- 文章
- 最新
元分析知识速读:6个基础知识点
随着论文发表量逐年增加,生物医药领域的研究员如能掌握元分析则讨巧许多。在分析汇总多项研究并试图找出研究课题与某一特定变量的关系时,元分析省时省力的优势格外明显。
什么是元分析?
元分析的本质是统计,它可以将某一课题下的多项研究的结果汇总、比较。填补个体研究的不周到之处,化解对立结果,得出更客观准确的结论。实操方面,PRISMA(The Preferred Reporting Items for Systematic reviews and Meta-Analyses)表则是做元分析时的必要材料。
元分析统计的部分通常包括:1)多项研究的汇总数据;2)估算汇总的干预效果。元分析的多用森林图呈现,能直观地同时看到个体研究与汇总后的效应估计及置信区间。
元分析与统计
临床医生、研究人员、政策制定者都会依据元分析作决定,分析结果严谨准确是继续推进的前提。接下来我们就将逐一讲解具体实操中需要注意的六点。
1.研究问题
开始元分析前,你需要一个明确且具体的研究问题,以确定要抓取的数据和变量。打个比方,如把“糖尿病管理干预措施”作为研究问题则显得太泛,精确为“运动干预对血糖控制的改善”或“补充维生素D对葡萄糖代谢的改善”会令分析更精准。
2.明确干预措施
明确你要进一步分析的数据包括哪些。有时在同一个研究问题下会收集到不同干预措施的数据,比如研究一是关于减肥对体重的影响,而研究二测量的则是减肥会使体重质量指数有何变化。
3.处理缺失值
在汇总统计或数据转换时如有缺失值,应使用多重插补、逆概率加权法、案例分析予以回应。此外,作者还需在方法部分对上述操作作解释说明。
4.数据异质性
异质性多用Q检验和I2统计计算,它有助读者了解不同研究结果间或干预措施间的差异。元分析中一定要包含异质性检验,通常几组研究数据间存在差异是正常的,而异质性就是对各项研究的可合并性作量化。
5.统计偏差
对元分析内任何存在统计偏差的研究都应加以说明。单项研究的质量会影响汇总结果,因此仔细评估每一项研究的设计及操作、了解其数据质量,可识别出潜在问题,判断总体效应的可靠性。常见的偏倚风险识别工具有Cochrane旗下的风险评估工具一代及二代、Effective Practice and Organisation of Care工具、美国国立卫生院的质量评估工具等等。
6.灵敏度分析
灵敏度分析通过显示个体研究对总体结果的影响,帮助读者了解汇总数据的稳定性。此外,灵敏度分析还能筛选出异常值,即那些影响过大或过小的研究。