Meta分析的基本统计过程（一）
发送 统计 到本公众号（freescience联盟）后台，查看更多相关文章~
Meta分析是一种基于文献资料的定量化综合评价多个同类独立研究结果的统计学方法。常用于临床试验、诊断试验和流行病学研究等方面的综合评价。
它包括提出问题、收集和分析数据、报告结果等基本过程。
Meta分析常用的方法有固定效应模型（fixed-effects model）和随机效应模型（random-effects model）。
· 收集的研究资料要全面
· 确定Meta分析研究资料的入选标准及排除标准
· 研究资料效应指标明确
· 各研究的同质性
· 提出需要并可能解决的问题，制定研究计划
· 检索相关文献 （PubMed、EMBASE及Cochrane医学图书馆）
· 确定纳入和剔除标准，筛选Meta分析文献
纳入标准应包括：研究假设和研究方法；
研究开展或发表的年限；研究的样本大小；研究中患者的选择和病例的诊断及其分期标准；研究报告可提供OR（RR、率、HR）及其95％可信区间，或可以转化为OR（RR、率差、HR）及其95％可信区间；如为计量资料应可提供均数，标准差和样本量等。
剔除标准应包括：重复报告；存在研究设计缺陷，质量差；数据不完整、结局效应不明确；统计方法错误且无法修正，无法提供或可供转化为OR（RR、率、HR）及其95％可信区间，计量资料无法提供均数和标准差。
· 评价纳入文献的质量
· 提取纳入文献的数据信息
· 数据的统计学处理
效应尺度（effect magnitude）；异质性检验 ；效应尺度的参数估计及其图示；效应尺度的假设检验。
统计软件：Cochrane协作网 Review Manager 5.0
· 敏感性分析
· 结果的讨论与分析
对于连续型变量资料，Meta分析的效应尺度常有均数之差等。
固定效应模型一般采用Inverse-variance法（倒方差加权法）；
随机效应模型则是在Inverse-variance法基础上，采用 DerSimonian-Laird法，引入校正因子对固定效应模型中的权重进行校正后再计算合并效应量及其95%置信区间。
· Meta 分析森林图 (forestplots)：它是以一条垂直的无效线 (横坐标刻度为 1或 0 )为中心，用平行于横轴的多条线段描述每个被纳入研究的效应量和可信区间，用一个棱形 (或其它图形 )描述合并的效应量及其可信区间，在平面直角坐标系中绘制出的一种图型。
当统计指标OR、RR、RD及加权均数差和均数差的 95 %可信区间横线与森林图的无效线 (横坐标刻度为 1或 0 )相交时，表明试验组的效应量与对照组相等，可认为试验因素无效；当其 95 %可信区间横线不与森林图的无效线相交且落在无效线右侧时，表明试验组的效应量大于对照组；
当其 95 %可信区间横线不与森林图的无效线相交且落在无效线左侧时 ,试验组的效应量小于对照组。
· 固定效应模型的Meta 分析方法有Mantel-Haenszel法（简称M-H法）、Peto法及Inverse-variance法。
· Peto法 也称改良的M-H法，常用于以比数比OR为效应指标进行多个研究的合并。
· Inverse-variance法 可用于计量资料的均数差，也可用于分类资料的OR、RR、RD等效应指标的合并。
诊断试验的Meta 分析常用的效应指标有灵敏度（Sen）、特异度(Spe)
、阳性似然比(LR+)、阴性似然比(LR-)、诊断比数比（DOR）及ROC曲
线等。
真阳性数（TP）、假阳性数（FP）、假阴性数（FN）、真阴性数（TN）
Moses 等提出了一种基于ROC 曲线的所谓SROC曲线法，该方法不受异质性或阈值的影响，并综合了灵敏度和特异度的信息，可综合评价诊断试验的准确度。
ROC曲线是以灵敏度为纵坐标，1-特异度为横坐标
SROC曲线，即综合受试者工作特征曲线，它是通过对真阳性率(true
positive rate ，TPR)与假阳性率(false positive rate ，FPR)进行Logit 变换，将 TPR与 FPR
间的非线性关系转化成一种线性关系，利用最小二乘法进行参数估计，建立SROC曲线回归方程，并获得综合评价诊断试验准确度的统计量 。
· 漏斗图法 (funnel plot method)：基本思想是每个纳入研究的效应值的精度随该研究的样本量的增加而增加，即样本量越小的研究，其变异就越大。
· 线性回归法、漏斗图回归法 、 秩相关法 、剪补法 、Richy法、失安全数法 、Jadad量表法等。
长按以上二维码留言“meta”进meta微信交流群
猴哥：Freescience公众号meta分析栏目现任主编。讲师，副主任医师，武汉大学肿瘤学博士，专注于胃肠道肿瘤分子生物学机制、系统评价/Meta分析、数据挖掘、临床统计研究。