分享

网状meta分析结果解读

 微笑如酒 2018-06-19


       最近给网友做了很多网状meta分析及网状meta分析的培训,由于该方法与普通meta分析有很大的不同,结果丰富复杂,常常需要借助可视化手段进行解读。本文就stata的计算结果做一个简单的解读,如有不对,欢迎批评指正!

01

网状关系图

网状关系图是用来表示各种干预措施之间关系的最直观的可视化,简直是网状meta分析的标配。在网状关系图中,我们可以改变点的大小,线的粗细,线的颜色等。从下面这个网状关系图可以看出,一共有7个干预措施纳入,形成了多个闭合环。Placebo的节点最大,说明其样本量最多,DDP-4inhibitor与sulfonylurea比较的研究最多,线段最粗。当然,还可以看出不同颜色表示纳入研究质量不同,这里分为高、中、低三个层次,分别用不同颜色表示。

stata的网状关系图

相比于stata,R的网状关系图风格不太一样,基本解读类似于stata,不再重复,不同的是多了一个阴影面积,表示他们之间为多臂研究。

R的网状关系图


02

贡献图-stata的特色图

网状meta分析中的不同的直接比较对网状meta分析的结果的影响不同,因此有时候需要评估不同直接比较对网状meta分析结果的影响,并找出影响网状meta分析合并结果最多的直接比较。例如,当评估网状meta分析真实性的时候,就需要评估风险偏倚对网状meta分析结果的影响。高风险偏倚且对网状meta分析高贡献的直接比较结果可能会影响网状meta分析的合并结果。由于网状meta分析的合并结果来自于间接比较和直接比较,那么这部分直接比较结果,也可能影响临近对比措施的网状meta分析结果,进而会影响整个网状meta分析的结果。但是高风险偏倚且对网状meta分析低贡献的直接比较结果影响网状meta分析的程度就较低。因此就需要评估不同直接比较对网状meta分析结果以及整个网络网状meta分析结果的影响。该图行为直接比较,列为间接比较结果,矩阵形成的是不同对照措施直接比较结果对不同对照措施的网状meta分析结果的影响程度。比如18.0表示治疗措施01对比治疗措施03的直接比较结果对该合并结果(网状meta分析结果)的影响程度,同理,54.2就是混合比较,24.3就是间接比较。

stata贡献图1

当然,这样的可视化并不是没有缺点,单纳入的研究干预措施太多时,就会出现图片重叠现象,且贡献值越大,阴影就会越大,很容易就会粘在一起,使得图片的美观大打折扣。幸好还有条形图可以解决这个问题。该图解读方法和以上一样,不再重复。

stata贡献图2


03

不一致性检验

 


不一致性是指网状meta分析中直接证据和间接证据存在差异,这会影响网状meta分析的真实性,因此需要在进行网状meta分析时进行检测,并分析不一致性的产生原因。对于三个治疗措施形成的闭合环,就可以直接比较直接证据和间接证据之间的不一致性。对于四个研究形成的闭合环,可以分割成两个闭合的三角形环,进而分析直接证据和间接证据之间的不一致性。在每一个闭合环里面,可以计算直接证据与间接证据间的绝对差异,我们用不一致性因子表示(IF),那么对于不一致性因子就存在95%的可信区间和Z检验。

IF=log(RR直接-RR间接)=log(RoR)

若IF接近0或者RoR接近1,就说明直接证据和间接证据非常一致。下图接近于1,说明不存在不一致性。

当然,不一致性检验不仅仅用这种方法,实际上还有另外一种方法—节点分析。即对网状meta分析的每一个节点进行分析,比较直接比较和间接比较的差异,应用统计推断的方法,看两者有没有差异,假如有差异说明有不一致的情况存在,需要用不一致模型拟合。假如没差异,说明不存在不一致性,用一致性模型拟合。从图中可以看出,P均大于0.05,说明不存在不一致的情况。



04

发表偏倚检测

  


发表偏倚检测实际上是和传统meta分析一致的,主要靠漏斗图来实现。解读方法看是否对称,是一个主观判断。

stata漏斗图



05

森林图

 


森林图是meta分析的标配,在网状meta中也是一样的,如图所示,森林图给出了各干预措施比较的效应量及95%可信区间,当然,也给出了预测区间。这些都和传统meta分析一样的,所不同的是,传统meta分析给出的是每一篇的效应量和95%可信区间,而这里给出的是网状meta分析的最后结果。

stata森林图1

这里也存在一个问题,单干预措施很多的情况下,这样的森林图就会重叠,只能通过缩小字体来实现,但是字体太小反而不容易分辨。这时,我们可以采用另外一个方法来展示我们的结果。该图可以看出,蓝色的为每一篇的效应量和可信区间,红色的为网状meta分析的效应量和可信区间。但是该图未给出具体的数值,需要具体数值时,还要看数字化报告结果。


06

排序图

  


对干预措施的优劣进行排序是网状meta分析的一大特色,也是一个主要的优势。目前排序的方法比较多,最常用的有SUCRA法和P得分法,其中,SUCRA法是最为常用的。下图为曲线下面积图,曲线下面积越大,为最佳干预措施的可能性越大。

亦可以把预测概率也画进去,解读方法基本一致。

也可以用多维尺度(MDS)的方法排序。

我们在做排序的时候,常常会发现,如一种药物,不仅要考虑其疗效,还要考虑其副作用,这样的综合排序应该怎么办呢,多维尺度聚类似乎是一个很好的方法。

最后,如果你是偏爱条形图的话,也可以用条形图进行排序的可视化。

异次元点评

stata是meta分析的神器,网状meta分析亦能快速制作,其结果丰满,有一整套可视化程序。相对的,R也有一整套meta分析程序,将在以后的文章中逐一解读。

医统界

更多医统内容

长按关注公众号


专业统计分析
您身边的统计帮手!~













    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多