meta分析中异质性检验浅析
Meta分析异质性大？这都不是事！
Meta分析异质性大？这都不是事！美景欣赏完了，咱们该干正事了。
审稿人嫌弃异质性太高？让做meta回归？这个因素也有影响，那个因素也有影响，怎么办？有发表偏倚？都是什么乱七八糟的，到底是什么意思呢？今天我们就来理一理，异质性/meta回归/发表偏倚/亚组分析/敏感性分析之间的关系。
我们知道，meta分析是把不同的研究汇总到一起分析的，这其中必然是有异质性的，是不能避免的。
但是异质性如果超出了接收范围的话，我们把他硬拉到一起分析，得到的结论就是不可靠，没有意义的。
所以异质性是必然存在的，但要在合理的范围。
因此，异质性分析是就是必不可少的。
一般来说I square<50%，p>0.05是被认为可接受的。
而超出这一范围也是常见的。
如果真的非常大应该怎么办呢？不妨试试这两种方法：Meta回归Meta回归，看到底是哪个因素导致的异质性，当然了，如果影响因素很明显或者涉及因素很少的话，也没有必要做meta回归，直接做亚组分析就好了。
亚组分析亚组分析可以把研究对象细分，得出更为准确的结论。
看看是不是还很大，判断是哪些因素影响结果稳定性。
到这里就有人问了：我怎么知道以哪些因素为基础进行亚组分析呢？1) 根据临床经验，判断哪个因素可能对结果有较大影响。
2) 其实我想说，把原始文献中分了组的都分析一下就好了。
您可能觉得这样太粗放，太不严谨了。
那就试试第三种方法咯。
3) 第三种方法是啥？就是上面讲到的meta回归啊！那么审稿人觉得结果不稳定怎么办呢？敏感性分析啊。
敏感性分析一般有三种方法：1）逐个剔除纳入文献，看看结果是否发生较大变化（一般看是否逆转），如果逆转就说明结果不稳定，那么恭喜你，这篇文章对结果产生较大影响，需要细致讨论了（还在担心讨论不知道写什么吗）；如果结果未发生较大变化，那么同样恭喜你，你的结果是稳定的，你可以自信的在你的结果部分说（chui）明（niu）了。
那么发表偏倚又是怎么回事呢？这个其实很好理解啦。
Meta分析中的异质性检验方法
> 50 月
4
61652
01084
541901
11489 (21588～01857)
21511 (11886～31344)
1 研究年份
2
4
61327
01097
521584
11452 (21526～01835)
5
241524
01001
831689
21476 (31723～11647)
21268 (11118～41601) 31370 (21646～41294)
P < 0101 , H 统计量及其 95 % 可信区间为 21024 和 (21807～11459) , I2 = 751579 ,三个统计量检验结果都
果不一致 ,是由于研究数少 , Q 检验和区间范围估计 往往不准确〔7〕。 Q 检验结果受研究文献多少影响很
表明研究间存在明显异质性 。对随访时间 、研究年份 、 大 ,因为 Q 值的大小取决于合并方差 、效应量的离散
法确定是否存在异质性 , 若没包含 1 则可认为存在异
质性 。
统计量 I2 值为 0 %时表示各个研究是同质来源 ,
若 I2 > 56 %提示研究间存在异质性 , I2 < 31 %则提示
可认为各个研究是同质 。
结果与分析
11 文献中的数据整理 为了便于对上述统计量的异质性检验方法说明 , 引用可手术乳腺癌骨髓播散与远处转移相关性 Meta 分析〔8〕资料进行实例分析 。数据整理如表 1 所示 ,其 中研究年份 、随访时间 、染色技术和抗原等是研究中考 虑可能对异质性影响的因素 ,这里归类是为了进一步 分层分析的需要 。 21 各种方法的异质性检验结果 该 Meta 分析中 ,全部 9 篇研究间的异质性检验 P < 0101 ,而 H 值及 95 % CI 可信区间为 21024 ( 21807
Meta分析中的异质性评价、敏感性分析和发表偏倚及漏斗图不对称性检测
Meta分析中的异质性评价What is heterogeneity? Variation or differences•Meta分析中异质性分类三类•Clinical•Methodological•StatisticalClinical diversity•participants•e.g. condition, age, gender, location, study eligibility criteria •interventions•intensity/dose, duration, delivery, additional components,experience of practitioners, control (placebo, none,standard care)•outcomes•follow‐up duration, ways of measuring, definition of anevent, cut‐off pointsMethodological diversity•design•e.g. randomised vs non‐randomised, crossover vs parallel,individual vs cluster randomised•conduct•e.g. risk of bias (allocation concealment, blinding, etc.),approach to analysisStatistical heterogeneity•there will always be some random (sampling) variation between the results of different studies •heterogeneity is variation between the effects beingevaluated in the different studies•caused by clinical and methodological diversity•alternative to homogeneity (identical true effects underlyingevery study)•study results will be more different from each other than ifrandom variation is the only reason for the differencesbetween the estimated intervention effectsHow to detect the heterogeneity?I 2统计量I 2统计量是描述由研究间变异占总变异的百分比，计算公式为：⎪⎩⎪⎨⎧≤>-=dfQ df Q Qdf Q I 如果如果02其中，Q 为I 2统计量，df 是它的自由度（即研究总数-1）‐Fixed‐effect vs.random‐effects•Two models for meta‐analysis available in RevMan& Stata software•Make different assumptions about heterogeneity •Pre‐specify your planned approach in your protocolFixed ‐effect model•Assumes all studies are measuring the same treatment effect•Estimates that one effect •If not for random (sampling) error, all results would be identicalCommon Random (sampling)errortrue effectStudy resultSource: Julian HigginsRandom ‐effects model•Assumes the treatment effect varies between studies•Estimates the mean of the distribution of effects •Weighted for both within ‐study (SE) and between ‐study variation (tau 2, 2)Random errorStudy-specific effectMean of true effectsSource: Julian HigginsNo heterogeneityAdapted from Ohlsson A, Aher SM. Early erythropoietin for preventing red blood cell transfusion in preterm and/or low birth weight infants. Cochrane Database of Systematic Reviews 2006, Issue 3.FixedRandomSome heterogeneityFixed RandomAdapted from Adams CE, Awad G, Rathbone J, Thornley B. Chlorpromazine versusplacebo for schizophrenia. Cochrane Database of Systematic Reviews2007, Issue 2.Small study effectsFixed RandomAdapted from Li J, Zhang Q, Zhang M, Egger M. Intravenous magnesium for acutemyocardial infarction. Cochrane Database of Systematic Reviews 2007, Issue 2.Which to choose?•Plan your approach at the protocol stage•Do you expect your results to be very diverse?•Consider the underlying assumptions of the model •fixed‐effects•may be unrealistic –ignores heterogeneity•random‐effects•allows for heterogeneity•estimate of distribution of studies may not be accurate if biasesare present, few studies or few eventsIdentifying heterogeneity•Visual inspection of the forest plots •chi‐squared (c2) test (Q test)•I2statistic to quantify heterogeneityVisual inspectionForest plot A Forest plot BThe chi‐squared (c2) test•Tests the null hypothesis of homogeneity•low power with few studies•may detect clinically unimportant differences with manystudies•narrow question (yes/no) not useful if heterogeneity isinevitable•Calculated automatically by RevManThe I2statistic•I2statistic describes the percentage of variability due to heterogeneity rather than chance(0% to 100%)•low values indicate no, or little, heterogeneity•high values indicate a lot of heterogeneity •Calculated automatically by RevMan•Be cautious in interpretingThe I2statisticchi2= 29.55 df= 13 P = 0.0055 chi2= 6.14 df= 3 P = 0.11I2= 56% I2= 51%Source: Julian HigginsWhat to do about heterogeneity •check that the data are correct•consider in your interpretation•especially if the direction of effect varies•if heterogeneity is very high•interpret fixed‐effect results with caution•consider sensitivity analysis –would random‐effects have made animportant difference?•may choose not to meta‐analyse•average result may be meaningless in practice•consider clinical & methodological comparability of studies •avoid•changing your effect measure or analysis model•excluding outlying studies•explore heterogeneityExploring your results•what factors appear to modify the effect?•clinical diversity (population, interventions, outcomes)•methodological diversity (study design, risk of bias)•plan your strategy in your protocol•identify a limited number of important factors to investigate •have a scientific rationale for each factor chosen•declare any post‐hoc investigationsTwo methods available•subgroup analysis•Group studies by pre‐specified factors•look for differences in results and heterogeneity•meta‐regression•examine interaction with categorical and continuous variables •not available in RevManProceed with caution•results are observational, not randomised•be wary of multiple and post hoc comparisons •may not be useful with few studies•may not be able to investigate aggregate data •look for confounding factors•follow the plan specified in the protocol without over‐emphasising particular findingsResults are rarely definitiveInterpreting subgroup analyses•look at results and heterogeneity within subgroups •are the subgroups genuinely different?•if only 2 subgroups –do the confidence intervals overlap?•statistical tests for subgroup difference•can be more confident about:•pre‐specified analyses•within‐study analyses•effect is clinically plausible and supported by indirect evidence •effect is clinically important and will alter recommendationsParticipant subgroupsBased on Stead LF, Perera R, Bullen C, Mant D, Lancaster T. Nicotine replacement therapy for smoking cessation. Cochrane Database of Systematic Reviews 2008, Issue 1. Art. No.: CD000146. DOI: 10.1002/14651858.CD000146.pub3.Intervention subgroupsSensitivity analysis•not the same as subgroup analysis•testing the impact of decisions made during the review •inclusion of studies in the review•definition of low risk of bias•choice of effect measure•assumptions about missing data•cut‐off points for dichotomised ordinal scales•correlation coefficients•repeat analysis using an alternative method orassumption•don’t present multiple forest plots –just report the results•if difference is minimal, can be more confident of conclusions •if difference is large, interpret results with cautionWhat to include in your protocol •Assessment of heterogeneity•assessment of comparability of studies before meta‐analysis •visual inspection and use of statistics such as I2•Data synthesis•fixed‐effect or random‐effects model (or both)•Subgroup analyses and investigation of heterogeneity •planned subgroup analyses•any other strategies for investigating heterogeneityTake home message•statistical heterogeneity is the presence of differencesbetween estimated intervention effects greater than expected because of random (sampling) variation alone•it can be caused by clinical and methodological diversity•fixed and random‐effects models make different assumptions about heterogeneity•explore any heterogeneity you findStata进行异质性评价Stata进行异质性评价•图示法•拉贝图（labbe）•Galbraith星状图（galbr）•定量判断•亚组分析•Meta回归（metareg）•hetredL’Abbe图•拉贝图是以每项研究中的干预组事件发生率相对于对照组事件发生率作图，若研究间同质，则所有点呈直线分布，或者说不能偏离效应线太远•具有主观性，偏离多远算远？•以例5_数据为例•首先执行metan命令，计算合并效应量metan ntdeath ntalive ncdeath ncalive, label(namevar=study, yearvar=year) random or nograph•绘制拉贝图labbe ntdeath ntalive ncdeath ncalive, percent null or(0.851)Galbraith星状图•Galbraith星状图是以标准化估计值（如logor/lnrr）相对于其标准误的倒数作图，若散点斜率较为接近则说明研究间同质•主观性较大•以例5_数据为例•首先执行metan命令，计算合并效应量，生成中间变量_ES, _selogESmetan ntdeath ntalive ncdeath ncalive, label(namevar=study, yearvar=year) random or nograph•计算logor,selogorgen logor=log(_ES)gen selogor=_selogES•绘制Galbraith星状图galbr logor selogorStata实现亚组分析•亚组分析是探索异质性来源的一个重要方法•如何确定亚组？需要从专业角度寻找•应避免过度的亚组分析•合理的亚组分析应该在研究的设计阶段就确定，写在研究方案中•以例6_数据为例命令语句•metan a b c d, label(namevar=authors, yearvar=year) by(lati_grp)random rr counts group1(experiment)group2(control) xlabel(0.03,1,5) force texts(140) boxsca(60)结果。
Meta分析中的异质性及其处理方法
Meta分析中的异质性及其处理方法一、本文概述Meta分析是一种重要的统计方法，它通过综合多个独立研究的结果，以提高效应估计的精确性和可靠性。
然而，在Meta分析过程中，异质性是一个常见且重要的问题。
异质性指的是各个独立研究间结果的不一致性，这种不一致性可能源于研究设计、样本特征、干预措施、测量方法等多种因素。
异质性的存在会影响Meta分析结果的可靠性和有效性，因此，对异质性进行恰当的识别和处理是Meta分析过程中的关键步骤。
本文旨在深入探讨Meta分析中的异质性问题，包括其来源、识别方法以及处理策略。
我们将概述异质性的定义、来源和分类，以帮助读者理解其本质和重要性。
我们将介绍常用的异质性识别方法，包括图形展示和统计检验等，以帮助读者识别并量化异质性。
我们将详细讨论处理异质性的各种策略，包括敏感性分析、亚组分析、元回归分析以及随机效应模型等，以帮助读者根据实际情况选择合适的处理方法。
通过本文的阅读，读者将能够对Meta分析中的异质性有更深入的理解，并掌握有效的异质性处理方法，从而提高Meta分析的质量和可靠性。
二、异质性的定义与来源在Meta分析中，异质性（Heterogeneity）是一个核心概念，它描述了不同研究结果之间的一致性或差异性。
简单来说，异质性就是指在多个研究之间存在的差异，这些差异可能是由于各种因素造成的，例如研究设计、样本特征、干预措施、测量方法以及研究环境等。
异质性可以分为两类：临床异质性和方法学异质性。
临床异质性主要源于参与者的不同特征、疾病的严重程度、干预措施的差异等；而方法学异质性则主要与研究的设计、执行和分析方式有关，如不同的随机化方法、盲法使用、数据收集和处理方式等。
在临床实践中，异质性的存在可能会导致Meta分析结果的解释变得复杂和困难。
如果忽视异质性，可能会得出误导性的结论，甚至误导临床决策。
因此，在进行Meta分析时，对异质性的识别、量化和处理至关重要。
为了更准确地理解和处理异质性，研究者需要深入探究其来源，并在分析过程中采取相应的措施。
Meta分析中的异质性(heterogeneity)及其处理原则和方法全文
可编辑修改精选全文完整版Meta分析中的异质性（heterogeneity）及其处理原则和方法Meta 分析又称荟萃分析、汇总分析、整合分析，是对具有相同研究题目的多个医学研究进行综合分析。
meta分析的目的在于增大样本含量，减少随机误差所致的差异，增大检验效能。
一个高质量的Meta 分析相当于开展了一个多中心的研究，理想情况下，Meta分析纳入的各项研究均指向同一个结果，即各研究间具有同质性。
尽管，我们试图通过严格的入选和排除标准，以保证纳入研究的同质性。
然而，实际情况往往不尽如意。
会造成“合并萝卜、白菜、西红柿”的错误，就算是勉强合并统计量，得出的结论也不可信。
meta就没有意义了。
所以，合并效应量之前，一定要进行异质性检验。
可以明确的说，纳入Meta分析的所有研究都存在异质性。
当异质性较大时，超出了随机误差，Meta分析的结果就不太可靠。
我们需要通过适当的方法识别它，对其进行检验，以决定后续的处理策略。
梅斯医学提供有关异质性处理的策略。
我们在做meta分析前，必须要做的事有两件：A 确定文献的纳入和排除标准；B 纳入文章的质量评分，例如jadad评分、QUADAS评分等。
临床异质性、方法学异质性和统计学异质性三者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表现，反之亦然。
统计学异质性是指：不同试验间被估计的治疗效应的变异。
其实，我们可以这样理解，A“严格执行文献的纳入和排除标准”可以减少临床异质性的来源；B “纳入文章的质量评分”可以减少方法学异质性的来源。
异质性检验方法异质性检验方法主要有图示法和统计学检验。
比如，大家熟悉的森林图，森林图可显示单项研究和合并效应量及其置信区间，如果单项研究结果的置信区间有很少的重叠或者不重叠，则提示研究间可能存在异质性。
如图，第1项研究和第2、第4项研究的置信区间无重叠，提示研究间可能存在异质性。
统计学异质性的六种检验方法，三种是检验，三种图示，即Q统计量、I2统计量、H统计量、Galbraith图法、L’Abbe图、漏斗图）。
收藏Meta分析步骤详解，以及常见问题解析（二）
收藏Meta分析步骤详解，以及常见问题解析（二）前几日的《收藏|Meta分析步骤详解，以及常见问题解析（一）》中已经介绍了Meta分析步骤中的前三步：选题和立意、文献检索、对文献的质量评价和数据收集。
今天我们继续第三步，从统计分析的指标开始讲起：统计分析的指标（一）、异质性检验1检验原理：meta 分析的原理首先是假定各个不同研究都是来自非同一个总体(H0:各个不同样本来自不同总体，存在异质性,备择假设H1，如果p>0.1，拒绝H0, 接受H1,，即来自同一总体)这样就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,就是要符合同质性,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。
2分类：异质性检验，包括三个方面：临床异质性，统计学异质性和方法学异质性，作meta分析首先应当保证临床同质性，比如研究的设计类型、实验目的、干预措施等相同，否则就要进入亚组分析，或者取消合并，在满足临床同质性的前提下（非常重要，不能一味追求统计学同质性，首先考虑专业和临床同质性），我们进一步观测统计学同质性。
临床异质性较大时不能行meta分析，随机效应模型也不行。
只能行描述性系统综述（systemic reviews,SR）或分成亚组消除临床异质性.解决临床异质后再考虑统计学异质性的问题。
如果各个文献研究间结果不存在异质性（p>0.1），选用固定效应模型（fixed model），这时其实选用随即效应模型的结果与固定效应模型相同；如果不符合同质性要求，即异质性检验有显著性意义(p<>此外，这里要说明的是，采用的模型不同，和合并效应值的方法不同，都会导致异质性检验P值存在变动,这个可以从算法原理上证明,不过P值变动不会很大，一般在小数点后第三位的改变。
异质性检验的Q 值在固定模型中采用倒方差法和Mantel-haenszel法中也会不同。
meta分析中异质性检验浅析
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?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。
异质性及其衡量
1、异质性不可避免的纳入同一meta分析的所有研究都存在差异，我们将meta 分析中不同研究间的各种变异，称之为异质性。
异质性指的是一系列研究中效应量的变异程度。
This statistic tests whether the effects found by the different studies are caused by a sampling error or by a systematic difference between the studies in addition to a sampling error.异质性检验的是通过不同研究得出的结果是由于采样误差引起的还是除了采样误差以外，不同研究间的系统差异引起的。
进行异质性检验以确定效应量大小分布的一致性。
有可能是效应量的真实异质性也有可能是有的研究有错误。
The most common means of testing heterogeneity and determining whether theheterogeneity is statistically signifificant is the Q (df) statistic based on the χ2test测试异质性和确定异质性是否具有统计学意义的最常用的方法是基于χ2检验的Q值异质性的分类：临床异质性、统计学异质性、方法学异质性2、衡量异质性的指标统计法：异质性检验（I2检验，Q检验、H检验）、统计合并效应量图示法：森林图一个有用的定量衡量异质性的指标是I2，I2= [(Q –df)/Q] x 100%，此处的Q是卡方检验的统计值，df 是其自由度，这个I2值代表了由于异质性而不是抽样误差（机会）导致的效应占总效应估计值的百分率。
I2值大于50％时，可以认为有明显的异质性。
3、相对危险度和比值比的森林图相对危险度(relative risk,RR)、比值比(odds ration,OR)。
Meta分析中的异质性及其处理方法
• 1115 •© 2009 中国循证医学杂志编辑部C JEBMMeta分析中的异质性及其处理方法王 丹1 翟俊霞2 牟振云3,* 宗红侠1 赵晓东2 王学义4 顾 平51. 河北医科大学图书馆（石家庄 050017）；2. 河北省医学情报研究所（石家庄 050021）；3. 河北医科大学公共卫生学院流行病与卫生统计教研室（石家庄 050017）；4. 河北医科大学第一医院精神卫生研究所（石家庄 050031）；5.河北医科大学第一医院神经内科（石家庄 050031）摘要 介绍Meta 分析中异质性研究，包括Meta 分析中异质性的定义，并将异质性分为临床异质性、方法学异质性、统计学异质性三类，介绍减少纳入临床异质性和方法学异质性研究的措施，统计学异质性的五种检验方法（Q 统计量、I 2统计量、H 统计量、Galbraith 图法、L’Abbe 图）、实例分析及适用情况。
根据异质性的有无将Meta 分析分为探索型Meta 分析和分析型Meta 分析，存在异质性时可采取的措施及其流程图。
关键词 Meta 分析；异质性；分类；检验方法；措施Discussing on the Research of Heterogeneity in Meta-analysisWANG Dan 1, ZHAI Jun-xia 2, MOU Zhen-yun 3,*, ZONG Hong-xia 1, ZHAO Xiao-dong 2, WANG Xue-yi 4, Gu Ping 51. Library of Hebei Medical University, Shijiazhuang 050017, China;2. Hebei Institute of Medical Information, Shijiazhuang 050021, China;3. Department of Epidemiology and Health Statistics, School of Public Health, Hebei Medical University, Shijiazhuang 050017, China;4. Mental Health Center, The First Hospital, Hebei Medical University, Shijiazhuang 050031, China;5. Department of Neurology, The First Hospital, Hebei Medical University, Shijiazhuang 050031, ChinaAbstract This paper is to discuss the research of heterogeneity in Meta-analysis, including the defi nition of the heterogeneity in Meta-analysis and classifi cation it into clinical heterogeneity, methodological heterogeneity and statistical heterogeneity, the strategies for diminishing clinical heterogeneity and methodological heterogeneity, the fi ve testing methods in statistical heterogeneity (Q statistic, I 2 statistic, H statistic, Galbraith plot and L’Abbe plot) and the examples and applying conditions of the fi ve testing methods, classifi cation of meta-analysis into exploratory meta-analysis and analytic meta-analysis according if the meta-analysis has heterogeneity, and the strategies and the fl owchart when existing the heterogeneity in meta-analysis.Key words Meta-analysis; Heterogeneity; Classifi cation; Testing methods; Strategies基金项目：河北省2007年医学科学研究重点课题计划指令性课题（07025）。
Meta分析的结果解释
考虑研究间的异质性
异质性来源：研究 设计、样本选择、 测量方法等
异质性影响：可能 导致Met分析结果 不准确
异质性处理：采用 敏感性分析、亚组 分析等方法
异质性报告：在 Met分析报告中明 确指出异质性来源 和处理方法
注意潜在的发表偏倚和偏差
发表偏倚：由于某 些原因某些研究结 果更容易被发表导 致结果偏向某一方
间接比较的缺点：可能存在偏倚需 要谨慎使用
添加标题
添加标题
添加标题
添加标题
间接比较的优点：可以比较不同研 究设计、不同样本量、不同研究结 果的研究
间接比较的应用：在Met分析中当 直接比较不可行时可以使用间接比 较进行解释
综合评价
评价方法：采用定性和定量 相结合的方法如专家评分、 统计分析等
评价指标：包括研究质量、 研究设计、研究结果等
性
公共卫生政策 制定：Met分 析结果可以为 公共卫生政策 的制定提供科
学依据
科研设计
研究问题：确定研究问题明确研究目的
研究方法：选择合适的研究方法如问卷调 查、实验研究等
数据收集：收集相关数据包括文献、实验 数据等
数据分析：使用Met分析方法对数据进行 分析得出结论
结果解释：根据Met分析结果解释研究问 题提出建议或结论
添加标题
添加标题
添加标题
添加标题
异质性检验的方法：包括Q检验、 I2检验等
异质性检验的影响：影响Met分析 结果的可靠性和准确性
敏感性分析
目的：评估 Met分析结果 的稳定性和可
靠性
方法：改变研 究设计、纳入 标准、排除标 准等参数重新 进行Met分析
结果：观察 Met分析结果
的变化情况
临床试验Meta分析中的异质性评价研究
为复杂, 它是标准化估计值与标准误倒
数所做的散点图可以探讨异质性及其每
个研究在总体估计中的贡献大小。
( 4) L. Abbe 图: 根 据每 个研 究的
干预组事件发生率相对于对照组事件发
生率做图, 若研究结果同质, 则所有点
呈线性分布, 若偏离该线过远, 则表明
该研究结果为异常。
11113 Q 统 计 量检 验 法: 其 无 效 假设
Key wor ds: Meta- analysis; Heterogeneity (Received dat e: 2000- 03- 30)
Meta 分析, 又称荟萃分析, 是汇总
多个研究结果而进行总体效应评价的一
种分析方法。该法涉及到多个研究结果
间效应合并, 可以认为是一种变相增大
了样 本 含量, 从 而增 大 检 验 效能 的 方
表 11 某妇科肿瘤患者化疗前 的血红蛋白值 ( g/ L)
组别
甲组 乙组 丙组 合计
例数
37 51 30 118
均数
108108 111163 113150 110199
标准差
20105 20167 14104 18196
此例是 三组的成 组设计, 若 要比较 三组有无差 别时, 应使 用方 差分析 或三 组的秩和检验, 若有统计学意义后, 再进 行方差分析 或秩和 检验 的两 两比较, 而 不能简 单地 使 用 三 个 t 检 验 来 进 行比 较。
Meta分析中异质性的识别与处理
第二军医大学学报Acad J Sec Mil Med Univ 2006Apr ;27(4)・449 ・・学术园地・Meta 分析中异质性的识别与处理The identif ication and solution of heterogeneity in Meta 2analysis魏丽娟,董惠娟(第二军医大学研究生管理大队,上海200433)[摘要] 异质性评价是Meta 分析中必须要进行的一项工作,对于保证Meta 分析的质量具有重要的意义。
本文介绍了异质性含义、来源和检验方法,重点讨论了异质性的处理方法。
[关键词] Meta 分析;异质性检验[中图分类号] R 195.1 [文献标识码] B [文章编号] 02582879X (2006)0420449202[作者简介] 魏丽娟,本科在读.E 2mail :feiyangstudent @hot Meta 分析(Meta 2analysis )是对具有相同研究内容、目的、类型的多个医学研究进行综合分析的一种方法。
通过Meta 分析,可以达到增大样本含量从而增大检验效能的目的,其结果作为最佳的证据,在卫生决策和临床实践中发挥了越来越大的作用。
异质性评价是保证Meta 质量的一个重要步骤,其与效应量合并同样重要。
然而异质性评价的重要性并未引起国内研究者的充分重视,为此本文就异质性含义、来源、检验方法及其处理作一讨论。
1 异质性的含义及其来源 由于纳入同一个Meta 分析的所有研究都存在差异,因此我们将Meta 分析中不同研究间的各种变异,称之为异质性[1]。
这些变异主要是研究对象、研究设计、干预措施、结果测量上的变异。
Meta 分析效应合并时的变异来源有两类[2]:一类是研究内变异,即使两个研究的总体效应完全相同,不同的研究由于样本含量不同,样本内的各观察单位可能存在差异,可得到不同的结果,但与实际效应相差不会很大。
当样本含量较大时,抽样误差相对较小。
meta-analysis data analysis
meta-analysis data analysis标题：Meta-Analysis数据分析Meta-Analysis，又称为元分析，是一种通过综合多个研究结果来得出总体结论的统计方法。
它在处理样本量小、异质性高的问题时具有明显的优势，能够为研究者提供更加精确的统计结论。
因此，对于元分析的数据分析显得尤为重要。
一、数据清洗与预处理在开始元分析之前，首先要对原始数据进行分析和处理。
主要包括缺失值处理、异常值处理、数据一致性检查等。
例如，对于一些缺失的数据，可以考虑使用插值或估计等方法进行填补；对于明显异常的数据点，可能需要剔除或替换。
这一步的目标是确保数据的完整性和准确性，为后续的分析打下基础。
二、异质性分析元分析的主要优势在于处理异质性问题。
然而，如果不同研究之间的异质性过大，可能会影响最终的统计效果。
因此，在进行分析之前，需要对异质性进行评估。
常用的异质性评估方法包括I2指数、Q 统计量等。
如果异质性过大，可以考虑进行亚组分析、排除研究等方法来减小异质性。
三、统计方法选择在确定了数据的清洗和预处理以及异质性之后，需要选择合适的统计方法进行分析。
一般来说，元分析常用的统计方法包括合并效应量、随机效应模型、固定效应模型等。
选择哪种模型需要根据研究的设计、数据的特点以及预期的结论来决定。
一般来说，如果研究之间的同质性较高，可以选择固定效应模型；如果研究之间的异质性较大，可以考虑使用随机效应模型。
四、效应量合成在确定了统计方法之后，需要对各个研究的结果进行合成。
这通常需要使用一些统计软件，如RevMan、Stata等。
在合成效应量时，需要考虑研究的设计、样本量、测量工具等因素对结果的影响，以确保合成结果的准确性。
五、结果解读与结论总结最后，需要对合成后的结果进行解读，并得出结论。
一般来说，如果合成后的效应量在统计上是显著的，并且具有较高的效应强度，那么可以认为元分析的结果是有意义的。
同时，还需要考虑研究的设计和方法学特点对结果的影响，以及结果的适用范围和局限性。
第五讲 Meta-分析简介
临床意义
若95%可信区间横线不与无效线相交，且落在 无效线左侧 若所研究的事件是不利事件，试验因素为有 益因素（保护因素） 若所研究的事件是有益事件，试验因素为有 害因素（危险因素）
实例一：分类变量的森林图
Meta-分析结论（1）
6个研究中有4个的95%CI横线与无效竖线相交， 表明该4个研究结果均认为抗高血压药物不会减 少老年心血管疾病的病死率，另有2个研究的 95%CI横线落在无效竖线左侧，表明该2个研究认 为抗高血压药物可减少老年心血管疾病的病死率
临床意义
若95%可信区间与无效线相交，可认为试验组效 应量与对照组相等，试验因素无效。 若95%可信区间不与无效线相交，且落在无效线 右侧 若所研究的事件是不利事件（如发病、死亡 等），该试验因素为有害因素（危险因素） 若研究者所研究的事件是有益事件（如有效 、生存等）时，试验因素为有益因素（保护 因素）
统计学意义
若某研究的95﹪可信区间横线与无效线相交，即 该研究无统计学意义；反之，若横线落在无效线 的左侧或右侧，该研究有统计学意义。 当某研究95%可信区间横线不与无效线相交，且 落在无效线右侧，试验组效应量大于对照组。 当某研究95%可信区间横线不与无效线相交，且 落在无效线左侧，试验组效应量小于对照组。
若异质性检验有统计学意义，则可进 2 一步计算I （I？）指数 在Revman软件中，I2可用于衡量多个研 究结果间异质程度的大小 若I250%，则说明存在比较明显的异 质性
2、计算合并效应量
计算合并效应量的两种统计模型 固定效应模型（fixed effect model）
适用于多个研究具有同质性（无异质性）时
Stata软件在Meta分析中异质性检验的应用
ｉｎｖｅｓｔｉｇａｔｉｎｇ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｉｎ ｍｅｔａ—ａｎａｌｙｓｉｓ
点击蓝色字体ｓｂｅ２０．１进入：
·７２８·
主堡煎堑痘堂盘查！！！！生！旦箜！！鲞箜！塑垦！垫』垦￡ｉ！！垫ｉ！！！』！！！！！！！！∑！！：！！！塑！：！
ｐａｃｋａｇｅ ｓｂｅ２０—１ ｆｒｏｍ ｈｔｔｐ：／／ｗｗｗ．ｓｔａｔａ．ｃｏｍ／ｓｔｂ／ｓｔｂ５６
３．Ｈ统计量：见以下公式。
［·ｎＨ（＝Ｈ√）］高）厂ｊ｛ｓ下ＨＥ的［ｆ－ｎ９（５Ｈ％）］Ｃ＝Ｉ丢：×ｅｘ÷ｐ（；１ｎ；Ｈｉ±；ｚ；。ｇｉ．ａｄｏ和ｇａｌｂｒ．ａｄｏ软件包。 表１ 西酞普兰与阿米替林治疗老年抑郁症随机
对照试验恶心的不良反应情况
式中ｋ表示纳入Ｍｅｔａ分析的研究数，统计量Ｈ值 为１表示各研究间无异质性。一般情况下，若Ｈ＞ １．５提示研究间存在异质性，Ｈ＜１．２则提示可认为 各个研究是同质；若Ｈ值在１．２～１．５之间，当Ｈ值 的９５％ＣＪ包含１，在０．０５的检验水准下无法确定是 否存在异质性，若没包含１则可认为存在异质性‘３。。
ＳＴＢ－５６ ｓｂｅ２０ １‘‘’‘。‘‘·······。’’’’’。‘‘·····’’’’’’’’’。。＋··Ｕｐｄａｔｅ ｏｆ ｇａｌｂｒ （ｈｅｌｐ ｇａｌｂｒ ｉｆ ｉｎｓｔａｌｌｅｄ）···…………·····…………。Ａ．Ｔｏｂｉａｓ
７／１００ Ｐ．１４；ＳＴＢ Ｒｅｐｒｉｎｔｓ Ｖ０１．１０，Ｐ．７２
Ｋｅｙ ｗｏｒｄｓ：ｇａｌｂｒ Ｓｅａｒｃｈ：（１）Ｏｆｆｉｃｉａｌ ｈｅｌｐ ｆｉｌｅｓ，ＦＡＱｓ，Ｅｘａｍｐｌｅｓ，ＳＪＳ，ａｎｄ ＳＴＢｓ
（２）ｗｅｂ ｒｅｓｏｕｒｃｅｓ ｆｒｏｍ Ｓｔａｔａ ａｎｄ ｆｒｏｍ ｏｔｈｅｒ ｕｓｅｒｓ
Ｓｅａｒｃｈ ｏｆ ｏｆｆｉｃｉａｌ ｈｅｌｐ ｆｉｌｅｓ，ＦＡＱｓ，Ｅｘａｍｐｌｅｓ，ＳＪＳ，ａｎｄ ＳＴＢｓ
stata network meta analysis heterogeneity
stata network meta analysis heterogeneity 在Stata中进行网络Meta分析时，需要考虑异质性的问题。
异质性指的是不同的研究或治疗组之间存在的差异，它可能由许多因素引起，如患者的基线特征、治疗方法或研究的执行方式等。
在进行网络Meta分析时，我们需要估计这种异质性并恰当地处理它，以确保结果的准确性和可靠性。
在Stata中进行网络Meta分析时，可以使用`netgraph`命令生成网络图，以可视化不同治疗之间的比较关系。
然后，可以使用`netreg`命令进行网络Meta分析，该命令可以估计不同治疗之间的效果，并考虑异质性的影响。
要处理异质性，可以考虑以下方法：
1. 使用随机效应模型：随机效应模型可以考虑到不同研究或治疗组之间的变异，并提供一个估计的异质性范围。
2. 计算I²统计量：I²统计量是一个量化异质性的常用方法，它可以告诉我们不同研究或治疗组之间的变异程度。
3. 敏感性分析：敏感性分析可以检查异质性对结果的影响，并确定哪些因素可能导致异质性。
总之，在进行网络Meta分析时，需要考虑异质性的问题，并采取适当的方法来处理它。
这可以帮助我们获得更准确和可靠的结果，并为临床决策提供更有力的支持。
Meta分析中异质性检验peto法中I2统计量与Q检验效能
Meta分析中异质性检验peto法中I2统计量与Q检验效能
Meta分析中异质性检验的传统方法是Q检验，缺陷体现在受纳入研究数的影响明显：囊纳入的研究数较少时，其检验效能低（及时存在异质性，Q检验也可能无统计意义）；当纳入的研究数多时，即使不存在异质性，QAJ检验也可能有统计学意义。
另外Q检验法仅考虑了样本大小的贡献性，没有考虑研究质量的作用。
在Q检验的基础上，Higgins等提出了异质性定量化描述的I2统计量，定义为：
I2 =H2?1
H2?100%= Q?(K?1)
Q
100%(K表示纳入meta
分析的研究数)
其中，H = √Q
K?1
,
I2是一个衡量多个研究效应间差异程度大小的质保，描述由于研究间所致的变异（而非抽样误差所引起的变异）占总变异的百分比。
I2判定异质性划分是：I2 = 0 时，表面研究间的变异仅由于抽样误差造成；当I2 在0.25 和0.5 之间时，则认为存在中度异质性；当I2 > 0.5时将被认为存在高度异质性。
有学者认为I2统计量就是利用了自由度矫正了纳入研究数对Q值得影响，其值大小不会随研究数变化而变化，异质性检验结果也更稳健可靠。
Meta分析中的异质性检验方法
Meta分析中的异质性检验方法
何寒青;陈坤
【期刊名称】《中国卫生统计》
【年(卷),期】2006(023)006
【摘要】目的比较和探讨meta分析中异质性定量化的检验方法.方法通过比较Q检验以及H和I2统计量等方法,结合一个实例进行分析,来研究meta分析中异质性的定量化检验方法.结果 Q检验容易受到样本量变化的影响,而H和I2统计量经过对自由度的校正,不会受到文献数目变化的影响,异质性结果检验较为稳健.结论H和I2统计量计算简单,检验结果也稳定可靠,是meta分析中异质性检验和异质性来源研究中值得推广应用的方法.
【总页数】3页(P486-487,490)
【作者】何寒青;陈坤
【作者单位】浙江大学医学院流行病学与卫生统计学教研室,310031;浙江大学医学院流行病学与卫生统计学教研室,310031
【正文语种】中文
【中图分类】R1
【相关文献】
1.双变量Meta分析——评价基线危险度对Meta分析中异质性的影响 [J], 何寒青;童峰;陈坤
2.Stata在Meta分析时异质性评价中的应用 [J], 张天嵩;钟文昭;张素;李秀娟
3.Meta分析中异质性方差区间估计方法及改进 [J], 王若琦;秦超英
4.Meta分析中异质性检验方法的改进 [J], 王若琦;秦超英
5.Meta分析中的异质性及其处理方法 [J], 王丹;翟俊霞;牟振云;宗红侠;赵晓东;王学义;顾平
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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、"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、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。