上一篇給大家介紹了網狀Meta分析的第4步,就是概率排序分析和作圖(網狀Meta分析概率排序分析及作圖),今天繼續我們往下面走,
這次分享的是第5步:三個假設的檢驗,就是
對同質性、相似性和一致性進行檢驗,因為內容比較多,今天主要分享同質性、相似性的檢驗方法。
3. 網狀Meta分析(整合直接比較和間接比較的結果,繪製相關圖形)6. 偏倚風險評估、文獻質量評價、敏感性分析、亞組分析、meta回歸等等網狀Meta分析裡提到的同質性檢驗
實際上就是普通Meta分析常說的異質性檢驗。舉個例子,你納入網狀Meta分析有3種治療措施A、B、C,納入的文獻中有A和B直接比較的文獻10篇,B和C直接比較的文獻13篇,A和C直接比較的文獻12篇。那麼你的網狀Meta分析中就要包含A和B、B和C、A和C直接比較的普通Meta分析異質性分析結果。普通Meta分析異質性分析前面的文章中已經專門具體寫過,就是
從臨床異質性、方法學異質性和統計學異質性三個方面去分析,大家可以去看前面的文章(聊聊Meta分析異質性的檢驗和處理)。最後這個異質性定量分析的結果會在直接比較的森林圖裡展示出來,
主要就是看I2值。有的同學會提到網狀Meta分析不是應該考慮整體同質性嗎? 但
實際上在做網狀Meta分析的時候不需要做這個,你可以去看頂刊的網狀Meta分析文章都是做的直接比較的異質性分析。為什麼這麼做就行了,因為
如果直接比較的文獻之間都沒有同質性,那就談不上整體的同質性,根本就不適合做網狀Meta分析。最後總結下網狀Meta分析的同質性檢驗實際上就是普通Meta分析的異質性分析,
定性用Q檢驗,定量用I2值,另外還可以比較隨機效應模型和固定效應模型的結果
(這個在前面提到的一篇JAMA範文裡作者用Bland–Altman圖示法來展示了隨機效應模型和固定效應模型比較的結果),在此基礎上還可以做亞組分析和Meta回歸來找異質性來源,這個就是最後一步的事情了。理論上講,隨機效應模型和固定效應模型兩種方法一般不會獲得完全相同的結果,但是會具有一定趨勢的差異,啥意思呢?就是說一種方法的測量結果總是大於(或小於)另一種方法,這種系統誤差就是我們常說的「偏倚」。Bland-Altman法主要是計算出兩種方法測量結果的「95%一致性界限(95% limits of agreement, 95% LoA)」,並用圖形的方法直觀地反映出這個一致性界限——通常以測量結果的差值為縱軸,以測量結果的均數為橫軸,繪製散點圖,並標註出95%一致性界限。最後得出兩種方法是否具有同質性的結論。如果兩個測量結果的差異位於95% LoA內,則可以認為這兩種方法測量結果具有較好的同質性。這個Bland-Altman圖統計軟體都可以做,最常用的傻瓜式軟體是Medcalc,點點菜單就完成了,
R語言來做當然是沒有問題的。
因為我們做網狀Meta分析全程都是用R,所以這裡我把R的代碼給到大家,主要用到的就是
BlandAltmanLeh這個R包,如果打算做這個圖的可以試試。(2)設置工作路徑並安裝BlandAltmanLeh包
![]()
(3)導入數據
![]()
#FE指的是固定效應模型的均值,RE指的是隨機效應模型的均值,注意順序,用FE-RE, silente=F,同時給出統計量。默認的LoA計算是用差值mean±1.96SD,並且給出95%置信區間,作出來的圖如下,所有的點都95%LoA範圍內說明同質性比較好。所謂的相似性我們還是用上面的例子來舉例,我們要做A和B的間接比較,共同對照組是C,那麼相似性指的就是A和C直接比較和B和C直接比較兩者之間的相似性。
相似性目前還沒有公認的統計學方法,主要還是靠主觀判斷,可以從臨床相似性和方法相似性來分析,這個其實跟普通Meta分析探討異質性也是一樣的思想。
P主要指的是病人特徵,包括性別、年齡、併發症、樣本來源、納入排除標準。也就是研究設計來分析,包括隨機的方法、盲法、分配隱藏等等。
既然沒有定量的統計學方法,那麼如何主觀判斷是否相似呢?實際上只要會影響到試驗效應的關鍵特徵相似即可,一些不會影響到試驗效應的特徵不相似是沒有關係的。
第5步的重點就是一致性檢驗,這個內容就比較多了,我留在下周重點介紹。順便提一下,很多同學希望我把網狀Meta分析錄製成視頻分享,因為自己確實任務比較多,錄製視頻需要時間,所以就先寫成帖子來跟大家分享,
大家如果有普通Meta分析的基礎,只要看我的這些帖子基本就能完成網狀Meta分析的製作,有沒有視頻實際上也不那麼重要了。6.網狀Meta分析進行模型構建及圖形繪製
7.網狀Meta分析概率排序分析及作圖
![]()
逍遙君:南京醫科大學博士,主治醫師,發表論文20餘篇,第一作者或通訊作者SCI論文8篇,主持國自然及各級別課題多項,著有《逍遙君說科研系列課程》,主講Meta分析、基金標書、論文寫作,丁香園、募格學術金牌講師,同時具有多年基金、股市、數字貨幣投資經驗。
![]()
精彩專欄,點擊直達
科研經驗 | 文獻精讀 | 論文修煉 | 課題基金 | 神器工具
循證醫學 | 留學深造 | 醫路有你 | 觀點時評 | 醫學統計
醫護理財 | 課外生活 | 碩博考研 | 心路歷程 | 研究生日常
![]()
![]()
![]()
![]()
![]()