|
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。
更多医统内容 长按关注公众号 |
|
|
