meta分析一般步骤

Meta分析总体可分为以下几步:

选题,文献检索、数据提取、质量评估、数据整合及结果解读。

一,选题

对一些大样本,多中心临床合作已经得到明确结论的的,没必要做meta分析。

二、文献检索

在制定文献检索策略时,总体的要求就是查全和查准。

需要考虑如下几个方面:

1.  圈定搜索数据库(外文有:MEDLINE、the Cochrane library、医学文摘、TOXLINE、OVID、EMBASE、ISI Web of Science、EBSCO等;国内有:维普全文VIP、CNKI、万方数据库)

2.  确定语言类型:包括所有英语和非英语的文献;

3. 明确需要包含的研究类型:仅包含RCT,还是病例对照试验,队列研究等。

4.  明确暴露因素/治疗方法

5.  筛选关键词:这将直接影响文献检索的准确性和敏感性,也关系到指定检索策略。

    - 关键词需要根据研究问题本身来确定;

    - 对于每一个关键词尽量包含所有可能的表述形式;

    - 可以尝试几种关键词组合以搜最合适的文献。

6.  检索获取摘要和全文:其中联系专家是一种很好的方式,不仅可以获取全文,甚至可以询问文献中的细节帮助后续使用文献。建议搜索文献引用名单,可以增加文献搜索的全面性。

 

在文献筛选过程中,首先,需要由两位研究者独立通过对文献的题目和摘要进行初筛,初筛后的文献通过阅读全文进行二次筛选,然后交叉核对筛选结果,如果有分歧则通过共同讨论决定是否纳入,必要时可有第三位研究者协助解决。如果文中信息不全或信息不清楚,与原始研究作者联系获取信息。在筛选过程中,需要记录你每个步骤的选择和排除原因。至于被排除的文章,则需要在灵敏度分析中进行分析。

 

三、数据提取

资料提取是从符合纳入要求的文献中摘录用于系统评价的数据信息,所提取信息必须是可靠、有效、无偏的。

一般提取的信息有:研究编号,发表年限,纳入研究者的一般信息,样本量,设计方法,干预/暴露因素,研究结局……例子如下

 

meta分析一般步骤_第1张图片

meta分析一般步骤_第2张图片meta分析一般步骤_第3张图片 

 

这是一项别人的研究,举例如下

 

meta分析一般步骤_第4张图片

四:纳入研究的质量评价

1. 随机对照试验的质量评价工具:

  Cochrane风险偏倚评估工具(最常用)、PEDro量表、Delphi清单、CASP清单、Jadad量表、Chalmers量表、CONSORT声明(不专用,但可以用)。

2. 观察性研究的质量评价工具:

(1)NOS量表(最常用):病例对照研究和队列研究;

(2)CASP清单:病例对照研究和队列研究;

(3)JBI标准:横断面研究;经验总结、案例分析及专家意见;

(4)AHRQ;

(5)Combie横断面研究评价工具;

(6)STROBE声明;

(7)STREGA声明。

3. 非随机对照实验性研究的质量评价工具:MINORS条目、Reisch评价工具、TREND声明。

4. 诊断性研究:QUADAS工具、CASP清单、STARD声明。

5. 动物试验:STAIR清单、CAMARADES清单、ARRIV指南。

第五步:数据整合

系统评价过程中,对上述数据进行定量统计合并的流行病学方法称为Meta分析(Meta analysis) 。Meta意思是more comprehensive,即更加全面综合。

对数据的整合分为描述性整合和定量整合:

对于描述性整合,应考虑:

•  建立干预/暴露因素是如何导致结果的假说,包括原因和适用人群;

•  初步综合纳入的研究,以文本形式或者制表和/或图形显示;

•  探讨各研究内或各研究间的关系;

•  评估证据的稳定性;

•  评估meta分析的重要性。

对于定量整合,则可以:

1. 提高了统计检验的power和精度;

2. 统计结合各研究结果给出一个“平均”干预效果的合并估计值,改进对作用效应的估计;

3. 评价结果一致性,解决单个研究间的矛盾;

4. 解决以往单个研究未明确的新问题。

那么如何进行meta分析呢?

a.异质性检验(齐性检验)

由于纳入文献存在临床异质性、方法学异质性和统计学异质性,所以在对结果数据进行统计合并之前,首先应该进行异质性检验,保证现有的各独立研究间的结果的不同仅仅是由于抽样误差造成的。否则,就要进入亚组分析,或取消合并。

  • Q检验,若同时I2<50%和P≥0.1时,纳入文献被认为是同质的,采用固定效应模型(fixed effect model)分析;反之说明研究间存在实际异质性,需要查找一致性的来源,之后采用随机效应模型(random effect model)。

  • 如果存在较大的临床异质性,那将无法进行meta分析,只能进行描述性整合。

b.统计合并效应量(加权合并,计算效应尺度及95%的置信区间)并进行统计推断

通常在考虑采用哪些效应指标(effect size)时需要考虑结局指标的类型,通常两组间比较时,如果是连续性变量用加权均数差(weighted mean difference, WMD)、标准化均数差值(standardized mean differences, SMD)表示效应大小;二分类变量则用率差(rate difference, RD)、比数比(odds ratio, OR)、相对危险度(relative risk, RR)、相对危险度降低值(relative risk reduction, RRR)等来表示效应的大小。回归系数的比较用β表示效应值的大小。

c.图示单个试验的结果和合并后的结果:森林图(Forrest plot)

 

d.敏感性分析:用来评估meta分析结果的稳定性

1)按研究质量评价标准从纳入文献中去除尚有争议的研究、排除低质量的研究、早期研究、根据研究结果的分布去掉extreme10%其他已知因素不同的研究;

2)采用不同统计方法/模型;

3)根据样本量大小进行分层分析;

4)改变纳入/排除标准时,重新对同一资料进行分析时,如果观察到合并指标点估计和区间估计的变化存在较大差异,则说明meta分析的结果不稳定。比如,当排除一篇低质量文献时,合并指标变化很大,说明该文献对合并指标敏感。

敏感性分析是必要的,无论是采用不同的统计模型或进行亚组分析,都可以帮助我们找到可能的偏倚来源,更加正确的理解获得的结论。

e.通过“失安全数”的计算或采用“倒漏斗图”对入选文献进行潜在的发表偏倚(publication bias)的评估。

 

你可能感兴趣的:(meta分析)