網(wǎng)狀mea分析的條件

網(wǎng)狀mea分析的條件

在傳統(tǒng)的基礎(chǔ)分析和索賠中，對(duì)異質(zhì)性的有效識(shí)別和正確對(duì)待直接影響最終結(jié)果的可靠性。相對(duì)于傳統(tǒng)Meta分析,網(wǎng)狀Meta分析綜合了多種復(fù)雜的措施,使得異質(zhì)性的鑒別與處理顯得更加困難,因此結(jié)果可信度將因無法有效鑒別一致性而受到嚴(yán)重影響?；谝恢滦钥赡墚a(chǎn)生于異質(zhì)性的考慮,為進(jìn)一步保證結(jié)果的可靠性,方法學(xué)家開始結(jié)合網(wǎng)狀Meta分析特點(diǎn)提出了一致性概念并給出一系列鑒別與處理方法。本文對(duì)當(dāng)前鑒別與處理網(wǎng)狀Meta分析一致性的11種方法進(jìn)行介紹。1不一致性的屬性在網(wǎng)狀Meta分析中,由于多因素與多干預(yù)措施等混雜因素的相互影響,使其結(jié)果的精確性與可靠性一直備受質(zhì)疑。為保障網(wǎng)狀Meta分析證據(jù)的精確性與可靠性,方法學(xué)家相繼提出了一套鑒定思路,如相似性(similarity)、異質(zhì)性(heterogeneity)、一致性(consistency)和傳遞性(transitivity)等。在傳統(tǒng)Meta分析中,通常將所有除隨機(jī)誤差以外所導(dǎo)致的結(jié)果差異稱為異質(zhì)性,即不相似性。基于此理論,相關(guān)學(xué)者也將網(wǎng)狀Meta分析中不一致性歸類于異質(zhì)性的范疇,即異質(zhì)性會(huì)產(chǎn)生不一致性。在網(wǎng)狀Meta分析中,學(xué)術(shù)界認(rèn)為各種外界干擾因素均會(huì)對(duì)直接與間接比較結(jié)果產(chǎn)生影響。因此,與傳統(tǒng)Meta分析不同,在網(wǎng)狀Meta分析中一致性是指直接與間接比較結(jié)果的相似度。可分為方向或大小一致性,目前主要依據(jù)大小的一致性進(jìn)行鑒定,如Bucher法等;也有學(xué)者提出可分為環(huán)不一致性與設(shè)計(jì)不一致性。方向不一致性是指直、間接比較反映利益措施不同,為定性分析,常用于目測(cè)直、間接比較間方向上的差異;大小不一致性是指直、間接比較的統(tǒng)計(jì)學(xué)差異,為定量分析,該方法使用最為廣泛;環(huán)不一致性是指以多種措施構(gòu)成“環(huán)”為基礎(chǔ)的不一致性檢驗(yàn),通常被認(rèn)為是構(gòu)成不一致性的基礎(chǔ);設(shè)計(jì)不一致性是指已制定參照措施的前提下,基于研究試驗(yàn)措施不同而產(chǎn)生的不一致性,其時(shí)常與“環(huán)不一致性”概念存在界限不清,但其組成成分中包含“環(huán)不一致性”,常見于“兩步法”。一致性鑒別實(shí)質(zhì)就是分別匯總直接與間接比較結(jié)果后進(jìn)行單一的定性或定量分析,但基于合并推算的理念、方法及統(tǒng)計(jì)效能等差異,可能導(dǎo)致結(jié)果間存在差異。一致性的提出為鑒定網(wǎng)狀Meta分析的證據(jù)相似性提供了另一種思路,在現(xiàn)有統(tǒng)計(jì)學(xué)效能下對(duì)間接證據(jù)可靠性給予了一定保障,也是網(wǎng)狀Meta分析制作流程中必不可少的步驟之一。2難題的突破和新突破伴隨著方法學(xué)的不斷進(jìn)展,一致性鑒別的難題也取得了一定突破。目前,一致性鑒別大致可分為客觀與主觀鑒別方法,下文將對(duì)這些方法的名稱及其特點(diǎn)進(jìn)行簡(jiǎn)介。2.1各雜性的比較在網(wǎng)狀Meta分析中,干預(yù)措施及混雜因素多等特點(diǎn)致使納入研究間的相似性或可比性鑒定顯得十分困難。眾所周知,各種混雜因素的盲目合并會(huì)導(dǎo)致結(jié)果的異質(zhì)性明顯,其無疑會(huì)導(dǎo)致結(jié)果間的不一致性,致使結(jié)果不真實(shí)。通過對(duì)納入研究的基本特征(basiccharacteristics)進(jìn)行比較,可以在一定程度上進(jìn)行異質(zhì)性的判斷。網(wǎng)狀Meta分析中使用基本特征比較的方法對(duì)混雜因素進(jìn)行比較與傳統(tǒng)Meta分析基本一致。顯然,該方法屬于定性的法,通常給予定性評(píng)估。2.2亞組分析及多元回歸法在網(wǎng)狀Meta分析中,各種因素的相互作用時(shí)常會(huì)發(fā)生,這也是在制作網(wǎng)狀Meta分析當(dāng)中較為棘手的部分之一;同時(shí),這可能導(dǎo)致直間接結(jié)果的不一致性。因此,凡是存在明顯干預(yù)因素或研究間的相互作用時(shí),均應(yīng)及時(shí)進(jìn)行校正以換取真實(shí)結(jié)果。通常對(duì)于干預(yù)協(xié)變量(covariates)的鑒定與處理,當(dāng)前已采用亞組分析及多元回歸的方法較為常見。亞組分析與傳統(tǒng)Meta分析是相同的;回歸在傳統(tǒng)Meta分析中類似于簡(jiǎn)單回歸,而在網(wǎng)狀Meta分析中則采用的是多元回歸,當(dāng)前最常用的軟件為R軟件與Stata軟件[1,12,13,14,15,16,17,18,19]。2.3參照措施的選取在網(wǎng)狀Meta分析中,間接比較的基礎(chǔ)就是基于兩種措施間存在共同比較措施,即擁有相同的參照組。因此,參照措施(referentgroup)的選定,對(duì)于間接比較的結(jié)果將會(huì)產(chǎn)生一定的影響,進(jìn)而影響到結(jié)果一致性。在參照措施的選定方面,當(dāng)前通常選擇使用頻次高、相似性好等措施作為參照基線,如安慰劑(placebo)。當(dāng)沒有安慰劑時(shí),可以根據(jù)上述標(biāo)準(zhǔn)結(jié)合納入研究的實(shí)際情況進(jìn)行確定,并可考慮更換參照措施并比較更換前后的結(jié)果進(jìn)行判斷。2.4執(zhí)行穩(wěn)定性檢驗(yàn)傳統(tǒng)Meta分析中,當(dāng)懷疑某個(gè)研究占整個(gè)研究結(jié)果的比重較大時(shí),往往會(huì)對(duì)其進(jìn)行剔除以檢驗(yàn)結(jié)果的穩(wěn)定性;或者采用逐個(gè)依次剔除納入研究檢驗(yàn)結(jié)果的穩(wěn)定性。在網(wǎng)狀Meta分析中,除了剔除大比重研究外,還需依據(jù)環(huán)臂來進(jìn)行研究臂的剔除以檢驗(yàn)結(jié)果的穩(wěn)定性,該方法常應(yīng)用于貝葉斯模型當(dāng)中,常用軟件為BUGS軟件與ADDIS軟件等。環(huán)臂(loop-arm)是指網(wǎng)狀關(guān)系圖中的每一個(gè)節(jié)點(diǎn)(node),因此該方法亦稱為“節(jié)點(diǎn)分析”。2.5不一致性模型在網(wǎng)狀Meta分析制作時(shí),通常采用一致性模型(consistencymodels),也即假定直接比較與間接比較結(jié)果是一致的,但往往該假設(shè)不令人滿意。因此,有學(xué)者提出使用不一致性模型(inconsistencymodels)來進(jìn)行結(jié)果的模擬。該模型最大貢獻(xiàn)在于其將不一致性參數(shù)引入模型中,從而在理論上避免干預(yù)因素對(duì)結(jié)果的影響。假設(shè)avs.b與avs.c為直接比較,那么bvs.c就為間接比較,則一致性與不一致性模型的基本理念如下:該方法當(dāng)前最常用的軟件為BUGS軟件與ADDIS軟件等。2.6統(tǒng)計(jì)學(xué)處理方法將直接比較結(jié)果與間接比較結(jié)果進(jìn)行對(duì)比分析是鑒定一致性最直接與最佳的方式。因此,假設(shè)檢驗(yàn)(Hypothesistest)就是從獲取直接比較與間接比較結(jié)果間的差異后再依據(jù)統(tǒng)計(jì)Z值檢驗(yàn)來驗(yàn)證其是否具有統(tǒng)計(jì)學(xué)意義。上述計(jì)算的Z值再經(jīng)過相應(yīng)的標(biāo)準(zhǔn)正態(tài)分布轉(zhuǎn)換成對(duì)應(yīng)的p值即可。由于該方法需要獲取最終的直間接結(jié)果,因此適合于單一3臂環(huán)的研究。當(dāng)出現(xiàn)超過3臂環(huán)時(shí),對(duì)于不一致性的效應(yīng)量與方差的獲取,則采用以下方式進(jìn)行:(1)計(jì)算平均效應(yīng)量:公式中N為相應(yīng)配對(duì)證據(jù)來源總數(shù),n為證據(jù)來源的序號(hào),b和k均為相應(yīng)治療的下標(biāo)。該計(jì)算公式使用的方法為倒方差分析法。(2)進(jìn)行統(tǒng)計(jì)檢驗(yàn):該公式是以(N-1)為自由度的卡方檢驗(yàn)來予以鑒定的。該方法當(dāng)前最常用的軟件為R軟件[1,12,13,14,15,16,17,24]。2.7間接比較結(jié)果的獲取為克服上述假設(shè)檢驗(yàn)統(tǒng)計(jì)方法中直接與間接比較結(jié)果獲取難度的缺陷,現(xiàn)今方法學(xué)家轉(zhuǎn)而從最終的網(wǎng)狀結(jié)果與直接比較結(jié)果開始予以倒退的方式來實(shí)現(xiàn)間接比較結(jié)果的獲取,即“回測(cè)法(backtransformationmethod)”?；販y(cè)法的最大優(yōu)點(diǎn)在于避免了間接比較中過多的中間環(huán)節(jié),為操作者提供了極大便利。其具體操作步驟如下:公式中b與k下標(biāo)分別為相應(yīng)的干預(yù)措施;d為相應(yīng)的效應(yīng)量;v為相應(yīng)的方差;dir、ind及NMA上標(biāo)分別表示直接、間接及網(wǎng)狀結(jié)果所對(duì)應(yīng)的效應(yīng)量與方差。(2)進(jìn)行統(tǒng)計(jì)評(píng)估該部分與2.6中單一環(huán)(3臂環(huán))的統(tǒng)計(jì)分析一致。該方法當(dāng)前最常用的軟件為R軟件[1,12,13,14,15,16,17,24]。2.8生成優(yōu)化方法多維測(cè)量法(multidimensionalscaling)的主要思路是利用將網(wǎng)狀Meta分析最終各節(jié)點(diǎn)的結(jié)果依次在圖形中進(jìn)行展示,再通過觀察配對(duì)兩節(jié)點(diǎn)的距離與相應(yīng)間接比較節(jié)點(diǎn)間距離來進(jìn)行相應(yīng)檢驗(yàn)。該方法配對(duì)比較部分使用倒方差法進(jìn)行,擬合值采用加權(quán)最小二乘法進(jìn)行優(yōu)化運(yùn)算。具體如下:(2)直接和間接比較節(jié)點(diǎn)的差異(3)直-間接比較平面的建立在完成上述節(jié)點(diǎn)的相關(guān)計(jì)算后,基于參考節(jié)點(diǎn)固定于認(rèn)為定義“原點(diǎn)”并依據(jù)直接比較與直-間接間的差異,通過計(jì)算優(yōu)化模擬采用應(yīng)力函數(shù)并最終形成一個(gè)2維空間圖形,使得直-間接比較的所有干預(yù)措施都在于統(tǒng)一平面上。若直接-間接平面近似于同一平面,可視直間接比較具有一致性;反之亦然。該方法當(dāng)前最常用的軟件為R軟件或其他制圖軟件[1,12,13,14,15,16,17,24]。2.9網(wǎng)狀分析的最小二乘法擬合兩步法(two-stageapproach)的基本步驟分為配對(duì)比較與網(wǎng)狀分析,其中網(wǎng)狀分析采用最小二乘法擬合。在一致性檢驗(yàn)的部分,兩步法可以提供兩種檢驗(yàn)方式,分別為似然比檢驗(yàn)(likelihoodratiotest)與殘差檢驗(yàn)(residualtest)。2.9.1控制函數(shù)的檢驗(yàn)該檢驗(yàn)通常默認(rèn)基于一致性模型進(jìn)行擬合,其統(tǒng)計(jì)測(cè)試是依據(jù)“H-T+1”為自由度的卡方檢驗(yàn)來進(jìn)行的,具體如下:該方法中H為矩陣長度,T為干預(yù)措施數(shù)量,為采用最小二乘法擬合之后的效應(yīng)量矩陣,W為方差-協(xié)方差矩陣,X為設(shè)計(jì)后一致性方程矩陣。2.9.2正態(tài)假設(shè)性檢驗(yàn)殘差檢驗(yàn)就是計(jì)算擬合直接比較結(jié)果與網(wǎng)狀結(jié)果之間的偏差基于正態(tài)假設(shè)性檢驗(yàn)來分析一致性概況。具體如下:若R*在(–1.96,196)之間視為一致性好,否則視為非一致性。2.10網(wǎng)狀連續(xù)分析圖形理論法(graph-theoreticalmethod)使用的是電網(wǎng)的基本原理,將電力學(xué)基本知識(shí)融入到網(wǎng)狀Meta分析中。該方法將效應(yīng)量對(duì)應(yīng)電壓、效應(yīng)量權(quán)重對(duì)應(yīng)電流、方差對(duì)應(yīng)電阻等。其中,一致性的檢驗(yàn)使用卡方檢驗(yàn)的Q統(tǒng)計(jì)來進(jìn)行鑒定,具體操作可參考《R軟件netmeta程序包在網(wǎng)狀Meta分析中的運(yùn)用》一文。2.11ancemethods方法析因方差分析法(Factorialanalysis-of-variancemethods)是基于方差分析的基本原理,在網(wǎng)狀Meta分析中考慮每一個(gè)處理因素對(duì)試驗(yàn)效應(yīng)的主效應(yīng)或者對(duì)兩個(gè)和更多處理因素的相互作用進(jìn)行分析的一種方法。該法可方便地檢測(cè)和定位網(wǎng)狀Meta分析中的不一致性。(1)試驗(yàn)設(shè)計(jì)的基本模型在網(wǎng)狀Meta分析中G為試驗(yàn)組、試驗(yàn)類型及設(shè)計(jì)類型,S為研究和試驗(yàn),T為治療方法。上式中S×T是某一種治療方法在某一個(gè)試驗(yàn)中的預(yù)期值,S是在其試驗(yàn)中的主效應(yīng)值,T是某種治療方法的主效應(yīng)值,S.T是不同試驗(yàn)不一致性的模型。第一步反映了試驗(yàn)嵌套在設(shè)計(jì)之中。第二步是第一步方差分析模型的延伸。然后使用Wald檢驗(yàn)和卡方檢驗(yàn)來反應(yīng)不一致性,即第一步中的S.T,第二步中的G.S.T。(2)模型的建立和檢驗(yàn)在此兩步分析方差模型中引入新的變量D,D1即為第一個(gè)試驗(yàn)的一個(gè)新變量,至此D1和G就有了層次關(guān)系,G就嵌套在D1中,評(píng)估不一致性的模型即可表達(dá)為:兩邊同時(shí)變形,應(yīng)用Wilkinson和Payne語法和嵌套進(jìn)去的因子D1、G和S,完整的模型如下:同理,不同的試驗(yàn)設(shè)計(jì),D的下標(biāo)就不同。用固定效應(yīng)模型和隨機(jī)效應(yīng)模型計(jì)算出D1.G.S.T值,同時(shí)將其進(jìn)行Wald檢驗(yàn)和卡方檢驗(yàn)。若Wald檢驗(yàn)值越大,對(duì)應(yīng)卡方檢驗(yàn)值越小,則提示該研究存在明顯不一致性;反之,則提示一致性較好。該方法用SAS、R[1,12,13,14,15,16,17,24]和Stata軟件中的線性混合模型即可很容易地完成。3網(wǎng)狀pcr證據(jù)的最佳使用網(wǎng)狀Meta分析從最初萌芽至今,已有十幾年歷程,方法學(xué)上眾多難點(diǎn)也已有不同程度的突破。一致性的檢驗(yàn),對(duì)于保證網(wǎng)狀Meta分析結(jié)論的可靠性起著關(guān)鍵性作用。當(dāng)然,在一致性檢驗(yàn)與處理方面卻仍有待完善。當(dāng)前認(rèn)為,混雜因素是導(dǎo)致異質(zhì)性產(chǎn)生的重要因素之一。不一致性的主要來源與異質(zhì)性來源基本相似。因此,相關(guān)研究者將一致性歸類于異質(zhì)性,甚者認(rèn)為:異質(zhì)性似于“原因”,一致性似于“結(jié)果”,故在統(tǒng)計(jì)方法學(xué)上,時(shí)常無法嚴(yán)格區(qū)分兩者界限。這也使得無論是對(duì)其進(jìn)行鑒別還是處理,乃至最終結(jié)果的解釋都較為困難。本文對(duì)當(dāng)前建議的11種鑒別一致性的方法進(jìn)行了介紹,可以看出,任何一種方法均有其局限性;換句話說,當(dāng)前尚無一種最