|
（一）森林图怎么搞 社会在发展，科研力度不断加大，在这个大数据的面前，数据的说服力越来越大，如何能使研究项目系统化的呈现在我们面前，如此并应用而生了循证医学。说到循证医学这个“临床证据”，便不得不谈到meta分析，而如何看懂博大精深的meta分析文章？便成为了科研狗们茶余饭后的讨论对象了。现普及一下森林图这个脍炙人口的东东吧。下面分分钟教会小白读图，不外乎一条线和几个四边形。 先来张真容： 森林图（forest plot） 一、一条线--无效线 提到森林图，便不得不说三个概念RR(risk ratio,风险比,也称为相对危险度relative risk，RR）；OR（odds ratio，优势比）；RD（risk difference，风险差异）。不急，一图见分晓，公式走天下。 RR= a/(a+b)÷c/(c+d)就是试验组事件发生率与对照组事件发生率的比值。无效线为1。结果小于1，可信区间也小于1，图像在无效线左侧，证明实验组发生率低于对照组发生率，研究事件为有利事件，如药物有效率、表明实验组不如对照组，结果越小越差；若研究事件为不好的，如副作用、死亡、复发率等，表明实验组优于对照组，结果越小越好。结果等于1，图像与无效线相交，实验组和对照组相同，无统计学意义。结果大于1 ，可信区间也大于1，图像在无效线右侧，证明实验组发生率高于对照组发生率，研究事件为有利事件，如药物有效率、表明实验组不如对照组，结果越大越好；若研究事件为不好的，如副作用、死亡率、复发率等，表明实验组不如对照组，结果越大越坏。 OR=a/b÷c/d=ad/bc这是一个构成比，不是率。无效线为1。病例对照研究用OR值，因为病例对照得不到率的关系，只能算内部构成比。结果分析等同于RR。 RD= a/(a+b)-c/(c+d)风险差，是两个率的差值。统计疗效差别时两组疗效或风险的差别，是一个绝对的指标，RR/OR为相对的指标。无效线为0。结果为0，即可信区间跨0，图像与无效线相交，无统计学意义，实验组事件发生率和对照组事件发生率相同。结果小于0，图像在无效线左侧实验组事件发生率小于对照组事件发生率。研究若为有利事件，如有效率，则实验组不如对照组，结果越小越坏；研究事件为不好的，如副作用，则实验组副作用小于对照组，结果越小越好。同理，若结果大于0，图像在无效线右侧，实验组事件发生率大于对照组事件发生率。研究若为有利事件，如有效率，则实验组优于对照组，结果越大越好；研究事件为不好的，如副作用，则实验组副作用小于对照组，结果越大越坏。 由于资料类型不同，森林图也有小区别，如变量以及无效线的选择。 二分类变量：结果为定性资料，只有两种结果，如有效或无效。可选用OR、RR值，无效线为1。 连续性变量：结果为定量资料。在森林图中常用均数、标准差、样本数三个变量，无效线为0。 二分类变量森林图： 连续性变量森林图： 二、几个四边形 相信明眼人已经看到那个明晃晃的菱形了吧。这个形，便是森林图的核心所在，菱形对角线为RR或OR值，在菱形左右两个角分别做横坐标的垂直线，相交的两个点便是可信区间的低值与高值。菱形在左侧，实验组发生率低于对照组，菱形在右侧，实验组发生率高于对照组。具体的好还情况还是根据实验事件的有利与否来具体分析。图中竖线的左右边界同样是相对于可信区间的低值与高值。中间的方块为权重，方块越大，则代表样本量越大。 如此，是否没有想象中的困难？嗯嗯，说的对！ · END · 资料来源于网络，版权归原作者所有 如有侵权，请联系编者删除，谢谢！ |
|
|
