Meta分析、临床数据分析一对一指导,符合学术规范,结课直接投稿,+tjzgBL哟!

很多小伙伴觉得写Meta分析难,花大量时间才弄懂Meta分析全流程、学会使用相关统计软件,但怎么也不明白Meta分析异质性,其实找对方法写Meta分析并不难。今天我们就来讲讲什么是Meta分析异质性,以及怎么对Meta分析异质性进行处理。

Meta分析异质性的基本概念

根据Cochrane手册的定义,纳入同一个Meta分析的所有研究不可避免地都存在差异,我们将Meta分析中不同研究间的各种不同,称之为异质性,当研究间存在异质性时,合并的结果可能是不可靠的,或合并本身就是不恰当的。因此需要识别和测量Meta分析异质性,并制定相应的策略,探索Meta分析异质性来源并进行处理。

在了解Meta分析异质性基本概念之后,我们还是得提一下Meta分析的8大步骤,如下图所示,以确定Meta分析异质性处理主要是在哪一步进行!

统计之光-Meta分析异质性

在Meta分析的八大步骤中,Meta分析异质性处理主要在7步——统计分析中进行, 当Meta分析纳入的各项研究均指向同一个结果,即各研究间具有同质性,则Meta分析具有意义,但如果各项研究指向的结果有很大偏差,当Meta分析异质性较大时,超出了随机误差,Meta分析的结果就不太可靠。此时,我们就需要通过各种方式对异质性进行检验。

Meta分析异质性几种定量检验方法

1、Q 统计量

该检验的无效假设为纳入各研究的效应量均相同。具体公式如下图,对于公式我们不了解也不要紧,只需要知道,Q 服从于自由度为 k-1 的 χ分布,Q 值越大,其对应的 P 值越小。若 Q>χ(1-α),则 P<α,表明研究间存在异质性。反之亦然。

2、I统计量

I统计量反映异质性部分在效应量总的变异中所占的比重。由下式计算得出

其 中 Q 为 Q 统计量,df 是它的自由度(即研究总个数减去 1 得 到的数值)。当 I =0(如果 I为负值,我们设它为 0)时,表明没有观察到异质性,I统计量越大异质性越大;异质性的低、中、高程度分别用I统计量 25%、50%、75% 表示。若 I>50%,则说明存在比较明显的异质性。

3、H 统计量

公式如下图,其中 k 表示纳入 Meta 分析的研究数。统计量 H 值为 1 表示各研究间无异质性,一般情况下,若 H>1.5 提示研究间存在异质性,H<1.2 则提示可认为各研究同质;若 H 值在 1.2 和 1.5 之间,当 H 值的 95%CI 包含 1,在 0.05 的检验水准下无法确定是否存在异质性,若没包含 1 则可认为存在异质性。

4、Galbraith 图法

该法提供了一个图形化的显示,可以直观得到 Meta 分析异质性。对于每一个试验, 以 Z 统计量(效应量除以它的标准误(b/se(b)))为纵轴、标准误的倒数(1/se(b))为横轴作图。若该 Meta 分析各研究无异质性,我们将看到所有点落到可信区间回归直线的内部。

5、L’Abbe 图

该图通常用于RCT 的二分类变量数据的 Meta分析异质性检验。根据每个研究的处理组事件发生率相对于对照组事件的发生率作图,若研究结果同质,则所有点呈线性分布,若偏离该线过远,则表明该研究结果为异常。

经过预处理和检验仍存在异质性,Meta分析异质性处理方法

1、获得研究数据,采用多元回归模型

如果能得到每个研究的原始数据,可以探讨Meta分析异质性来源,并对每个研究采用统一的多元回归模型进行分析,以避免由于使用的模型不一致而导致的异质性。

2、采用随机效应模型

采用随机效应模型估计合并效应量,可对Meta分析异质性进行部分纠正。该法在Meta分析异质性不明显的条件下,与固定效应模型方法计算结果相似;若异质性明显,则可提高估算的可信区间的精度,并同时增大检验效能。

3、亚组分析

亚组分析是将所有数据分成更小的单元,进而在各亚组内进行比较,如按不同设计方案、研究质量、发表年代等进行亚组分析。亚组分析每次只能对一个变量进行亚组分析,并且对每个亚组都要进行效应量的合并。若要对两个以上的变量进行分析,则应采用Meta回归。

4、Meta回归

Meta回归是通过建立回归方程,来反映一个或多个解释变量与结果变量的关系。目前Meta回归虽然在Rev Man中没有被运用,但在STATA软件中通过“Metareg”宏能很好地实现。

5、敏感性分析

敏感性分析是用于评价结果稳定性的一种方法。如果敏感性分析结果与原分析结果没有冲突,那么该结果加强了原分析结果的可信度。如果敏感性分析结果得出不同结论,这提示存在与干预措施有关的潜在重要因素,应进行进一步研究以明确干预效果存在争议的来源。

若经过以上处理后异质性仍然过大,特别在效应的方向上极其不一致,这时候引用平均效应也许会导致误导,应考虑放弃Meta分析,只作一般的统计描述。上述文字用图表示如下。

统计之光-Meta分析异质性

为方便大家进一步了解Meta分析异质性,小编还为大家准备了一篇北大研究团队近期发表的一项最新的国人研究,该研究结果表明:30岁中国人群,如果保持上述5个健康的生活方式,心血管疾病、癌症、慢性呼吸疾病等发病率大幅减少,预期寿命可延长8-9年。

统计之光-Meta分析异质性

此项研究是首个针对中国人群开展的观察性研究,严谨的量化了综合生活方式对30岁人群预期寿命的影响,对推广健康生活方式有一定指导意义。

该研究纳入的CKB数据库,有大样本量和长随访的详细数据,使得研究能够针对不同性别、不同地区人群的全因和病因特异性死亡率做详细的异质性分析,让结果具有更广泛的适用性,大家可以利用这篇文献更加深入的了解Meta分析异质性。

以上就是本次对Meta分析异质性的全部介绍啦,如果你近期想要发表Meta分析,但是对Meta分析异质性处理不太懂,怎么也学不会,可以试试通过我们进行系统的学习,我们拥有指导上千医学人成功发刊的经验。

统计之光-Meta分析异质性

文章引用:Meta分析中的异质性及其处理方法——王丹

什么是Meta分析异质性,怎么处理Meta分析异质性?看完这篇就够了相关推荐

  1. 【系统架构设计师】软考高级职称,一次通过,倾尽所有,看完这篇就够了,论软件架构设计的重要性、本篇论文“未通过考试”,供分析参考

    [系统架构设计师]软考高级职称,一次通过,倾尽所有,看完这篇就够了,学习方法和技巧这里全都有. 论软件架构设计的重要性.本篇论文未通过考试(不合格),供分析参考. 目录 摘要 正文 结尾 摘要 201 ...

  2. 富集分析,看完这篇就够

    在我们做完组学项目看报告时经常遇到的词儿就有"富集分析",那到底什么是富集分析,它又是用来做什么的,以及富集分析的结果要怎么查看.今天小编就通过自问自答的方式给大家一起科普一下. ...

  3. 网络安全工程师(白帽子)前景分析+学习成长路线,超多思维导图从零到整,看完这篇就够了。

    近几年,我国网络安全形势日益严峻,网络渗透危害着我国的政治安全.经济安全.文化安全以及社会安全,网络空间的国际竞争也日趋激烈.网络安全(或称广义的信息安全)面临的威胁越来越大,对网络安全的人才需求也呈 ...

  4. 看完这篇分析,还不懂分布式事物,请给我差评

    看完这篇分析,还不懂分布式事物,请给我差评 咖啡拿铁 架构师小秘圈 今天 作者:咖啡拿铁,现就职于美团点评,后端研发 来自:公众号咖啡拿铁(ID:code_3092860495) 0 题记 又或者在网 ...

  5. instagram营销全攻略,看这一篇就够了(附10个分析工具)

    instagram相信做外贸的小伙伴应该都不陌生, 其实很多外贸人都已经"偷偷"在用instagram开发客户了,不管大家对instagram了解多少,相信看完这篇攻略之后,会对i ...

  6. 合集|Python数据采集、分析挖掘、可视化,看这一篇就够了!

    这几年,"数据分析"是很火啊,在这个数据驱动一切的时代,数据挖掘和数据分析就是这个时代的"淘金",懂数据分析.拥有数据思维,往往成了大厂面试的加分项. 比如通过 ...

  7. 「Leakcanary 源码分析」看这一篇就够了

    image.png 「Leakcanary 」是我们经常用于检测内存泄漏的工具,简单的使用方式,内存泄漏的可视化,是我们开发中必备的工具之一. 分析源码之前 Leakcanary 大神的 github ...

  8. php 生成动态键值 数组_你的PHP项目遇到性能问题了吗?看完这篇性能分析恍然大悟...

    你的项目中遇到性能问题了吗?遇到性能问题你是如何解决的呢?你的解决方式是否正确呢?下面就跟大家一起分享php项目的性能问题. PHP语言级性能分析 php在什么情况下会遇到性能问题呢? 在讨论性能问题 ...

  9. 看完这篇缓存双写分析,你面试不再有问题呢~

    今天天朗气清,吃饱撑之余,回想了想之前面试阿里的时候,面试官经常会问的缓存和数据库双写一致性问题怎么保证,同时一个好的实践对业务来说是有很大提升,我在网上看了很多博客写关于这块的内容,很多直接拷贝过来 ...

  10. 手把手教你分析MySQL死锁问题,十分钟看完文章下次轻松完成不加班

    发生死锁了,如何排查和解决呢?本文将跟你一起探讨这个问题 准备好数据环境 模拟死锁案发 分析死锁日志 分析死锁结果 环境准备 数据库隔离级别: mysql> select @@tx_isolat ...

最新文章

  1. 深海中的STL—nth_element
  2. DQN 处理 CartPole 问题——使用强化学习,本质上是训练MLP,预测每一个动作的得分...
  3. 滴滴基于 Flink 的实时数仓建设实践
  4. 定时器mia是什么意思_MIA的完整形式是什么?
  5. Play framework logging设置
  6. 麦咖啡Agent安装完后不合图标和不马上在EPO服务器上显示客户端的问题
  7. 华为P50 Pro最新渲染图曝光 预装鸿蒙HarmonyOS 2
  8. C++新特性探究(十三):右值引用(r-value ref)探究
  9. 老同学聚会你会不会赴约?
  10. 游戏物体复用:对象池(以Unity3D为例)
  11. PHP_零基础学php_3PHP函数、传参函数、默认参数、函数返回值
  12. matlab如何求空间一点到直线距离,立体几何:如何用空间向量方法求点到直线的距离?...
  13. 宏基 4560G笔记本 AMD APU A6-3400试用报告
  14. mysql max() grou by 的使用小记
  15. InfoQ在ETE大会上对Android工程师Jake Wharton的采访
  16. Struck跟踪算法介绍及代码解读(二)
  17. CodeBlocks出现不支持16位应用程序 360解决方法 已经失效(2019-11-22)
  18. 中介者模式 - 门面
  19. POI Excel插入图片(网络路径、本地路径)
  20. 布尔运算,位运算,逻辑运算

热门文章

  1. 用matlab做bp神经网络预测,matlab神经网络怎么预测
  2. java读取外部配置文件_java读取jar外部的配置文件
  3. 分治法——k小元素问题
  4. AD22如何添加元器件库
  5. 通过两点求圆心的公式
  6. 数据结构c语言版 严蔚敏 课本源码
  7. 【NDSS 2021】On the Insecurity of SMS One-Time Password Messages against Local Attackers 论文笔记
  8. Tracking Attackers: Honeypot, Part 1 (Honeyd)
  9. 【Python - wxpython】- 卫星通信系统链路计算软件
  10. HTTP代理socks5哪个快