循证医学课件-循证常用统计方法.pdf

循证常用统计方法全国 中医药 行业高 等教规 划教材讲授老师：联系方式：/1:RX，11-循证医学目录常用统计指标IMeta分析|Meta分析注意事项Xg-H-第一p常用统计指标分类变量资料常用统计指标(-)常用指标 1.率循证医学临床防治实践证据中经常用到的率有两种：(1)试验组事件发生率(experimentaleventrate,EER):如对某病采 用某些防治措施后该疾病的发生率。(2)对照组事件发生率(controleventrate.CER):如对某病不采取防 治措施的发生率。样本率的可信区间可用于估计总体率，计算总体率的可信区间时要考虑样 本率P的大小。当n足够大，如n100,样本率p与1-p均不太小，且np与n(1-p)均大于5时，可用下式(正态近似法)求总体率的可信区间。P 土 ZsS(p)=(p-z/SE,p+za/2SE(p)(公式 6-1)SE(p)=，(1-p)后(公式 6-2)式中z.2即”以。查z(或)界值表，如a=0.05,贝lj Zs=1.96。2.率差试验组某事件的发生率Pl与对照组某事件的发生率p2之差即为率差(ratedifference,RD)，也称危险差(riskdifference,RD)。在疾病 的病因、治疗及预后试验中，常用发生率来表示某事件的发生强度，其大 小可反映试验效应的大小，其可信区间可用于推断两个率有无差别。率差 的可信区间包含0时，两个率无差别。率差的可信区间不包含0,则两个率有 差别。率差的可信区间由下式计算：P 土 zSEp-pz=(P _ ZsSEpLP2，p+ZsSEpLP2)(公式6-3)cr Pi。-Pi),P2(l-P2)/八十 4 八-+%(公式 6-4)式中 P=PI-P20 3.相对危险度相对危险度(relativerisk,RR)是试验组某事件的发生率 P1与对照组某事件的发生率P2之比。前瞻性研究(如队列研究、随机对 照试验研究等)中经常用到RR,用于说明试验组某事件的发生率是对照组 的多少倍，也常用来表示暴露与疾病联系的强度及其在病因学上的意义大 小，计算RR的四格表见表61。表61计算RR的四格表试验组的发生率为P1=a/（a+b），对照组的发生率为pz=c/（c+d），相 对危险度RR按下式计算：当RR=1时，表示试验因素与疾病无关，RRH1表示处理因素与疾病有关RR 4=c/(e+J)组别发生（阳性）未发生（阴性）合计试验组（暴露组）ab几1对照组（未暴露组）Cdn2(公式6-5)EERCER若Pl和p2是病死率、患病率等健康损害指标，当RR1时，EER大 于CER,表示试验组的处理因素与对照组相比可以增加其病死率、患病率等，该因素是不利因素，且RR越大，处理因素的不利影响越大。若Pl和p2是有效率,治愈率等健康增益指标时，当RRvl时，EER小于 CER,表示试验组的有效率、治愈率等低于对照组，该因素是不利因素，且 RR越小，处理因素的不利作用越大；当RR1时，EER大于CER,表示试验 组的有效率,治愈率等高于对照组，该因素是有益因素，且RR越大，处理 因素的有益作用越大。RR的可信区间，采用自然对数法进行计算，即计算RR的自然对数值InRR的可信区间，再取其反对数，即为RR的可信区间，其计算公式：InRR的标准误SElnRRInRR的95%可信区间为：InRR 1.9654.RRRR 的 95%可信区间为：e xp（InRR 1.96SEInRR）（公式6-6）（公式6-7）（公式6-8）由于RR=1时为试验因素与疾病无关，故其可信区间不包含1时表示有统计 学意义，反之，其可信区间包含1时为无统计学意义。4.比值比回顾性研究往往无法得到某事件的发生率（如CER、EER），也就 无法计算出RR。但当该发生率很低时，可以计算出RR的一个近似值，该 近似值称为比值比（oddsratio,OR），计算OR的四格表见表62。odds.是试验组暴露率g和非暴露率1-仍的比值，即。孙”/（1-S）=正中7Odds2是对照组暴露率772和非暴露率1-仍的比值，即0 dds2=万 2/（1-万2）=77447（1/c d）与。曲S2之比即为比值比，乂称优势比、机会比等。odds1 77/（1-77）ad（JK=-=-=odds?孙/（1 一 g）beOR的95%可信区间为:e xp（lnOR L96SE加（尔）/I i i r SEl nOR=J+T+T+-7（公式6 _9）（公式6-10）（公式6-11）（公式6-12）（公式6-13）表62计算OR的四格表组别暴露非暴露合计试验组（病例组）ab儿对照组（非病例组）Cd2（二）防治效果指标 1.绝对危险度降低率当EERvCER时，某疗效事件发生率（如病死率）的 差值即为绝对危险度降低率（absoluteriskreductionfARR），用来反映 试验组某疗效事件的发生率比对照组减少的绝对量，其计算公式为：ARR二CER-EER,临床意义简单.B月确。需要注意的是，当ARR值很小时 会出现难以判定其临床意义的问题，如试验组人群中某病的发生率为 0.00038%,而对照组人群该病的发生率为0.00048%,ARR=CER EER=0.00048%-0.00038%=0.0001%B）IS?I5oARR 的可信区间：（ARR-z07 2sEarr,ARR+z072s后限外（公式 6-14）ARR 的标准误：SEarr=P 12+，2）（公式 6-15）7 H-j n-2 2.NNT及可信区间多减少1例不利结果或多得到1例有利结果需要治疗的患 者数(numberneededtotreat,NNT),即对患者施加某种处理因素(干预措施)后，试验组比对照组多防止1例不良事件或多得到1例有利结 果需要治疗的病例数。其计算公式如下：11NNT=CER-EER ARR（公式6-16）从公式可见，NNT的值越小，处理因素的防治效果越好。如现有一种干预 措施的ARR=10%,那么NNT=1/1O%=：LO,即只需要治疗10个病例，就 可以得到1例额外的有利结果。另有一种防治措施NNT=l/0.0001%=1000000,即需要治疗一百万个病例,才能得至！|1例 额外的有利结果，充分显示不同的防治措施的效果大小差异及不同的临床 意义。需要注意的是，如果对照组是阳性对照，则同一处理因素（干预措 施）的EER与不同阳性对照的CER所得到的NNT间不能比较。由于 NNT=1/ARR,所以NNT的95%可信区间可以利用ARR来计算。即像可信区间的下限值：ARR95%用品词上耐NNT95%可侣区间的上限值：ARR95%可信区间的下限值 3.相对危险度降低率相对危险度降低率(relativeriskreduction,RRR)反映试验组与对照组比某病发生率减少的相对量，计算公式为：RRR=OERTER(公式6-17)CERRRR无法衡量减少的绝对量，如试验组人群中某病的发生率为38%(EER=38%),而对照组人群的发生率为50%(CER=50%),RRR=瞪/=喘38%=24%。CEK 50%但若另一研究中对照组疾病的发生率为0.0005。%,试验组疾病发生率为0.00038%,其RRR 仍为 24%。4.绝对获益增加率及相对获益增加率EERCER时试验组中某有益结果（如治愈、显效、有效等）发生率EER与对照组某有益结果发生率CER的 差值即为绝对获益增加率（absolutebenefltincrease.ABI）o计算公 式为：ABI=EER-CER（公式 6-18）该指标可反映试验组施加处理因素（干预措施）处理后，患者的有益结果 增加的绝对值。从计算原理上与ARR是一致的，只不过意义有所不同。相对获益增加率（relativebenefltincrease,RBI）即试验组中某有益结 果（如治愈、显效、有效等）的绝对获益增加率（ABI）与对照组某有益 结果的发生率CER的比值，该指标可反映试验组施加处理因素后，其有利 结果的发生率比对照组增加的相对量。计算公式为：RBI 二ABICEREER-CERCER（公式6-19）5.绝对危险度增加率观察指标为某不良事件发生率，且EERCER时，率 差（RD）即为绝对危险度增加率（absoluteriskincreasefARI）o ARI用于度量对试验组施加处理因素后其不利结果（如死亡、复发、无效 等）的发生率比对照组增加的绝对量。ARI=EER-CER（公式6-20）6.NNH多出现1例不良事件或不利结果所需观察的人数(numberneededtoharmfNNH)是指与对照组相比较，多出现1例不 良事件或不利结果所需观察的人数，其计算公式为：NNH=_1_1而R-CER=ARI（公式6-21）该公式中的EER和CER在防治性研究中定义为施加处理因素（干预措施）后某不良事件或不利结果的发生率。因此，NNH值越小，该干预措施引起 的不利结果（不良事件或副反应等）就越大。例如，某治疗措施引起的不 良反应发生率为65%,而对照组出现类似不良反应率为38%,ARI=65%-38%=27%,NNH=1/27%h4,即该治疗措施每处理4个病例，就会出现1 例不良反应；假设该治疗措施引起的不良事件发生率为48%,则NNH=1/（48%-38%）=10。需要注意的是：与NNT类似，NNH中的对照组通常是安慰剂对照，如果 对照组是阳性对照，则同一处理因素（干预措施）的EER与多个阳性对照 的CER所得到的NNH间不能比较。NNH的可信区间由ARI的上下限倒数 计算得到。7.相对危险度增力口率当EERCER时，试验组某事件的发生率比对照组增 加的相对量即为相对危险度增加率(relativeriskincrease,RRI),计算 公式为：RRI=EER-CER(公式 6 一22)CEK 8.干预性措施受益与危害的似然比干预性措施受益与危害的似然比(likelihoodofbeinghelpedvsharmedfLHH)也是循证医学中常用 的统计指标，其计算公式为：LHH=(1/M V7)/(1/N/V)=NNH/NNT=ARR/ARI(公式 6-23)该指标反映了干预措施给受试者带来的受益与危害的比值，LHH1,利大 于弊，反之，LHHvl,利小于弊。例如：某干预措施的NNT为9,其NNH 为4,其LHH=4/9=0.44,即此种干预措施对受试者带来的危害是其受益的 2倍多。若从患者的角度出发，估计某个具体患者的LHH时，应按照下式计算：LHH=（NNH xf、）/（NNT 乂%）（公式6-24）式中的f为对患者不采取干预措施时，将会有多大的危险发展成为对照组患 者的不利结局，f2为对患者采取干预措施所出现副作用的危险性是对照组 的多少倍。如当对患者不给予处理时，将有2倍的危险出现对照组患者的 不利结局，则fl=2;如只有一半的机会发生对照组患者的不利结局，则 f=0.5o 例如：某防治措施的NNT为9,其NNH为4。我们判断某个患者若不采取防治措施，将会有3倍的危险性发展成为对照 组患者一样的不良结局(f=3),而采取防治措施所出现不良反应的危险性 与不采取防治措施的患者相同(fz=l)，那么校正的LHH为：这个患者接受此种防治措施时，受益是危害的L3倍。LHH=(4 x 3)/(9 x 1)=1.3区数值变量资料常用统计指标（一）均数 1.样本含量n足够大时，可按正态分布原理近似计算其95%的可信区间，n 越大近似程度愈好。公式如下 亍L 96S/6（公式6-25）2.样本含量较小，其95%可信区间可使用以下公式计算：又 l o oses/几（公式 6-26）95%可信区间的下限为1一0.3,2/布,上限为反十八。5,下/6。式中的0.05可根据具体资料的自由度，查，界值表获得。例如，假设样本量几=256,斤=1.5 911,S=0.4198,=25 6-1,可用大样本公式又L 96S/计算。95%可信区间的下限：X-1.96S/n=1.5 911-1.96 x0.4198/256=1.5 39795%可信区间的上限:X+1,965/7=1.5 911+1.96 x0.4198/7256=1.6425故总体均数95%可信区间为（1.5 397,1.6425）。(二)两均数差 1.均数差(meandifference,MD,或weightedmeandifference,WMD)两均数的差值即WMD,该指标以原 有的研究测量单位，真实地反映了试验效应，消除了绝对值大小对结果的 影响，在实际应用时，该指标容易被理解和解释。均数差的可信区间还可 用于两个均数的比较，如果均数差的可信区间不包含0(上下限均大于。或 上下限均小于0)，则两个均数差有统计学意义，反之，两个均数差的可信 区间包含0,则无统计学意义。两个均数差的95%的可信区间由下式计算：其95%可信区间为(-1.00,4.40)，该区间包含了0,两均数差别无统计学 意义。+（公式 6-28）n2/两个均数差的95%的可信区间由F式计算：，og,S%(公式 6-27)即95%可信区间的下限为d T.0MsE,上限为d+log,s%。式中d为两均数之差，两均数差值的标准误计算公式为：(nl-1)S)+(n2-1/1X I 建1+2-2 H)例如，假设元=17.8,S,=6.6,n,=39,X2=16.1,S2=5.7,n2=43,则 d=17.8-16.1=1.7,SEfl=1.35 8O 自由度“=39+43-2=8 0,故以自由度为 8 0,a=0.05,直界值表得，0 05.80=L 99,将其代入95%可信区间的计算公式，得：(d-log,：E/,d+%.05-&)=(1.7-1.99 x 1.35 8,1.7+1.99 x 1.35 8)=(-1.00,4.40)其95%可信区间为(-L OO,4.40),该区间包含了 0,两均数差别无统计学意义。2.标准化均数差某个研究的标准化均数差（standardized meandifference,SMD），可简单地理解为两均数的差 值再除以合并标准差的商，它不仅消除了某研究的绝对值大小的影响，还 消除了测量单位对结果的影响。SMD可按下式计算：SAfD=_ 3）（公式 6-29）其中，合并标准差：Sc=产5 7+智工7（公式6-30）7 711+%22SM D的方差2可按下式计算：S2=+-（公式6-31）ri几2 2（/V-3.94）SM D 的 95%可信区间：SM D1.96S（公式 6-32）-H-第一RMeta分析(-)发展沿革 1/11分析的前身源于门51920年“合并P值的思想；1955年由 Beecher 首次提出初步概念；1976年英国心理学家G.V.GIass首先将合并统计量对文献 进行综合分析研究的方法称为“Meta-Analysis”;1979年英国临床流行 病学家ArchieCochrane将此方法应用于他发表的激素治疗早产孕妇降 低新生儿死亡率随机对照试验的系统综述一文中。1.概念Meta分析的定义目前尚有不同意见。Cochrane图书馆将其定义为：Meta分析是将综述中的多个研究结果合并为一个量化指标的统计技术statisticaltechniqueforassemblingtheresultsofseveralstudiesi nareviewintoasinglenumerica(estimate)o 近年来越来越多的学者 认为Meta分析应该看作是一种统计分析方法，或称之为狭义的Meta分析。主要有以下两种定义：Meta分析是对具备特定条件的、同课题的诸多研究结果进行综合的一类 统计方法(thestatisticalanalysisoflargecollectionofanalysisresultsfrom individualstudiesforthepur-poseoflntegratingtheflndings)o Meta分析是将多个独立、针对同一临床问题可以合成的临床研究综合起 来进行定量分析的统计方法。2.Meta分析的目的(1)提高检验效能：合并数个小型研究可能使其测出疗效的概率提高。(2)改进精确性：纳入多个试验，可提供较多信息，提高疗效评价的精 确性。(3)经过对原始研究的选择，可获得对某一具体问题不同角度的研究结 果，进行全面汇总和分析。(4)找出研究之间存在差异的原因或产生新的假设，分析研究中的矛盾 程度，探讨并定量分析出现不同结果的原因。（二）Meta分析的基本原理 Meta分析的本质是将多个研究综合起来，以提高精度/统计效能；研究的 样本量越小，效应估计的精度越低，可信区间越宽；研究的样本量越大，效应估计的精度越高可信区间越窄。(=)Meta分析适用条件 i.具有良好的研究间基线同质性要求纳入的临床研究相同或相似，如相同 疾病及对象特征相近，多个研究的干预措施与对照措施相同，测量的结局 指标相同等。例如，若只评价一种治疗方案的疗效，应将该治疗方案与另一方案进行比 较，若各研究的指标一致，无论这些研究是否有存在疗效的证据，均可采 用Meta分析。2.具有进行资料合并的合理性在Meta分析之前，研究人员首先需要认真 严格地分析纳入的资料，只有当这些资料符合合并条件时，才能进行 Meta分析。3.异质性检验所存在的异质性可以接受异质性包括：(1)临床异质性：通过P1C0原则来判定。(2)方法学异质性：如研究设计、研究质量等。(3)统计学异质性：由于Meta分析的核心计算是将相同的多个研究的统 计量合并(相加、汇总)，按统计学原理，只有同质的资料才能进行统计量的合并，反之则不能。通过异质性检验，检直各个独立研究的结果是否具有一致性 或可合并性。(四)异质性的处理 1.获得个体病例数据(individualpatientdataJPD)若能得到每个研究 的个体病例数据，可以探讨异质性的来源，并可对每个研究采用统一的多 重回归模型进行分析，从而避免由于模型不一致(不同的变量选择和定义,混杂因素的调整等)导致的异质性。2.亚组分析(subgroupanalysis)即按不同的临床特征、研究质量等分 组后进行Meta分析。3.叙述性合成(narrativesynthesis)通过表格对合格研究的研究特征，如研究设计、研究对象、研究结局、研究质量等，与研究结果进行结构化 的比较和总结，定性评价研究结果在不同研究特征上是否相似，即研究结 果是否与某些研究特征有关。4.选用随机效应模型随机效应模型假定：所有研究估计的是不同的但服从 某个对称分布的多个干预效应；对称分布的中心反映了这些效应的平均值；研究结果之间的差异不仅来源于机遇，也来源于干预效应的不同。5.不进行Meta分析只是对结果进行一般性的统计描述。图61异质性的处理流程图区分类变量资料的Meta分析(-)数据资料整理形成四格表资料如表6-3,若有k个独立研究，对其中的分类变量指标进行 Meta分析，数据整理如表6-4。研究i暴露未暴露合计试验组aiA几n对照组qdin2i合计mu叫表63四格表资料的基本格式表6-4k个研究两组分类变量Meta分析数据整理表K个研究试验组对照组/V阳性由阴性A nVt阳性G阴性4 n2ii=1比 几uCd 几 21Mi=2b?nl 2c2d?几 22&i=3a3多 几ac3为 几23的i kM n1k6k 叼kM（二）计算效应量根据不同研究类型计算每个研究的。凡、RR,、R。比值比：。凡=詈b/iVar（In。/?,）=-+；+-+-r-ai bt ci dl相对危险度：R&=%答C/n2iVar（nRRi）=+-V%c,几li 几2,率差（危险差）：RD,=-幺ni n2i.c i-b-c-d-Var（RD-）=-+-r-ni n2i权重系数叫=（+y-+a；b；c：a：/（公式6-33）（公式6-34）（公式6-35）（公式6-36）（公式6-37）（公式6-38）（公式6-39）(三)异质性检验异质性检验(testsforheterogeneity)又称同质性检验(testsforhomogeneity)，用于检验多个相同研究的统计量是否存在统 计学异质性。1.Q检验Q检验，即检验统计量Q是否服从自由度为的卡方分布，当计算得到Q后，需由卡方分布获取概率，故又将此检验称作卡方检验。检验步骤：1建立假设，确定检验水准 Ho:各纳入研究来自同一总体。H:各纳入研究来自不同总体。检验水准为a,a=0.10（双侧）。2计算Q统计量计算公式为：_ _ _ _ W）Q=2 孙（4-。）=（叱A）-b 2 R=k-T（公式 6-40）工叫仇为每个研究的统计量，如InRRj、InOR,、InPe toOR,、RD1等，。为合并效应量,如InOR合并、InPe toOR合并、RD合并等，叫为每个研究的权重4=1/Var（仇）。3确定P值，做出推断Q服从自由度为的犬分布，。值越大，其对应的。值越小。若QN屋a），贝i JPWa,拒绝H0,接受乩，可以认为各纳入研究间存在异质性,这些研究来自两个或多个不同的总体。若。a,不拒绝H。，尚不能认为各纳入研究来自不同总体，即可以 认为各研究是同质的，这些研究来自于同一个总体。若P0.10,可认为多个研究具有同质性，可选择固定效应模型计算其合并统 计量。若。於0.10,可认为多个研究结果有异质性，可选择随机效应模型计算其合并统计量。2.r指数r是用于衡量多个研究结果间异质程度大小的指标。效应量估计的总变 异，是由随机误差和异质性两部分组成，其中异质性部分在总变异中所占的比重就是 指数。借助尸指数粗略评价异质性程度，若异质性明显，则应探讨异质性的来源并做相 应处理；若异质性过大，应放弃M e ta分析，只对结果做统计描述I2的计算公式如下：r=(Q-df)/Q=Q-1)x 100%(公式 6-41)式中。为异质性检验的卡方值df为白由度，k为纳入M e ta分析的研究个数。在Coch rane系统综述中，只要尸不大于50%,其异质性可以接受，若r5()%,则说 明存在比较明显的异质性。(四)合并效应量的U检验当异质性检验P0.10,分类变量资料的Meta分析采用固定效应模型，用 MH法(Mantel-Haenszelmethod)和Peto法(Yusuf-Petomethod);当异质性检验PwO.lO,分类变量资料的Meta分析采用随 机效应模型，用DL法进行数值变量资料的Meta分析。合并统计量的检验除使用z(U)检验外，还可以使用可信区间法，当试验 效应指标为OR或RR时，其值等于1时试验效应无效，此时其95%的可信 区间若包含了 1,等价于P0.05,即无统计学意义；若其上下限不包含1(均大于1或均小于1)，等价于PW0.05,即有统计学意义。当试验效应指 标为RD.MD或SMD时，其值等于0时试验效应无效，此时其95%的可 信区间若包含了0,等价于P0.05,即无统计学意义；若其上下限不包含0(均数大于0或小于0)，等价于PW0.05,即有统计学意义。1.M-H 法 1建立假设，确定检验水准 H。:多个同类研究的合并统计量有意义。H:多个同类研究的合并统计量无意义。检验水准为a,a=0.05（双侧）。2计算Z统计量根据选定模型的公式，计算Z（或U）值。OR分并效应量及其方差和可信区间的计算 w,o 凡ORmh的点估计：OAmh=%L（公式6-42）LwilnO%H的标准误：SE M*“=展鸣声萼（公式6-43）_（a+d其中，PR=，L-r（公式6-44）_ _（cl-+d.）bjPS=E （公式6-45）N i _（6+c）%&QR=工（公式6-46）OS=M（公式6 一47）95%可信区间（上、下限）：e xp（i n。、合并1.96/Var l nOR合并）（公式6-48）RR合并效应量及其方差和可信区间的计算 SwRR.RRmu的点估计：RRmh=弋lnRRM ll 的标准误：SElnRRMH其中，RR、=笠上q/几贵叫苦 w-=-/V,一 屋 i f（%+q）-aiciNiP=-M-R=2等J N,（公式6-49）（公式6-5 0）（公式6-51）（公式6-5 2）（公式6-5 3）（公式6-5 4）s=2个（公式6-55）95%可信区间（上、下限）：e xp（i n-R介井1.96/VarlnRR合井）（公式6-56）RD合并效应量及其方差和可信区间的计算RDmh的点估计：ROmh=乙，（公式6-57）RDmh的标准误：S/ROmJ=（公式 6-58）其中，R&=区上（公式6-59）ni i n2i叱=（公式6-52）P=nhn2l（a.+cj.”此R=生儿2iXs=2G几h95%可信区间（上、下限）：RO合井土 1.96灰瓯5 合并效应量的检验公式：ORmh：ZSEn（）RMUIVI1 1RDmh：zRDMHSEri）mu（公式6-5 3）（公式6-5 4）（公式6-55）（公式6-60）（公式6-61）（公式6-62）（公式6-63）3计算P值，做出推断根据Z(U)值得到该统计量的概率P值：若PW0.05,表明多个研究的合并 统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学 意义。2.Peto法 1建立假设，确定检验水准Ho：多个同类研究的合并统计量有意义。HI：多个同类研究的合并统计量无意义。检验水准为a,a=0.05（双侧）。2计算Z统计量PetoOR合并及其方差和可信区间的计算ORpet。的点估计：nORl町ORpe u,=e xplnO/?pHo=e xpIn。小加的标准误：SE 1110跖加=其中，1吗*J（at+6-）（at+Cj）1 ORj=e xp，N j.-vT-w,=V.（a-+6-）（c-+&）（%+q）（6,+di）n：（m-1）95%可信区间（上、下限）:e xp（i nPe to。/?合并 士 1.96 y/VarnPetoOR）合并效应量的检验公式：二%。除加Z-Sln。（公式6-64）（公式6-65）（公式6-66）（公式6-67）（公式6-68）（公式6-69）3计算P值，做出推断根据Z(U)值得到该统计量的概率P值：若PW0.05,表明多个研究的合并 统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学 意义。3DL法 D-L法，是1986年由DerSimonian和Laird首先提出，可用于分类变量资料和数量变量资料的随机效应模型分析。主要特点是对W,进行校正。1建立假设，确定检验水准 H。:多个同类研究的合并统计量无统计学意义。H:多个同类研究的合并统计量有统计学意义。检验水准为a,a=0.05（双侧）。2计算Z统计量W；1SE（仇）2+72（公式6-70）若 Qwk-l,贝 1J一=0,若Qk-1,则2 T（公式6-71）Y wt-乙 即，若异质性较小，Qk-1,则8dl（咚4）2即：（公式6-72）vT7SE（0Dl）=（公式6-73）3计算P值，做出推断 根据Z(U)值得到该统计量的概率P值：若PW0.05,表明多个研究的合并 统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学 意义。数值变量资料的Meta分析(-)数据资料整理整理资料：假如有k个研究，则每一个研究整理如表6-5。表6-5k个研究两组数值变量Meta分析数据整理表k个研究试验组时照组M均数Xu标准差S.例数几1i均数的,标准差$2i例数n2ii=1S|i11X?in2lNi=2年2S|2n122222n22N?i=3S”得323n23 i=ks”nkX?kS2kn2kNk（二）计算效应量均数差：M0,=熊-X2i,Var（MDt）标准化均擎差SMDl=（1-）4/V,-97Var（SMD）M SMD2nhn2l+2（t-3.94）SMD第i个研究的SCi按下式计算:样本效应：4=xE.-xCi效应的标准误：SE（元-元声f各研究的权重：U）i-（公式6-74）（公式6-75）（公式6-76）（公式6-77）（公式6-78）（公式6-79）（公式6-80）加权平均的均数差和方差(WM D)：a=；-Var(d)=-（公式6-8 1）（公式6-82）（三）异质性检验 1.Q检验异质性检验的步骤为：1建立假设，确定检验水准 2计算Q统计量计算公式为：。-/）2 3确定P值，做出统计推断结论（公式6-8 3）H。成立时，服从自由度为左-1的卡方分布。若QWa,则拒绝H。，可以认为各研 究间的异质性大，采用随机效应模型；反之，Pa,则不拒绝H。，采用固定效应模地。2.尸检验尸的计算公式同公式6-41。（四）合并效应量的U检验 当异质性检验P0.10,数值变量资料的Meta分析采用固定效应模型，可 采用倒方差法；当异质性检验P40.10,数值变量资料的Meta分析采用随 机效应模型，可采用D-L法。1.倒方差法 1建立假设，确定检验水准H（）：多个同类研究的合并统计量有意义。H,：多个同类研究的合并统计量无意义。检验水准为a,a=0.05（双侧）。2计算Z统计量M D合并及其方差和可信区间的计算X（町&）其中，血95%可信区间（上、下限）：M D合并土 L 96，Var（M D合并）（公式6-8 4）（公式6-85）（公式6-8 6）（公式6-8 7）M 0合并上%r（MDu）=口 71%r（M OJSMD合并及其方差和可信区间的计算SM D合并及Var（SM D合并）的计算与M D合并相同。X（w-d,）SMD合并=一“2 wi以r（SM O“二 一一 L w*其中，W，=Var（SMD,）95%可信区间（上、下限）：SM D合并 L 96 JVar（SM D合并）合并效应量的检验：Z=dy/SE（仇/这里的。为M D、SM D等。（公式6-8 8）（公式6-89）（公式6-90）（公式6-91）（公式6-92）3计算P值，做出推断根据Z(U)值得到该统计量的概率P值：若PW0.05,表明多个研究的合并 统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学 意义。2DL法 D-L法，方法同前。根据不同的资料类型，不同的效应量和统计模型选择不同的统计方法，见 表66。注：*在异质性分析和处理以后，若异质性检验仍出现PWO.05才考虑使用。资料类型合并统计最模型选择统计方法分类变量OR固定效应模型Pe to法或M-H法随机效应模型D-L法RR 或 RD固定效应模型M-H法随机效应模型*D-L法数值变最WM D 或 SWM固定效应模型倒方差法随机效应模型*D-L法结果表达和解释(-)森林图结构森林图(forestplot)是以统计指标和统计分析方法为基础，用数值运算结果绘制出的图形。它在平面直角坐标系中，以一条垂直的等效线(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，用一个菱形(或其他图形)描述多个研究合并的效应量及可信区间。（二）森林判读 1.为每项研究的编号（包含作者姓名和发表年代）O 2.为每项试验中治疗组和对照组的原始数据。3.为比较的类型和结局指标。4.表示Meta分析中每项研究所占的权重值。5.为选用的Meta分析模型和方法（如图中Random”为随机效应模型.MH法）。6.图中数据为各项研究对应的效应值及可信区间。7.森林图位于正中的垂直线（等效线）表示治疗组与对照组措施具有相同效应，即两组疗效没有统计学差异；中每项研究赋予一方块，表示研究的效应值，方块大小与该项研究所占权重成正比，横线为可信区间，表示 该项研究结果的随机变异情况，横线越宽，我们对效应值的把握越小。8.各研究合并后的效应量以菱形表示，菱形上下两端最宽处表示点估计值,菱形左右两端的宽度表示可信区间。9.森林图底部有一平行线，表示测量效应量大小的尺度。10.合并效应量及其可信区间。11.结果解释：包括Heterogeneity即异质性检验得到的统计量（随机效 应模型Meta分析时的研究间变异Tail?.卡方检验.P统计量）、检验效 应Z值。62：。：卜住11。系统综述森林utehold intirvintions for prtvtnting dostic lead exposure in children opansonl Educationod lead level(dicholoaous)10 p9/dL*3.OuUOHt：Control n/NTrtttBtm n/NRisk Ratio N-H.Randoa.95X Cl-Study or suogroup0.76 0 37.1.54)0 91(0 5),1 55)3 97(0 20.71 59 12(.79,L3eT)-*10.（三）结果解释 1.分类变量资料的森林图当所研究事件的发生率较低时，即四格表中的a和 c均较小时，OR近似于RR,OR的可信区间与RR的可信区间也很相近，且 OR的计算较RR更为简单。在临床研究中为简化计算过程，多用OR估计 RR,用OR的可信区间来估计RR的可信区间，因此，就临床工作者而言，可简单地将OR的临床意义和解释理解成与RR相同。(1)当总体RR=1,无论是95%CI的高端还是低端与RR等效线相交，都表 示两组效应量的差异无统计学意义。(2)当总体RR1,研究的95%CI的高端和低端都不与等效线相交，图形 位于等效线右侧时，表示治疗组效应量大于对照组。(3)当总体RRvl,研究的95%CI的高端和低端都不与等效线相交，图形 位于等效线左侧时，表示治疗组效应量小于对照组。2.数值变量资料的森林图当分析指标是数值变量时，可选择加权均数差或 标准化均数差计算合并统计量。只要置信区间包含了0,则两组差异无统计 学意义。(1)当效应量WMD=0,等效线位于图的中间，无论是95%CI的高端还是 低端与WMD等效线相交，都表示两组效应量的差异无统计学意义。(2)当效应量WMD0,95%CI的高端和低端都不与等效线相交，图形位 于等效线右侧时，表示治疗组效应量大于对照组。(3)当效应量WMDv0,95%CI的高端和低端都不与等效线相交，图形位 于等效线左侧时，表示治疗效应量大于对照组。Xg-H-弟二RMeta分析注意事项 Meta分析具有正反两方面的作用，通过对高质量文献进行Meta分析，结 果是真实有效的，可以作为循证医学实践的重要证据，而错误的结果则有 可能误导医学实践，对患者造成损害。因此，Meta分析的证据在应用前 必须进行效度分析，即评价结果的真实性。效度评价应考虑包括原始研究 的质量、效应量的尺度、统计学意义与临床意义，纳入研究结果的一致性 程度、是否有其他类型等在内的一系列内容。评价Meta分析结果的稳定性和可 靠性评价Meta分析结果的稳定性和可靠性最常用的是敏感性分析(sensitiveanalysis)失安全系数(failsafenumber,Nfs).漏斗 图(funnelplot)等。后两个指标主要反映发表性偏倚大小。还可用符合 方案集分析(per-protocol,PP分析).意向性分析(in-tention-to-treatanalysis/TT分析).最佳结果演示(the“best-case scenario).最差结果演示(the worst-case scenario)等 方法进行稳定性和可靠性分析。(-)敏感性分析 1.概念敏感性分析是用于评价某个Meta分析结果是否稳定和可靠的分析 方法。如果敏感性分析对Meta分析的结果没有本质性改变，则分析结果 较为可靠。如果经敏感性分析导致了不同结论，对Meta分析的结果解释 和结论方面必须要谨慎。2.应用敏感性分析通常可用于：(1)改变研究类型的纳入标准、研究对象、干预措施或终点指标。(2)纳入或排除质量较差的研究，不管它们是否符合纳入标准。(3)使用某些结果不太确定的研究的估计值重新分析数据。(4)对缺失数据进行合理的估计后重新分析数据。(5)使用不同统计效应模型重新分析数据等。3.主要方式敏感性分析的主要方式有：(1)按不同的研究特征(如研究的方法学质量高低、不同的统计方法、样本量大小、是否包括未发表的研究等)对纳入文献进行分层Meta分析，比较合 并效应量间