Meta分析中缺失标准差换算与标准化均数差估计方法简介
中国循证心血管医学杂志2016年12月第8卷第12期 Chin J Evid Based Cardiovasc Med,December,2016,Vol.8,No.12
?
1412 ??
循证理论与实践 ?
Meta分析中缺失标准差换算与标准化均数差估计方法简介
许杨鹏1,2，喻亚宇1,2，付文杰1,2，陶圆1,3，吴君怡1,2，何倩1,2，张超1
基金项目：十堰市太和医院院级项目课题(2016JJXM070)
作者单位：1 442000 十堰,十堰市太和医院(湖北医药学院附属)循证医学中心;2 442000 十堰,湖北医药学院口腔医学院12级;3 442000 十堰,湖北医药学院影像医学院12级
共同第一作者：许杨鹏,喻亚宇
通讯作者：张超,E-mail:zhangchao0803@https://www.wendangku.net/doc/d515151848.html, doi：10.3969/j.issn.1674-4055.2016.12.02
【摘要】系统评价/Meta分析通过合并多个相似研究来扩大样本量及提高统计学精度，从而给出更为可靠的结果与结论，然而往往由于原始研究文献结果报告之间差异性与不规范性，致使相关的原始数据存在不同类型的缺失，其中以连续性资料数据中标准差缺失较为常见。标准差对连续性资料中标准化均数差合并是不可或缺的，当前，方法学家就标准差缺失给出了相应估算方法，如P 值、四分位数及样本量转换因子等方法均较为常见。本文就连续性资料标准差与标准化均数差估计方法作简要汇总。
【关键词】Meta分析；连续性资料；标准差；标准化均数差；转换因子
【中图分类号】R4 【文献标志码】A 【文章编号】1674-4055(2016)12-1412-04
Introduction of methods for estimating standardized mean difference when missing standard deviation conversion in Meta-analysis XU Yang-peng *, YU Ya-yu, FU Wun-jie, TAO Yuan, WU Jun-yi, HE Qian, ZHANG Chao. *Center for Evidence-Based Medicine and Clinical Research, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, China.
Corresponding author: ZHANG Chao, E-mail: zhangchao0803@https://www.wendangku.net/doc/d515151848.html,
[Abstract ] System review/Meta-analysis get more reliable results and conclusions through combining multiple similar studies to enlarge the sample size and improve the accuracy of statistics. However, difference and non-normative among original research result documents result in the absence of different types of raw data, in which the most common absence is missing of standard deviation in continuous data. Standard deviation is necessary for pooling the standard deviation in continuous data. At present, as to the lack of the standard deviation, methodologists have provided relevant estimate methods, such as methods of P values, quartile and sample size conversion factors. In this paper, a brief summary of estimate methods for standard deviation and standardized mean differences in continuous data were made.
[Key words ] Meta-analysis; Continuous data; Standard deviation; Standardized mean difference; Conversion factors
在系统评价中，对于研究通常用效应量（effect size，ES）衡量干预大小。Meta分析基于效应量汇总效益风险来指导证据的科学使用，该统计方法理论上基于多个样本的汇总形式来增大统计精度，得出更为可靠准确的结果。然而，随着纳入研究的报道形式的差异性或多样化导致了部分研究可能存在一定的结果报道缺失，如连续性资料中标准差（standard deviation，SD）较为常见。基于系统评价/Meta分析基本原理，本文将通过实例来演示多种方法对于缺失SD的估计，以求获取更大样本量研究来增大合并结果可靠性与精度。
1 通过转换因子估算SD与标准均数差（SMD）
效应量SMD的算法如下：
通过下面的公式ES的标准误[1]（standard
error，SE）能够被计算出来。
N 1和N 2分别是试验组和对照组的样本量ES和它的95%置信区间（confidence interval，CI ）能够被得到为：ES -1.96SE 到ES +1.96SE 。
下面要介绍的这个方法基于观测到的范围分布是试验样本量的函数。尤其当样本量变得很大的时候，更加极限的值被观测到有更大的可能性，相应的被期望的值的范围也增长了。如果能假设数据的潜在分布，就能通过样本量和SD [2]的函数计算出被期望的值的范围。尤其是当数据被假定为正常分布时，可以通过被制成表格的转换因子f根据观测到的范围转换出相对应的被估算的SD。通过下面的公式：
1925年Tippett首先把通过样本量为N且正常分布的数据估算出来的SD的范围计算了出来并制成