分享

完结篇:如何解读meta分析结果 | Meta简明教程(8)

 妙趣横生统计学 2019-12-08

Meta简明教程目录

1. 认识一下meta方法!  |  Meta简明教程(1)
2. 一文初步学会Meta文献检索 | Meta简明教程(2)
3. 如何搞定“文献筛选” | Meta简明教程(3)
4.Meta分析文献质量评价  |  Meta简明教程(4)

5.Meta分析数据提取| Meta简明教程(5)

6.一文学会revman软件| Meta简明教程(6)

7.手把手教你用Stata进行Meta分析 | Meta简明教程(7)

Meta简明教程(8)

本期是meta简明教程的最后一章,将对meta分析的结果进行解读。

meta分析结果的正确解读,有利于得到准确的结论。在meta分析结果解读时,要考虑到研究的异质性、采用的模型、选用的效应量、研究样本量、研究偏倚性等,本期将给大家介绍几类数据meta分析的森林图,漏斗图和SROC曲线。

一、二分类数据、生存-时间数据的meta分析结果


森林图

1.纳入研究个体,一般以作者和发表年份标注

2.Meta分析的分组

3.合并效应值,RR值、OR值、RD值、HR值,(Meta分析数据提取| Meta简明教程(5))已做介绍,需要根据纳入研究的设计方法,选择合适的效应指标分析

4.Meta分析模型,可分为固定效应模型和随机效应模型,根据纳入文献的异质性进行选择

5.各研究效应量及合并效应量的95%可信区间

6.纳入分析的数据和权重

7.异质性检验,p<0.05或I2>50%,认为各研究存在异质性,选用随机效应模型;P>0.05且I2<50%,不能认为各研究存在异质性,选用固定效应模型。

8.合并效应量OR值及可信区间,可信区间包含1,说明不认为两组率存在差异;可信区间不包含1,说明两组率存在差异

9.各研究及合并效应量、可信区间,横线或菱形与竖线交叉,说明研究无统计学意义;研究中间方块面积越大,说明在分析中占权重越大

二、连续型数据的meta分析结果


森林图

1.纳入研究个体,一般以作者和发表年份标注

2.Meta分析的分组

3.合并效应值,WMD、SMD值(Meta分析数据提取| Meta简明教程(5))已做介绍。当各研究单位不同时,可选用SMD合并效应量

4.Meta分析模型,可分为固定效应模型和随机效应模型,根据纳入文献的异质性进行选择

5.各研究效应量及合并效应量的95%可信区间

6.纳入分析的数据和权重

7.异质性检验,p<0.05或I2>50%,认为各研究存在异质性,选用随机效应模型;P>0.05且I2<50%,不能认为各研究存在异质性,选用固定效应模型。

8.合并效应量WMD及可信区间,可信区间包含0,说明不认为两组均数存在差异;可信区间不包含0,说明两组均数存在差异

9.纳入研究及合并效应量、可信区间,横线或菱形与竖线交叉,说明研究无统计学意义;研究中间方块面积越大,说明在分析中占权重越大

三、诊断性试验数据的meta分析结果


森林图

此图为Stata分析结果

1.纳入研究个体

2.效应指标,灵敏度及95%可信区间

3.效应指标,特异度95%可信区间

4.研究的效应值及可信区间

5.合并灵敏度及95%可信区间

6.合并特异度及95%可信区间

7.异质性检验,p<0.05或I2>50%,认为各研究存在异质性,亚组或回归分析;P>0.05且I2<50%,不能认为各研究存在异质性

8.各研究及合并效应量、可信区间图形

SROC曲线

1.各研究点值的分布,用于探讨研究是否存在阈值效应,越分散,说明各研究金标准差异性越大。显示灵敏度增加的同时特异度降低,呈曲线趋势,说明存在阈值效应,不能用合并灵敏度或特异度进行结果描述,可计算AUC描述分析结果

2.合并的灵敏度、特异度及95%可信区间。如果不存在阈值效应,可直接合并灵敏度和特异度

3.合并的曲线下面积,好的诊断试验AUC接近于1,而不佳诊断试验AUC接近于0.5

四、漏斗图

是判断发表偏倚重要的依据,肉眼观察纳入研究在合并效应量是否对称。如果存在发表偏倚,漏斗图不对称;如果无发表偏倚,各研究对称分布。但值得注意的小样本的、低质量、研究的异质性均会导致漏斗图的不对称性。

1.横坐标,效应量

2.纵坐标,效应量对数标准误

3.合并效应量

4.研究样本量小,分布在漏斗图的底部,向周围分散的研究

5.样本量大,分布在漏斗图的顶部,向中间集中的研究

五、总结

要对meta分析结果进行解读,首先可以通过森林图查看纳入研究的异质性,其次选择合适的模型进行分析,然后根据合并效应量、可信区间得出meta分析的结论,最后利用漏斗图判断是否存在发表偏倚。通过上述步骤,可以让大家从不同角度对meta分析结果进行解释,得到一个准确的结论。

meta简明教程就到本期结束了,后续将继续给大家介绍在meta分析中碰到的具体问题,感谢大家一直以来的阅读和关注。

    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