

Ⅰ类错误用错判率来估计，即在没有发表偏倚的Meta分析中检测出存在发表偏倚的概率；检验效能用判对率来估计，即在有发表偏倚的Meta分析中检测出存在发表偏倚的概率。

模拟研究使用SAS宏功能和ODS输出系统及SPSS13.0等软件。

根据预模拟实验结果，当模拟
次数10000次时趋于稳定，故本研究的模拟次故设置为10000次，采用固定随机种子数。

结果：无论纳入Meta分析的样本量服从对数正态分布还是正态分布，用上述五种方法判断是否存在发表偏倚，Ⅰ类错误的均值从大到小依次为Richy法、线性回归法、秩相关法、漏斗图回归法、剪补法。

漏斗图回归最接近设定检验水准0.05。

检验效能的均值从大到小依次为Richy法、线性回归法、秩相关法、剪补法、漏斗图回归法。

除Richy法外，其余四种方法的检验效能的均值均不超过0.5。

无论纳入Meta分析的样本量服从对数正态分布还是正态分布，线性回归法、秩相关法和Richy法的Ⅰ类错误和检验效能，都随μ从20增大到200而表现出先增(40或50处达到最大)后减的趋势。

而漏斗图回归法和剪补法受μ的变化影响不大。

无论纳入Meta分析的样本量服从对数正态分布还是正态分布，线性回归法，秩相关法和：Richy法的Ⅰ类错误对总体效应值比较敏感，当总体效应值为-1.609(对应OR为0.2)时，这三种方法的Ⅰ类错误最高均可达0.90。

线性回归法和秩相关法的检验效能的均值在当总体效应值小于-0.916(对应OR小于0.4)时均分别增加到0.70和0.50以上，而Richy法检验效能均数均为0.81，变异较小。

无论纳入Meta分析的样本量服从对数正态分布还是正态分布，当总体效应值为0(对应OR为1)时，线性回归法的检验效能较小，均值为0.10，秩相关法的检验效能均为0.05，并随总体效应值减小变化很快，最高可达0.99。

其余几种方法的检验效能随总体效应值的变化影响不大。

无论纳入Meta分析的样本量服从对数正态分布还是正态分布，所有方法的Ⅰ类错误和检验效能均随后值的增大而增加。

只是剪补法变化幅度较小，Ⅰ类错误的均值随着k从20增加到100只增加了0.01，检验效能均只增加了0.16。

无论纳入Meta分析的样本量服从对数正态分布还是正态分布，线性回归法和秩相关法的Ⅰ类错误和检验效能的均值都随着样本量的变异的增加而减小。

Richy法随变异的增加而增加。

纳入Meta分析的样本量服从对数正态分布时的线性回归法和秩相关法比样本量服从正态分布时的Ⅰ类错误的均值要小。

而其他方法的均值都是对数正态分布时比正态分布时大。

检验效能的情况亦如此。

讨论与结论：总的来说，线性回归法和秩相关法对效应值比较敏感，当总体效应值接近0(对应OR靠近1)，其检验效能均值均为0.10，接近他们的Ⅰ类错误。

而当总体效应值接近-1.609(对应OR靠近0.2)，其Ⅰ类错误甚至达到0.90以上。

Petra和Jeffrey的研究虽然总体效应值设置范围较小，但也表现出这种趋势。

可能用上述方法模拟的Meta分析情况不够全面，导致用上述两种方法判断出现偏差。

而对于上述两种方法的Ⅰ类错误和检验效能都随着样本量变异增
加而减小，这可能和这两种方法的方差估计存在抽样误差有关。

漏斗图回归法的Ⅰ类错误较接近检验水准0.05，但是该法检验效能非常小。

对于线性回归法、漏斗图回归法和秩相关法的Ⅰ类错误和检验效能均随k值增加而增加，Petra和Jeffrey的研究也显示此规律。

可能这三种方法均是建立在线性回归或相关系数上的，线性回归和相关本身会随着研究个数的增多而增加拒绝的概率。

因此我们建议当k较大时(如大于30)，不要采用这三种方法判断Meta分析是否存在发表偏倚。

剪补法的Ⅰ类错误较小，平均不足0.01，但检验效能也较小，均值为0.3，该法受参数变化影响较小，这和Jeffrey的研究结果相近。

可能是因为其k<,0>的确定仅和几个极端值有关，因此相对而言比较敏感。

Richy法就显得比较保守，除了当k等于20时，其Ⅰ类错误的均值不超过0.15，此时的检验效能的均值较大为0.74。

但是该法受k值变化影响较大。

其他情况的Ⅰ类错误还是检验效能都相对较大，并且随着k 的增大而增大。

这可能是由于它的判断区问为95％非参数可信区间，其区间的变化和k的变化不成正比。

本次模拟结果显示。

当现有的定量判断Meta分析是否存在方法偏倚的五种方法都不是很完善，有待改进。

但在k值不大于20时，我们建议选择Richy法进行发表偏倚的判断。

在实际分析数据的过程中，我们应选择几种方法同时进行分析，并结合实际的数据，并结合敏感性分析判断，以减少出错的机会。