meta分析中异质性检验浅析.pdf

MetaMeta 分析中的异质性检验分析中的异质性检验一、一、MetaMeta 分析原理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、异质性的概念二、异质性的概念广义：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。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、异质性的分类三、异质性的分类临床异质性：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。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。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、异质性检验方法四、异质性检验方法概念：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。常见方法：Q 检验（1）计算公式及解释Q=()2=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：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。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。I2 检验（1）计算公式及解释 2=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：=1H 值为 1 表示各研究间无异质性;H1。2 则认为研究同质；H1。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=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（Labbe 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 I250%且 P时，存在异质性，使用随机效应模型；当 I250%或 P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。