meta分析常译作荟萃分析或元分析,其中的“meta”源自于古希腊文,意指将事物综合起来观察。meta分析最早由Light和
Smoth于1971年提出,这是一种对不同研究结果进行合并分析的方法,在临床医学上常用于合并研究结果,最常见的是随机对照实验(randomized controlled trial, RCT)结果的合并,RCT慢慢发展为循证医学的主要研究手段之一。
今天,就让小编来带大家一起做meta分析。
总的来说,一个完整的Meta分析都遵循以下七个基本步骤:
1
选题,要明确研究问题
选题是meta分析最先面临的问题。选题的好坏直接决定着你研究的成功与失败。那怎样才能选好研究题目呢?
我们可运用中国生物医学数据库CBM和PubMed数据库,检索和阅读相关文献,以熟悉掌握主题相关的研究领域,包括研究现状、相关研究文献数量、中文及外文文献发表情况。
选题一定要具有重要性、新颖性、合理性、问题清晰和结局明确,而且题目最好是当前热点问题且存在有争议的,已经下定论的问题就不要做meta分析了。而且所选主题的相关研究不能过少。
选题时应考虑PICOS的五个方面:
2
研究设计
meta分析是系统回顾的最基本部分,所以需要临床专家和生物医学统计专家的密切合作。我们以临床试验为例,系统回顾需要精心设计,以规避可能影响结论的偏倚和错误,所以有必要确定好研究目的、规则和方法。
3
制定检索策略
确定检索数据库和检索方法这很重要。制定检索策略时可从三个方面考虑:
进行文献检索最好同时有两个人检索,一个人进行计算机检索如MEDLINE,另一个人进行传统检索如INDEX MEDICUS,然后根据检索到的文献做进一步检索。
检索完成后,应要估计使用这两个方法未能检索到的论文数量。如果需要更高级的检索,检索标准应在检索之初就确定下来,研究设计也应明确定义,并解释做这选择的原因。
4
筛选和评价纳入文献
你可快速浏览文章题目和摘要,有助于明确要点。也可仔细阅读文献中的数据。总之做荟萃分析时要求仔细阅读以获取有助于理解结果的不同方面,明确研究的多样性,并解释分析中出现的特殊问题。
在经过反复阅读文章后,我们可发现当中初次阅读时被忽略的新论点,可发现当中作者故意遗漏的数据。
确定文献纳入和排除标准时同样可从PICOS五个方面加以考虑,并根据检索到的文献进行适当修正。我们尽量筛选出符合PICOS的研究文章,因为不合适的文献可能会完全扭曲最后得出的结果,例如一篇研究文章本来不应该纳入,它的样本量很大或标准差很小,在meta分析中所占的权重就很重,这很可能扭曲真实的结果。
撰写系统综述与meta分析论文时,我们通常在结果中先要展示纳入排除流程图,小编推荐使用PRISMA的模板。
5
提取数据信息
从纳入文献中提取数据时,可依循以下几点:
两组事件数、高危患者数以及不同结果是荟萃分析计算的基础。收集不同研究的失访病例数也很重要,以便进行逐个方案分析(per protocol)以及按精心选择的标准进行荟萃分析。
质量分析是评估荟萃分析中的文献的研究质量,证实文献高质量标志存在的一种方法。
6
数据录入、分析和结果
当确定好所要纳入文献后,我们可把纳入文献数据录入相关软件进行分析,目前SAS、Stata和RevMan是常用的meta分析软件。
RevMan是Cochrane协作网系统评价的标准化专用软件,具备meta分析的大部分功能,操作简单。
Stata软件的功能很全面,可进行meta回归分析,但需要写简单的命令,Stata的作图效果最好。
小编建议大家联合运用RevMan和Stata,但RevMan不能做偏倚回归图。
7
统计学分析
统计学分析的基本步骤如下:
8
结果解释
解释荟萃分析结果是一系列评价,具体包括汇总效应样本量大小评估、研究不均一性可能原因评估、荟萃分析稳定性评估以及计算所须治疗例数的评估。
下面解读一下meta分析的数据图
Meta分析的数据合并结果通常以森林图展示,偏倚评价也以图表示。森林图用于展示数据的合并,通过四边形和竖线的组合展示合并结果的效应值和置信区间,及其与界值的关系。
偏倚风险评价图用于展示纳入研究的方法学质量,绿、黄、红3种颜色分别代表低、中、高风险。
漏斗图用于评估发表偏倚,纳入研究至少为10项时可以使用。
1
森林图
我们可通过森林图了解到作者的分析结果,通过森林图的信息对数据分析进行验证和重复,进一步判断其方法和结果。我们可使用RevMan、Stata、R软件绘制森林图,不同绘图软件和方法所得到的参数和视觉效果都不同。
从这张图的左侧部分可看到的信息包括:
从这张图的右侧部分可看出的信息包括:
2
Cochrane偏倚风险评价图
偏倚是系统误差引起的错误,导致meta分析结果偏离真实情况,从而产生一定的误导。
图中的绿、红、黄分别表示低风险、高风险、风险不明确。
研究者评估纳入文献的每一项方法学特征,将评估结果输入软件,生成偏倚风险评价图。
图中每一行代表一种偏倚风险,这些偏倚风险贯穿整个临床试验,反映临床试验的方法学质量。Meta分析的研究者根据纳入文献中方法学的报告和描述来评估各项偏倚风险。
3
漏斗图
横轴为各研究的效应值,纵轴为样本量。
漏斗图是识别发表偏倚常用的可视化方法。假设在无发表偏倚的情况下,散点会形成大致对称的倒漏斗,但目测漏斗图对称与否存在主观性,不同的读者可能会作出不同的判断。导致漏斗图不对称的因素较多,可能是发表偏倚以外的原因,如治疗效应真实的异质性。
图中的空心圆圈代表纳入Meta分析的各项研究,圆圈在上半部较为集中,提示研究精度较高。
圆圈在中线左右两侧不对称,提示存在发表偏倚。
除RevMan软件可绘制漏斗图外,Stata软件可进行Egger's Test和Begg's Test检验,也可用于评估发表偏倚。
4
Galbraith图
横轴:利用效应值标准误的倒数衡量研究的规模。
纵轴:标准化的效应值。
点:每个点代表一个研究,大小要一致,点的大小要适当。
斜线:图中有三条斜线,中间的线斜率代表固定效应合并值,两侧的线代表95%CI。如果没有异质性和发表偏倚,理论上在两条95%CI线之外的研究数量为5%。
5
meta回归和气泡图
研究间的异质性有时可以归因于某些研究水平的影响因素,此时可能用到Meta回归的方法。Meta回归得到的影响因素作用大小可以利用气泡图上显示。
X轴:影响因素的取值。
Y轴:效应值大小。
圆圈:每个圆圈代表一个研究,圆圈越大,说明该研究的效应值方差越小,精确度越高,权重越大。
线:回归线,如果回归线斜率不为0,说明影响因素对研究间效应有作用。
如何对汇总结果进行再评价呢?
针对临床问题进行Meta分析可为临床实践提供循证医学证据,但Meta分析结果是否真实可靠,是否适用于临床实践,需读者进行批判性思考,作出客观判断。可以从Meta分析报告中寻找以下问题的答案:
1、纳入的研究异质性高吗?
异质性指的是研究之间的任何变异。如果异质性很高,这个结果很可能不适用于临床。
异质性分为:
临床异质性,如受试者、干预措施和结局的变异;
看纳入文献的各项研究特征,如人口学资料、基线特征、疾病种类、疾病严重程度、干预方法、对照方案、评估工具、结局指标等是否具有异质性。临床异质性的判断无定量标准,需要临床医生结合自身的专业知识和临床经验进行判断。
以预防ICU患者应激性溃疡的Meta分析为例,需判断不同药物选择(质子泵抑制剂、硫糖铝)、不同给药途径(口服、静脉)、不同临床科室(内科ICU、综合ICU)是否均为引入临床异质性的因素,根据这些因素进行亚组分析,处理临床异质性的来源。
方法学异质性,如研究设计和偏倚风险的多样性;
Meta分析纳入的研究类型是否均为RCT、队列研究或两者均有?如果两者均有,不同研究类型的数据合并将会明显提高异质性,应通过亚组分析降低异质性。如果纳入研究均为RCT,是否全部为高质量RCT或质量参差不齐?这时可参考Meta分析中的偏倚评价图或质量评价表。如部分RCT质量高,盲法、分配隐藏、随机、随访等充分可信,而另一部分质量很低,甚至自称RCT但并未真正做到RCT,那么把这两类数据直接合并是不合理的,同样也需通过亚组分析降低异质性。
统计学异质性,即干预效应间的差异超过仅由随机误差所致的差异。
统计学计算异质性以数据为基础,其原理是各研究间可信区间的重合程度越大,则各研究间存在统计学同质性的可能性越大,相反,可信区间的重合程度越小,各研究间存在统计学异质性的可能性越大。
2、meta分析的结论稳健吗?去除某些纳入的研究,结论是否会立即改变?
Meta分析结果的稳健性是Meta分析的重要品质,如果一项Meta分析的结果稳健,意味着该临床问题已在证据金字塔的顶端得出权威结论,可以指导指南制订和临床实践;反之,则提示该项Meta分析只是运用统计学方法进行了一次数据合并而已,意义非常局限,甚至会误导临床实践。
Meta分析的所有异质性均会影响其结果的稳健性。一项稳健的Meta分析应具备以下特征:
3、该样本量足以得出当前的结论吗?如果出现新的研究,现有结论是否会立即改变?
检验效能和样本量是解读meta分析时难度较大的。多数Meta分析中研究者并未考虑并报告这一问题,因此在阅读Meta分析报告时读者未必能找到相应的信息。如果一项Meta分析的样本量很大,这个样本量真的足够吗?另一项Meta分析的样本量较小,需要继续做RCT积累数据吗?这些问题可以通过TSA定量进行解决。
TSA给出的界值代表Meta分析得出当前结论所需的样本量,综合了先验信息、统计信息、纳入数据等多种信息,校正了Meta分析由于多次合并数据而增加的Ⅰ类和Ⅱ类错误风险,给出了预计需要的样本量。
接下来,小编为大家推荐几款好用的meta分析的软件。
1
Abstrackr & OpenMeta [Analyst]
http://www.cebm.brown.edu/openmeta/
http://abstrackr.cebm.brown.edu/account/login
Abstrackr and Open Meta-Analyst是由布朗大学公共卫生学院开发,是用于系统综述的引文筛选的免费在线工具,协助抽象筛选过程和统计分析。Abstrackr平台上可让你系统地上传、筛选和组织检索的文献,使用前需要先注册账号。OpenMeta[Analyst]软件可进行meta分析。
2
CADIMA
https://www.cadima.info/
CADIMA可支持综述和证据/系统图的免费在线工具,确保了系统综述和系统/证据图的详细记录。通过证据合成过程指导评审作者,协作的团队成员的协调,简化了相当大的工作量的步骤和保证其完整的文档。
3
Covidence
https://www.covidence.org/home
Covidence可精简整个制作系统综述,包括Cochrane评价,引文筛选,全文审查,偏倚风险评估,研究特征提取和其他研究数据,还可将数据导出到RevMan。执行质量评估,数据提取和最终决策,以实时在线包含和排除研究。以前被称为ReGroup。
4
Distiller-SR
https://www.evidencepartners.com/products/distillersr-systematic-review-software/
Distiller-SR是目前最受欢迎的系统综述软件,其提供专家支持服务; 基于网络的参考筛选,数据提取和整个系统评审过程的报告解决方案。专门用于系统综述中的筛选和数据提取阶段,DSR提供了一种查看和筛选引文,摘要和全文的简单方法; 进行数据提取; 在Excel中生成表格; DSR具有处理引用的能力。
5
Endnote Web
http://resources.library.ubc.ca/page.php?details=endnote-basic&id=2119
EndNote Web是EndNote的免费版本,从Endnote X8开始可以使用Internet Explorer(IE)或Mozilla Firefox自动导出PubMed引用。Endnote Web包含的功能包括按引用次数,按库添加日期和修改日期对引用进行排序的功能。
Endnote Web X8能够以纯文本,RTF格式,HTML或XML格式导出引文。文件可以存储在中央服务器上的云端。
EndNote Web能够运行重复检查; 将库分成3个用于筛选和标记结果,并使用EPPI进行分析。
6
EpiGear International
http://www.epigear.com/
EpiGear International 是MetaXL的所在地, MetaXL是用于Meta分析的免费Microsoft Excel for Windows插件。MetaXL支持所有主要的Meta分析方法,此外还实现了有缺陷的随机效应模型的两种替代方案。
MetaXL还支持一种简单而强大的方法来实现网络Meta分析。
7
EROS
http://eros-systematic-review.org/rev-login.php
EROS专门用于执行系统综述的第一阶段。
8
Import.io
https://import.io/
Import.io无需编写代码即可从网站提取数据,用户使用其点击界面创建API,通过突出显示页面中的数据示例来导航到网站并教导应用程序提取数据; 学习算法然后从示例中推广出来,找出如何获取网站上的所有数据。收集的数据存储在import.io的云服务器上,可以下载为CSV,Excel,Google表格或JSON并共享:可以从数据生成API,允许他们轻松地将实时Web数据集成到自己的应用程序中或第三方分析和可视化软件。
9
Metafor Package in R
http://www.metafor-project.org/doku.php
Metafor Package in R是一个免费的开源插件,用于在统计软件环境R中进行Meta分析。它由一系列功能组成,允许用户计算各种效果大小或结果测量,适合固定,随机和混合,对这些数据进行影响模型,进行Meta回归分析,并创建各种类型的Meta分析图。
10
Parsifal
https://parsif.al/about/
Parsifal可支持研究人员在软件工程环境中进行系统的文献综述。地理位置分散的研究人员可以在共享工作空间内协同工作,设计协议并进行研究。除了提供记录整个过程的方法之外,该工具还可以帮助您在系统的文献综述中提醒重要内容。在规划阶段,Parsifal将帮助您完成目标,PICOC,研究问题,搜索字符串,关键字和同义词,选择来源,包含和排除标准。还将提供建立质量评估清单和数据提取表格的机制。在执行阶段,您将能够导入bibtex文件并选择研究,在所有不同来源中查找重复项。
11
系统综述数据库(SRDR)
http://srdr.ahrq.gov/
SRDR是由医疗保健研究和质量机构(AHRQ)制作,用于系统综述或荟萃分析的数据提取和管理。通过可搜索的系统综述档案(以及从荟萃分析研究中提取的数据),数据管理变得更加容易。SDSR允许您使用即时验证检查创建自己的“抽象表单”。
12
Rayyan
http://rayyan.qcri.org
Rayyan是一款免费的网络应用程序,可帮助系统评论员以快速,轻松和愉快的方式完成工作。作者创建系统评论,协作,随着时间的推移维护它们并获得包含文章的建议。其包括一个移动应用程序,用于移动筛选研究。
13
RevMan
http://community.cochrane.org/tools/review-production-tools/revman-5/revman-5-download
RevMan软件用于开发Cochrane系统综述。它可以帮助构建评论,建立纳入和排除研究的表格,并对研究数据进行Meta分析。
14
RobotReviewer
https://github.com/ijmarshall/robotreviewer
RobotReviewer是一种机器学习系统,可自动评估临床试验中的偏差。RobotReviewer获取临床试验报告的全文,即可返回完整的Cochrane偏倚风险工具,包括其判断的理由。
15
SWIFT-Review
https://user.sciome.com/login
SWIFT-Review(SWIFT是“Sciome Workbench for Interactive computer-Facilitated Text-mining”的首字母缩写),是一个免费提供的交互式工作台,它提供了许多工具来协助问题的制定和文献优先排序。SWIFT-Review通过提供可用于以交互方式搜索,分类和优先处理大型(或小型)文献的若干功能,将系统评审专家置于控制的位置。SWIFT-Review利用新开发的统计文本挖掘和机器学习方法,允许用户在文献语料库中发现过多的主题,并对文档进行排序以进行人工筛选。
16
Systematic Review Accelerator
http://crebp-sra.com/
该系统综述加速器(SRA)是一种可用于协助开展系统综述,模块化设计。使用Deduplicator自动重复数据删除器;使用单词频率分析器分析出现在文章列表的标题,摘要和关键字中的唯一术语的数量,以帮助进行搜索策略开发;使用Polyglot搜索语法翻译器,采用Ovid Medline或PubMed搜索策略,并将其转换为CENTRAL,Embase,CINAHL,Web of Science,Scopus和PsycInfo的正确语法;使用EndNote Helper热键,快速为EndNote中的组分配引用,以便更轻松地筛选搜索结果。
17
Systematic Review Database SRDB.PRO
http://www.srdb.pro/srdbpro
Systematic Review Database SRDB.PRO™是一个用于管理和帮助系统综述(托管或企业)软件工具。其可以使团队合作并分享结果,通过数据提取网格,包括处理、结果和各种数据列,可以输入提示并选择数据类型以帮助提取过程,还可以为项目创建报告模板,也可以从可用的模板中选择。
18
SUMARI
https://www.jbisumari.org/faq.html
SUMARI是统一管理,评估和信息审查系统的软件;旨在帮助健康,社会科学和人文科学等领域的研究人员和从业人员评估和综合可行性,适当性,意义和有效性的证据; 并对活动和干预措施进行经济评估。
来源:南博屹生物
—————— 医生话题 ——————
在评论区留言吧,让我们听见你的声音!
延伸阅读:
学术干货:4位学术牛人教你如何读文献、用文献
审稿大牛给出的论文写作建议,超级实用!
运气还是实力?被三分的杂志秒拒到发表于7分的杂志
如何做出高颜值的Sci论文配图?
联系客服