meta分析的分類簡介(學習記錄)

今天學習了meta分析的分類,做了一些筆記,記錄于此。

meta分析是什么?

證據(jù)是循證醫(yī)學 (Evidence-based Medcine,EBM) 的核心,基于隨機對照試驗(RCT)的系統(tǒng)評價/Meta分析是當前公認的最高級別證據(jù)。

自 Archie Cochrane 奠定“循證醫(yī)學”思想以來,Meta分析已成為臨床證據(jù)的重要來源之一。Meta分析只有真正走向臨床并正確的使用,才能體現(xiàn)其價值,而當前Meta分析的應用較少。

一般認為,Meta分析是對以往的研究結果進行系統(tǒng)定量綜合的統(tǒng)計學方法。

meta分析的有哪些

  1. 單組率的meta分析
  2. 單純P值得meta分析
  3. meta回歸分析
  4. 累積meta分析
  5. 間接比較的meta分析
  6. 診斷性meta分析
  7. 個體數(shù)據(jù)meta分析
  8. 前瞻性meta分析
  9. 常規(guī)meta分析
  10. 其他類型meta分析

1. 單組率的meta分析

它只提供了一組人群的總人數(shù)和事件發(fā)生人數(shù),基于的原始研究為橫斷面研究(cross-sectional study)

最難的就是控制異質性進行亞組分析和 Meta 回歸分析是其重要的處理方法

常用的方法有以下幾種:

  • 加權計算
  • 直接等權相加
  • 調整后再等權相加

2. 單純P值得meta分析

存在以下不足:

不同研究未能根據(jù)研究特點進行加權;
無法獲知事件的發(fā)生信息,故無法得出有任何臨床意義的信息;
無法分析兩個結論相反的研究;
無法進一步評價研究之間的差異。

因此,單純行 P 值的 Meta 分析是不推薦的。

3. meta回歸分析

Meta 回歸(meta-regression) 分析可評價研究間異質性的大小及來源。

Meta回歸分析是亞組分析的一種擴大,主要通過對多因素的效應量進行聯(lián)合分析實現(xiàn),僅當Meta分析納入的研究數(shù)量在10個以上時才行此分析。

4. 累積meta分析

指將研究資料作為一個連續(xù)的統(tǒng)一體,按研究開展的時間順序及時將新出現(xiàn)的研究納入原有Meta分析的一種方法。

因此,Meta分析每次研究加入后均重復一次Meta分析,可以反映研究結果的動態(tài)變化趨勢及各研究對結果的影響,也有助于盡早發(fā)現(xiàn)有統(tǒng)計學意義的干預措施。

5. 間接比較的meta分析

在臨床實踐中,經(jīng)常會碰到?jīng)]有直接比較的證據(jù)或者需要從眾多干預措施中選擇對患者最佳的措施,此時,研究者往往會從RCT中尋找間接證據(jù),這就形成了間接比較的Meta分析或多種干預措施比較的Meta分析(網(wǎng)狀Meta分析)。

5.1 兩因素間接比較

若想比較兩種干預措施A與B的效果,但當前沒有兩者的直接比較的RCT,卻有兩者同干預措施C的比較,此時,可以將C作為公共比較組,借助間接比較的方法得出A與B的效果。

5.2 網(wǎng)狀meta分析

將間接比較和直接比較的證據(jù)進行合并,即行網(wǎng)狀Meta分析(network meta-analysis)。

行網(wǎng)狀Meta分析首要的是構造一個等級模型

以處理抽樣變異、治療異質性及研究治療比較間的不一致性,并提 供模型的最大似然比。

主要的方法有經(jīng)典的頻率學法和貝葉斯法。

6. 診斷性meta分析

因地區(qū)、個體、診斷方法及條件的差異,使得發(fā)表的關于同一診斷方法的研究結果存在著不同甚至是矛盾的; 且隨著新技術的不斷走向臨床,選擇也愈來愈多。 診斷性meta分析是近年出現(xiàn)的,為“診斷試驗準確性研究的報告規(guī)范(STARD)”指導小組和“Cochrane協(xié)作網(wǎng)”所推薦。

診斷性Meta分析主要是為評價某種診斷措施對目標疾病的準確率,多為對目標疾病的敏感性、特異性進行評價,報道似然比、診斷比值比等。

*若是為了評價某種診斷措施對目標疾病的診斷價值,則一般納入的應為病例對照研究,對照 組多為健康人群; *
若是為評價運用診斷措施后對患者的治療效果或預后效果的改善作用,則納入的原始研究應為 RCT。

7. 個體數(shù)據(jù)meta分析

不是直接利用已經(jīng)發(fā)表的研究結果總結數(shù)據(jù)進行Meta分析,而是通過從原始研究作者那里獲取每個參與者的原始數(shù)據(jù),并對這些數(shù)據(jù)進行Meta分析。

能夠最大限度的納入未發(fā)表的試驗或灰色數(shù)據(jù)
能夠進行時間-事件分析
能夠更新長期隨訪的數(shù)據(jù)
能夠進行更復雜的多變量統(tǒng)計分析
但耗費大量時間、資源等是其最大的缺陷

目前,建立在個體數(shù)據(jù)(IPD)基礎上的Meta分析被稱為系統(tǒng)評價的金標準。

8. 前瞻性meta分析

指在RCT的結果尚未出來之前,先進行系統(tǒng)檢索、評價和制定納入及排除標準的一種Meta分析。

可以避免各研究間出現(xiàn)較大的差異,同時具有個體數(shù)據(jù)Meta分析的優(yōu)點。
但成本非常高、操作困難且需要耗費大量的時間。

9. 常規(guī)meta分析

常規(guī)Meta分析主要基于有對照組的直接比較的研究,最常見的是基于RCT的干預性Meta分析,此外,還有預后研究、動物實驗、病因研究、基因多態(tài)性等的Meta分析。基于的原始研究類型還有隊列研究、病例對照研究、群隨機對照試驗、自身對照試驗等。

10. 其他類型meta分析

不良反應的Meta分析
患者報告結局的Meta分析
成本-效果/效用/效益的Meta分析
全基因組關聯(lián)研究的Meta分析
Meta分析的匯總分析


結語:高質量的證據(jù)是循證醫(yī)學實踐取得成功的重要支撐,高質量的Meta分析則是其重要的保障。

參考文獻:曾憲濤, 冷衛(wèi)東, 郭毅,等. Meta分析系列之一:Meta分析的類型[J]. 中國循證心血管醫(yī)學雜志, 2012, 04(1):3-5.

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發(fā)布,文章內容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,546評論 6 533
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,570評論 3 418
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,505評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,017評論 1 313
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,786評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,219評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,287評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,438評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,971評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,796評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,995評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,540評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,230評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,662評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,918評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,697評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,991評論 2 374

推薦閱讀更多精彩內容