敏感性分析的主要方式有:改变纳入标准(特别是尚有争议的研究)、排除低质量的研究、采用不同统计方法/模型分析同一资料等。例如在排除某个低质量研究后,重新估计合并效应量,并与未排除前的Meta分析结果进行比较,探讨该研究对合并效应量影响程度及结果稳健性。若排除后结果未发生大的变化,说明敏感性低,结果较为稳健可信;相反,若排除后得到差别较大甚至截然相反结论,说明敏感性较高,结果的稳健性较低,在解释结果和下结论的时候应非常慎重,提示存在与干预措施效果相关的、重要的、潜在的偏倚因素,需进一步明确争议的来源。
其实常用的就是选择不同的统计模型或进行亚组分析,并探讨可能的偏倚来源,慎重下结论。
|
熊国斌 编辑于 2006-08-04 09:06
|
|
zjgyr 谢谢!这么一解释明白了许多,想再问一下熊老师,是否每个分析都要做敏感性分析?先谢了.
不用谢,更不要叫我熊老师,版里高手如云,共同学习哈! 如果一组研究之间存在明显的异质性,则应该从多个方面如研究对象特征、干预措施的变异程度等探讨异质性存在的原因,必要时需进行敏感性分析或亚组分析以解释异质性。 亚组分析通常是指针对研究对象的某一特征如性别、年龄段,或疾病的亚型等进行的分析,以探讨这些因素对总效应的影响及影响程度。 而敏感性分析主要针对研究特征或类型如方法学质量,通过排除某些低质量的研究、或非盲法的研究以探讨对总效应的影响。
|
|
|
敏感性分析的主要方式有:改变纳入标准(特别是尚有争议的研究)、排除低质量的研究、采用不同统计方法/模型分析同一资料等。例如在排除某个低质量研究后,重新估计合并效应量,并与未排除前的Meta分析结果进行比较,探讨该研究对合并效应量影响程度及结果稳健性。若排除后结果未发生大的变化,说明敏感性低,结果较为稳健可信;相反,若排除后得到差别较大甚至截然相反结论,说明敏感性较高,结果的稳健性较低,在解释结果和下结论的时候应非常慎重,提示存在与干预措施效果相关的、重要的、潜在的偏倚因素,需进一步明确争议的来源。
其实常用的就是选择不同的统计模型或进行亚组分析,并探讨可能的偏倚来源,慎重下结论。
|
熊国斌 编辑于 2006-08-04 09:06
|
楼主
|
谢谢!这么一解释明白了许多,想再问一下熊老师,是否每个分析都要做敏感性分析?先谢了.
|
|
|
zjgyr 谢谢!这么一解释明白了许多,想再问一下熊老师,是否每个分析都要做敏感性分析?先谢了.
不用谢,更不要叫我熊老师,版里高手如云,共同学习哈! 如果一组研究之间存在明显的异质性,则应该从多个方面如研究对象特征、干预措施的变异程度等探讨异质性存在的原因,必要时需进行敏感性分析或亚组分析以解释异质性。 亚组分析通常是指针对研究对象的某一特征如性别、年龄段,或疾病的亚型等进行的分析,以探讨这些因素对总效应的影响及影响程度。 而敏感性分析主要针对研究特征或类型如方法学质量,通过排除某些低质量的研究、或非盲法的研究以探讨对总效应的影响。
|
|
|
zjgyr 看了很多文章,一直不太明白敏感性分析如何做,有那位高台能说说基本思想与步骤吗?先谢过了!
建议可以看看王吉耀主编、科学出版社出版的《循证医学与临床实践》,现在已有第二版,这本书写得不错,比几个版本的《循证医学》更有实用性(个人观点) 当然可以配合着这些书一起!
|
|
楼主
|
|
|
展开引用 熊国斌 敏感性分析的主要方式有:改变纳入标准(特别是尚有争议的研究)、排除低质量的研究、采用不同统计方法/模型分析同一资料等。例如在排除某个低质量研究后,重新估计合并效应量,并与未排除前的Meta分析结果进行比较,探讨该研究对合并效应量影响程度及结果稳健性。若排除后结果未发生大的变化,说明敏感性低,结果较为稳健可信;相反,若排除后得到差别较大甚至截然相反结论,说明敏感性较高,结果的稳健性较低,在解释结果和下结论的时候应非常慎重,提示存在与干预措施效果相关的、重要的、潜在的偏倚因素,需进一步明确争议的来源。
其实常用的就是选择不同的统计模型或进行亚组分析,并探讨可能的偏倚来源,慎重下结论。
想问一下,我可以通过每个研究的95%CI来判文献的质量的好坏,进而决定排除与否吗?(95%CI较宽的就排除)
|
|
|
求教,比如,我发现疾病活动是一个很大的异质性来源,于是分为A subgroup 和B subgroup, 那么敏感性分析的时候是对整个进行分析,还是在A subgroup 和B subgroup 分别进行敏感性分析。
|
|
|