meta分析中异质性检验浅析

合集下载
  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)。

Meta 分析中的异质性检验

一、Meta 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,mantel haenszel 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

k

Q=∑W i(Y i−M)2

i=1

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χ²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。

4.2.2 I ²检验

(1)计算公式及解释

I 2=(Q −df Q

)×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 =√(Q k −1) H 值为1表示各研究间无异质性;

H <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%置信区间包含1,在α=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I 2及P 值来确定。即根据I 2值及P 值来决定模型的使用,大部分认为I²<50%且P >0.1时,存在异质性,使用随机效应模型;当I²≥50%或P <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。

异质性的处理忽略异质性固定效应模型检验异质性有异质性

不合并合并随机效应模型解释亚组分析Meta 回归

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。

相关文档
最新文档