最常见几大类型的Meta分析

最常见几大类型的Meta分析

系统综述可以分为定性和定量两种分析方法：用统计学方法对资料的定量综合即Meta分析（Meta analysis）；有些资料不适合Meta分析时，可以进行定性综合。

Meta分析有很多种类型，常见的几种如下：

1、常规Meta分析

这种Meta分析以合并随机对照试验、非随机对照试验、队列研究、病例对照研究的效应量为主。这类Meta分析的方法最成熟，发文量也最多。

举例：钠-葡萄糖协同转运体2(SGLT-2)抑制剂对2型糖尿病患者心血管结局的影响。

From: Wu JH, et al. Lancet Diabetes Endocrinol. 2016;4:411-9.

2、个体数据Meta分析

个体数据Meta分析被称为系统综述的金标准。它不是利用已经发表的研究结果的总结数据进行Meta分析，而是从原始研究的作者处获取每个研究对象的原始数据，并对这些数据进行Meta分析。然而此类文章非一般研究者可以完成，适合于学科带头人领衔操作。

举例：BMI和全死因死亡的关系。

From: Global BMI Mortality Collaboration. Lancet. 2016;388:776-86.

3、单组率的Meta分析

Meta分析还可以对单组率进行合并。这类Meta分析的结局指标多为发病率、患病率、病死率、检出率、知晓率、感染率等，原始研究多为横断面研究。对单组率的Meta分析而言，难点在于控制异质性。亚组分析和Meta回归分析是处理异质性的重要方法。

举例：在残疾儿童中，有多大比例的人遭受过性暴力？

From：Jones L, et al. Lancet 2012;380:899-907.

4、诊断试验Meta分析

评价某项措施对疾病的诊断价值，主要评价灵敏度、特异度、ROC曲线下面积等。

举例：选择性结直肠手术的患者中，降钙素原和C反应蛋白对早期腹腔感染的诊断价值。

From: Cousin F, et al. Ann Surg. 2016;264:252-6.

5、累积Meta分析

累积Meta分析是将各个纳入的研究按照一定的次序（如发表时间、样本量、研究质量评分等），序贯地添加到一起，进行多次的Meta分析。每有一个新的研究纳入，就进行一次Meta 分析，这样可以反映研究结果的动态变化趋势，评估单个研究对综合结果的影响。

举例：罗非昔布的心血管风险。

From: Jüni P, et al. Lancet. 2004;364:2021-9.

6、序贯Meta分析

序贯Meta分析类似于累计Meta分析，不同的是在纳入每个新的研究时，均视为一次期中分析（interim analysis）。序贯Meta分析克服了传统Meta分析，特别是累积Meta分析的不足，最大限度的控制了Ⅰ类错误(α)。

举例：降压药的癌症风险。

From: Bangalore S, et al. Lancet Oncol 2011; 12: 65-82.

7、剂量反应关系Meta分析

剂量反应Meta分析通过合并多项剂量反应关系的原始研究而提高统计效力。

举例：高血糖是否会增加胰腺癌风险？

From: Liao WC, et al. BMJ. 2015;349:g7371.

8、网状Meta分析

若有一系列的药物可以治疗某种疾病，但某几种药物之间的互相比较没有或很少，在这种情况下就需要间接比较。网状Meta分析主要是通过间接比较，对处于同一个证据体的所有干预措施同时进行综合评价并排序。

举例：降糖药物的效果和安全性。

From：Palmer SC, et al. JAMA. 2016;316:313-24.

9、其它类型的Meta分析

1）单纯P值的Meta分析

当纳入研究未给出效应值，仅给出了P值，且需要合并时，可以考虑单纯对P值进行合并。但单纯P值的Meta分析存在许多不足，多数人并不推荐。

2）前瞻性Meta分析

前瞻性Meta分析是指在纳入的研究结果尚未出来之前，先进行系统检索、评价和制定纳入及排除标准的一种Meta分析。

3）其它类型Meta分析

如不良反应的Meta分析，成本-效果/效用/效益的Meta分析，患者报告结局的Meta分析，全基因组关联研究的Meta分析，Meta分析的汇总分析等。

Meta回归

Meta分析时，原始研究间存在异质性，并且用亚组分析无法解释时，可能需要Meta回归来评价研究间异质性的大小及来源。

举例：降血压对心血管发病和死亡的影响。

From: Ettehad D, et al. Lancet. 2016;387:957-67.

文章摘自：曾宪涛, 等. Meta分析系列之一: Meta分析的类型. 中国循证心血管医学杂志. 2012;4:3-5.

更多临床研究方法学问题，可关注“医咖会”微信公众号。

系统综述和meta分析

涉及新发现及其相关背景与解释的研究，不仅提供新事实，而且指出其与老证据之间的关系。” 就是说科学知识太庞大之后会禁锢自己的脚步，所以需要一种科学工作，去梳理已有的知识，他提倡进行科学研究过程中，要给出新知识的同时要梳理它与旧的知识的关系。 在1898年，10年后，Gould（没查出来是什么人）在费城的医学图书. 馆员协会成立大会上展望未来的医学信息时代时提出“我认为未来医学文献的记录组织应该能使文明社会每个角落任何一个迷惑的医学工作者在一小时内获得世界上所有其他人对同一个问题的知识。”我们能在他的这段叙述有看出明显的系统综述的影子。是呀，多么美好的愿望，尤其在写标书或者报告的时候，真的很希望有那么个文献能把你需要的论据非常好的有理有据地展现出来。 到了1904年，Pearson, 一个很熟悉的名字，（就是卡方检验的PEARSON），首次提出数据合并的概念。Fisher，（有一个熟悉的名字，Fisher精确检验的Fisher），在20世纪20年代，介绍了对若干独立试验结果的p值进行合并的方法。 1955年，首个对治疗的有效率进行meta分析的文章正式发表。1976年，英国心理学家Glass，首次将合并统计量的文献综合研究成为meta分析。这就是meta分析诞生的过程 而系统综述的诞生要比meta分析晚一些。

我们知道，20世纪最伟大的2个生物学领域的科学突破发生在20世纪中叶。一个是1953年DNA双螺旋结构的发现。另一项呢，就是随机对照临床试验的诞生。在1948年，英国医学杂志刊登了一篇题为“链霉素治疗肺结核的随机对照临床试验”的文章。文章本身呢相比他所用的方法来说很不起眼。但这篇文章用了一个简单又没的方法，彻底解决了困扰临床研究几百年的比较组之间不可比的问题。用随机分组的方法就能实现比较组之间的混杂因素去除。这样RCT 也就是随机对照试验就此诞生。此后世界各地随机对照研究如雨后春笋般地涌现。 这时候人们发现，同为RCT试验，不同的研究样本量相差悬殊，质量参差不齐，有的结论甚至相互矛盾，不知道该相信谁好。 这个时候Cochrane,考克兰，一个苏格兰流行病学家，提出“应根据特定病种/治疗，将所有相关的RCT联合起来进行综合分析，并随着新的临床试验的出现不断更新，一边得出更为可靠的结论” 这个思想提出后，Chalmers医生，经过10年的努力，将这一理论付诸实践，他把产科使用的226种诊疗方法进行了系统综述，结果振动了整个医学界。仅40%是有效的，60%是无效的甚至是有害的。这样就拉开了循证医学的序幕。 系统综述跟循证医学密不可分，系统综述是循证医学中最佳证据的重要来源。 基本概念1 接下来，咱们认识借个基本的概念，

meta分析简介

Meta分析 在医学研究中，绝大多数的医学现象都呈一定的随机性，因此医学研究的结果都受随机抽样误差影响而有所差异。所以对于同一研究问题的多个研究结果往往不全相同，有些研究的结论甚至相反。因此如何从结果不一的同类研究中综合出一个较为可靠的结论是医学研究中常常需要面临的问题。Meta分析就是研究如何综合同类研究结果的一种统计分析方法。 Meta分析就是把相同研究问题的多个研究结果视为一个多中心研究的结果，运用多中心研究的统计方法进行综合分析。Meta统计分析可以分为确定性模型分析方法和随机模型分析方法。较常用的确定性模型Meta分析有Mantel-Haeszel统计方法(仅适用于效应指标为OR)和General－V ariance－Based统计方法。然而所有的确定性模型统计方法都要求Meta分析中的各个研究的总体效应指标(如：两组均数的差值等)是相等的，并称为齐性的(Homogeneity)，而随机模型对效应指标没有齐性要求。因此Meta分析可以采用下列分析策略： 1)如果各个研究的效应指标是齐性的，则选用确定性模型统计方法： ●效应指标为OR，则采用Mantel－Haeszel统计方法 ●效应指标为两个均数的差值、两个率的差值、回归系数、对 数RR等近似服从正态分布的效应指标，则采用General－ V ariacne-Based方法进行Meta统计分析。 2)如果各个研究的效应指标不满足齐性条件或者研究背景无法用

确定性模型进行解释的，则采用随机模型进行Meta 统计分析。 为了使读者较容易地掌握Meta 分析方法，以下将结合STA TA 软件的Meta 分析操作命令，通过实例介绍Meta 分析步骤和软件操作以及相应的统计分析结果解释，然后对Meta 分析中所涉及的统计公式进行分类汇总小结。 确定性模型的Meta 分析方法 例1：为了研究Aspirin 预防心肌梗塞(MI)后死亡的发生，美国在1976年－1988年间进行了7个关于Aspirin 预防MI 后死亡的研究，其结果见表1，其中6次研究的结果表明Aspirin 组与安慰剂组的MI 后死亡率的差别无统计意义，只有一个研究的结果表明Aspirin 在预防MI 后死亡有效并且差别有统计意义。现根据表1所提供的资料作Meta 分析。 表1 Aspirin 预防心肌梗塞后死亡的研究结果 研究 Aspirin 组 安慰剂组 编号 观察人数 死亡人数 死亡率P E (%) 观察人数 死亡人数 死亡率P C (%) P 值 OR * 1 615 49 7.97 624 67 10.74 0.094 0.720 2 758 44 5.80 771 64 8.30 0.057 0.681 3 832 102 12.26 850 126 14.82 0.125 0.803 4 317 32 10.09 309 38 12.30 0.382 0.801 5 810 85 10.49 40 6 52 12.81 0.229 0.798 6 226 7 246 10.85 2257 219 9.70 0.204 1.133 7 8587 1570 18.28 8600 1720 20.00 0.004 0.895 注：11E C E C P P O R P P =--。可以证明：OR>1对应P E >P C ；OR<1对应P E