零基础meta分析上路（九）：敏感性分析和亚组分析

前面提到将数篇文章进行合并(不知道？点这里哦)，不同研究之间可能会产生异质性，而碰到异质性时到底该如何处理，也让很多人困惑。有些人直接认为结果不可信，此meta分析意义不大，不做为佳。

另有同道认为需找到异质性来源，进行分析或剔除，再对结果进行说明，总比让文章“夭折于强褓”要好的多。
我个人倾向于后者，我们要对异质性进行适当的分析和刨根问底，一来希望能捉捕原凶，二来也让文章的梯度分析更加饱满和深层。
所以敏感性分析和亚组分析就是面对异质性时较好的选择。
敏感性分析的实施方法如下：
1改变分析模型
当异质性较高时（如I的平方>50%），建议采用随机效应模型，相反则采用固定效应模型。但我个人的文章一般都选择随机模型，根本不管异质性检验结果。

因为随机模型相对较保守，让结果更倾于安全。即在有效无效临界值时，随机的结果可能就是无效的，而固定模型可能就是有效的，
临床研究不能太冒进，不能让厂家得便宜。
目前为止，只要在方法学里讲解清楚了，reviewers对此也没多大提问（已成圈内一小共识）。
2逐篇排除文献
某结局指标有6篇文献（1-6），分别逐篇剔除1-6后看异质性是否有所改变（同时记录下合并效应值WMD，RR的数值变化）。
如果发现出掉第1篇后，异质性发生改变，那么这篇可能就是异质性的来源，可仔细分析其  为何会成为异质性的来源，一般可从  实验设计，样本量，结局指标，评价标准等多方面着手。
如果分别去除6篇后，其异质性均不变，说明结果较为稳健。
此两种方式可供选择。

那么说说亚组分析，故名思义，就是根据某临床特征做为分据点进行比较，比如年龄（分界年龄根据不同研究自定）、性别、干预方式（同类药里的不同剂型），剂量梯度（低、中和高剂量），纳入文献质量评分（评分高与低），某临床评分高低之间比较，治疗时间和随访时间（时间长短）。
所以亚组分析并没有固定标准和框框，只要文中数据充分，能让你实施起来无法无天，那就OK。
关键是看你想解释什么问题，因为亚组分析的结果，可能对将来同类型的RCT的实验设计有提示意义。

我来例举几个亚组分析的sample    

1

年龄
根据年龄界限比较其分别的合并效应值（WMD或RR），看其值大小，来适当说明年龄对最终结果的影响。比如PD中，老年的患者其预后与生猛的年轻的比较一般都是较差的。
2剂量梯度
有很多临床文章会做出干预的梯度，我们可以合并各自的梯度然后比较，了解不同剂量对最终合并值的影响。
3文献质量
高分与低分文章分开比较（一般以3分为界，cochrane手册），看文献质量高低对结局指标有没有作用。
以此类推，不同的亚组分析会有不同的结果，然后在讨论部分再对其结果进行解释（查文献看是否能找到原因），如果解释不了就说是否因为样本量不够，待后续验证。

附一张亚组分析的图：

下面是龙兄ResearchGate的账户，大家有兴趣都可以follow和contact。

未完待续

科学自由分享
投稿请扔至：[e-mail]
未经许可   不得转载