Meta分析数据提取| Meta简明教程（5）

Meta简明教程目录

Meta简明教程（5）

当筛选确定纳入文献时，就需要你有福尔摩思一样的、敏锐的洞察力，通过观察、描述，捕捉到容易被忽略掉的蛛丝马迹，然后顺藤摸瓜，对数据进行转化，开展meta分析。

在深入分析纳入文献时，你需要搜集如下数据内容：

研究的一般资料：作者、年代、地域、文献来源等（目的：可用于寻找各研究异质性原因）

研究的特征：样本量、性别、年龄、疾病分型等（目的：可用于寻找各研究异质性原因、进行敏感性分析）

结局效应数据：二分类数据、连续性数据、有序数据、单样本率、时间-事件数据（用于结局效应的合并）

原始研究方法学：随机化、盲法、失访等（用于文献的质量评价）

一、研究一般资料

有人可能认为研究的一般资料只是用于识别文献，其实，作者、发表时间、研究地点等相关信息均属于研究特征，都可以进行统计分析。

例“BCG疫苗预防结核病”，收集到13个研究

在进行数据合并时，可以按年份或地区分别进行合并分析，寻找各文献之间的差异性是否与年份、地区因素有关。

按地区进行亚组分析，可以发现中纬度的研究结果较为相似

二、研究的特征

样本量、性别、年龄、疾病分型等特征。样本量可用于分析各文献在合并效应里所占的权重，研究特征也可以作为因素，对不同特征进行结局效应量的合并，从不同角度对meta的结果进行解读。

从年龄角度进行结果效应合并

从不同的给药方式进行结果效应合并

不同性别结果效应合并

三、结局效应提取

Meta分析的基本目的就是对结局效应的估计及可信区间的计算， 这部分结局效应的提取也是meta分析的核心。下面介绍二分类数据、连续型数据、诊断性实验数据、生存-时间数据在原文献中的表现形式，提取数据的形式及结果分析指标。

1.  二分类数据提取

这类数据在meta分析中最为常见，常用OR值、RR值进行合并效应量的描述。

a.原研究数据形式

研究中(特别是RCT)通常以两组发生事件数和未发生事件数来表示

b.数据提取形式

数据提取较为简单，只要找到各组的事件发生数和总人数

c.合并效应量计算

通过以上收集到的数据，根据这些数据可以计算出RR、OR或RD，最终计算合并效应量（合并RR、OR或RD）

RR:干预组结局发生的频率除以对照组结局发生的频率（RCT、队列、横断面研究）

OR:在病例组中暴露的可能性除以对照组中暴露的可能性（病例对照、横断面研究）

RD:干预组和对照组结局发生频率的差值（RCT、队列、横断面研究）

2. 连续型数据

这类数据在meta分析中也比较常见，常用 WMD、SMD进行合并效应量的描述。

a.原研究数据形式

b.数据提取形式

数据提取主要有各组总样本量、均数、标准差

c.合并效应量计算

通过以上收集到的数据，根据这些数据可以计算两组差值，最终计算合并效应量（WMD、SMD）

WMD:两组均数的差值，各研究结局指标单位相同时应用

SMD:两组均数差值除以合并标准差，消除单位不同对结局的影响，经过标准化，可用于比较，但对SMD的结果解释要慎重

差值合并：

标化差值合并

3.   诊断性试验数据提取

这类数据的提取和上面两种有明显区别，常用诊断比值比（DOR）反应诊断的准确性。

a.原研究数据形式

诊断性试验数据包括真阳性（TP）、假阳性(FP)、假阴性(FN)、真阴性(TN)

的例数。

b.   数据提取形式

主要提取诊断试验阳性(上图a),金标准阳性数（上图a+c），诊断试验阳性(上图b), 金标准阳性数（上图b+d）

c.合并效应量计算

根据收集的数据，计算诊断比值比（DOR），它是诊断性试验meta分析中是一个常用的综合评价指标。它将灵敏度和特异度、阳性似然比和阴性似然比等指标融入一个指标中，用来说明某种试验阳性结果的机会是阴性结果的倍数。其公式为：DOR=+LR（阳性似然比）/-LR（阴性似然比）=ad/bc

其结果输出和二分类的数据一致

另外，还可以分析阳性似然比、阴性似然比、绘制HSROC曲线，后续将依次给大家介绍。

4.   生存-时间数据提取

生存-时间数据是时间相关事件的一类数据，既能反应事件发生状态，也能反映这一结果经历的时间。这一类数据的特点是会出现删失数据，一般我们会用风险比（HR）来描述这一类数据。

a.原研究生存时间数据形式

b.数据提取形式

如果有提供事件和时间，可利用cox回归计算对数log[HR] 及其标准误（SE），不过一般研究都会列出风险比（HR）及可信区间，可以用revman5.0将其转化为log[HR] 和 SE

c.合并效应量计算

HR:指某一种干预措施的应用所产生的风险率与不采用该干预措施对照时所产生的风险率比值,该指标同时考虑到了删失数据对结局的影响。

四、原研究方法学

此部分主要是对研究设计方法进行提取，包括随机化、盲法、失访等，主要用于评价文献的质量（Meta分析文献质量评价  |  Meta简明教程（4）），这部分信息需要在meta分析报告中呈现。

Jadad 评分

Cochrane 风险偏倚评估

六、总   结

数据提取的完整性、准确性对后期的数据分析有着重要作用，前期数据提取完整，后期软件分析将会相对容易。在数据提取过程中，你可能会碰到主题相同、但研究结果不同的情况，即使结局相似，结局指标呈现形式也多种多样，这就需要我们对原研究的数据进行转化。比如连续性研究中有均数、中位数、合并标准差，甚至一些研究中没有原始数据，只有统计图，这时候就需要对数据进行一些处理，以获得最终进行分析的数据。后续将会给大家介绍如何对原研究数据进行深度挖掘和提取。

更多精品文章阅读