八步教你學會Meta分析

八步教你學會Meta分析Meta分析（一）：選題現在讀研的很多學生甚至臨床上的醫(yī)生，迫于某些壓力或者是個人興趣，開始學習Meta分析，理想的發(fā)篇SCI文章，不濟的也當學個技術，技多不壓身。為什么會找Meta做為切入點呢，江湖傳言此乃發(fā)文神器，某大仙一年發(fā)十篇Meta的也不是少見。感覺它不用做實驗，窩在家一股腦的看文獻，整理整理數據，也不耗錢，真是一本萬利的生意，尤其適合臨床醫(yī)生。所以聰明的中國人開始走上了Meta這道“不規(guī)路”，早上發(fā)，中午發(fā)，天天發(fā)，發(fā)。。。。想發(fā)一篇文章，首先是要選好一個題目。我可以負責任的告訴大家，你今天選題的高度決定了你日后發(fā)文的高度。所以磨刀不誤砍柴工，好好選題，良好的開端是成功的一半。那么問題來了，怎么選題呢？結合我個人的經驗，我認為良好的優(yōu)質的題目有以下幾個特點：1?是臨床現有的爭議點，大家對此還不是很統(tǒng)一，指南也模棱兩可。對現有的操作的一種challenge,如果你的Meta能改變某種臨床行為，那你厲害了。之前己經有篇Meta了，但后來因為加入新的articles,挑戰(zhàn)了之前的結果，能引起一定的討論。現階段大部分multi-centersRCTs都是國外研究機構發(fā)表的，他們一般在進行臨床研究的同時，己經將其Meta分析的文章也順帶做了，RCTs發(fā)表同時將Meta分析也扔出去。所以好題目都被他們搶了，我們只能撿些他們不要的。不管如何，我們還是要掌握一些選題的技巧和原則，指不定那一天就讓我們碰上了一個好題目也不一定：看本專業(yè)Top臨床期刊最新的articles和review,如我是神經科的，我就去多逛逛Neurology,Stroke,Movementdisorder等專科雜志最新的RCTs和綜述，尤其是綜述里而治療的那一部分。同時也可以逛逛4大臨床期刊里而關于木專業(yè)的一些articles和reviewo看指南的治療部分，如XX治療方式XX病最近有研究表示有效或無效，但缺乏足夠的証據，有爭議，那就是我們的切入點。去逛逛臨床試驗注冊網站，有些大型RCTs發(fā)表前都會在這些網站上注冊，你就可以了解最新正在進行的臨床研究，知道它們大概什么時間弄完，守株待兔,不信捉不住你。推薦個臨床注冊網站：https://www.clinicaltrials.gOv/o較全較好用，隨時跟蹤最新ongoing的RCTs.中醫(yī)方面的Meta,那真是得天獨厚，國際友人肯定爭不過我們，一想一個準，都沒人發(fā)表過。但有個缺陷就是大部分中醫(yī)的臨床研究都是發(fā)表在國內文獻，所以我們納入的研究也都是國內的為主，這會對整體質量造成一定影響。投稿方向也一般局限在中西醫(yī)結合領域(CAM:complementaryandalternativemedicine)的SCI期刊，但實踐表明只要你不嫌棄分值低，都是能發(fā)表的。Meta分析(二)：檢索在我們選好題目后，接下來就進入檢索文獻這一步了。我以實例來說明，如題目"'Levodopaalonecomparedwithlevodopa-sparingtherapyasinitialtreatmentforParkinson'sdisease:aMeta-analysis^（左旋多巴做為首選藥物治療帕金森的Meta分析）。總體上要按照PICOS原則來檢索，PICOS-患者干預比較結果。還有些專業(yè)書在檢索方法寫的天花亂墜，各種主題詞（Mesh）+自由詞、布爾邏輯詞穿插其中，其實我的檢索策略有點簡單粗爆（其實是因為我根木不會復朵的檢索策略）。我只在題目/摘要中檢索"帕金森“和”左旋多巴S我相信我要的文章肯定會有這兩個詞。我一直認為，越簡單的檢索詞能獲得越多的文獻，雖然找起來耗工夫，但不易漏掉。當然如果放在摘要中你覺得文章太多（千篇數量級），那我就把“帕金森”放在題目中檢索（可能會變成百篇數量級），繼續(xù)把“左旋多巴”放在題目/摘要中，所以我是根據文章的數量來決定不同的檢索區(qū)域的?？赡苓@樣的方法不夠科學，但我個人認為很實用。算了，不要在意這些小細節(jié)了。既然說到檢索策略，順帶說下正規(guī)點的“主題詞+自由詞J先在各個數據庫里確定"Levodopa"這個I的主題詞，同時找出它五花八門的自由詞，在主題詞與自由詞之間用or連接進行檢索。同理，確定“Penkinsof這個P的主題詞，同時找出它五花八門的自由詞，在主題詞與自由詞之間用?連接進行檢索。然后在P與I的檢索之間用and連接。檢索策略定好后，要確定數據庫了，外文方而我個人比較喜歡檢索4個數據庫，分別是Pubmed,Googleschalor,Cochranelibrary和clinicaltrialo當然很多文章會選擇EMBASE,MEDLINE,WEBOFSCIENCE等等。但前而4個我認為基木己經洽蓋了大部分的文獻，截止目前也沒reviewer對我所選的4個databases提出質疑（可能他們眼神不好漏掉了）。中文的數據庫可以參見CNKI,萬方和維普。但一般我不建議加入中文文獻（會影響文章的質量，除非是寫中藥或針灸方面）。然后，我們還要制定納入標準和排除標準，用以納入我們想要的文獻。標準的制定不是我看著天花板憑空想出來的，它是需要我們提前先看幾篇相關文獻，再結合

我們所需要研究的目的，再進行制定的。當然，標準不是死的一成不變的，可能會隨著我們檢索的過程而進行適當的修改。最后，我們可以多看些相關的綜述,因為綜述中總會引用很多研究，而我們可以在它的參考文獻那里直接找到一些可能被我們遺漏的文獻。UOH2e$下而這就是一般的檢索文獻流程圖UOH2e$Publivutix?cwludcd

OiplicfitccUUin273iRccoTtl^identin<x1thmughsoifvhinx：i'ubMcd.Google5：holir(n-4BI)Publivutix?cwludcd

OiplicfitccUUin273iReamhbasee!i>nreviewofcillcandabstnui(n-208)Pabiica!ior?o^UiK<*dfcrfurthercvahu!i?B(n-67)StixliegincfcidixlinmcfA-Ans)Reamhbasee!i>nreviewofcillcandabstnui(n-208)Pabiica!ior?o^UiK<*dfcrfurthercvahu!i?B(n-67)StixliegincfcidixlinmcfA-Ans)lyst?(n-II)IAbtlHtvl^ciKriiiivtrts2、icu、八”nliuniah(Il-60)C^perinKiiltrul<n52)IneubM由cdinugerrevxwcJ in-29>P?bli<atic?i3excludedbatedonfulltextroviw<r.-^6)：WiihiMJlcuntrd,"-29lExcluded o!iv>ttestingthecttccioicomparingItk?|xialone<virh tlcrap>incirlyPRMcr<8(24》ShocllimeMlowup<n-3)Meta分析（三）：制作特征表Meta分析就像八股文一樣，有那么一個相對固定的框架，然后我們只需按著這個架子一步一步像牛一樣往前走就行了。通過上一部分找好文獻，納入研究之后我們就需要開始著手做特征表了，用一句話概括此Table制作要髓：那就是readers只需要看這個表格，就能大概知道納入的文獻它所有的重要細節(jié)。看表知文章的故事，而無需再重新去下載原始文獻。如下：Tabte1.DescriptiveSummaryofIncludedP^tk?nt$andRandomizedTrialsCharjcwttficsTabte1.DescriptiveSummaryofIncludedP^tk?nt$andRandomizedTrialsCharjcwttfics3Source*RKrurtmemPeriodTimeFqidcforEntoasculMTherapyBylineCTAC<MRA.NO.(%)TrejtnwntGroi^daysf<0.OfPatientsintffvention.Ko(%)StrokeLocationsIVtPAEndovascularInter^?enlic?NOOfPMientsControlSvokeLcotionsIVtPASYNTHESIS,^20132008-2012within6hotousel0181Anteriorcirculation160(88.4}FWterlo(droJ3tlon：18(9.9)Coin1(0.6)0lAtPA，micro^u^ve：109/165(66.1)SOUUireFR:18/165(10.9)PewWj：9/165(5.5)Trevo：S/165⑶Uera：5；165⑶181A/iter?orcir<uhtion：170(93.9)PostalorcrculMW：11<6.0Bolh：O174(961)SOMRRESCUE."20132004-2011mmatewithm8hofoaset118<100)64ICA13(20.3)MlMCA:39<60.9)M?MCA12(188)28(418}37/61(607)Pesbo14/61(23)Uhci?Hzw：10/G1(1$4)Uerc^Penumbca?iatPA-引6】(13.1)54ICA:7(13)Ml 3902.2}M?MCA8(148)16(296)90IMSIII?0201320062012kiitUtpwithinShofometM6(46.6)4MLefthcmivphcfe：224(51.6}Rjghtbfrophr/r197(45.4|Brjin?em/c^rebe<lum10<23)Uricncwnormultipir:3(07)434(100)lAtPA?l4t(iMni(JlthromlxMto<ny：266/334(796)UechE"thrcmbectomydlurr：68/334120.4)MkrO-eMheter142/334(42.5)Ufirci:95/334(28.4)P*r?JTibrjS4/S34(16.2)EKOSJ2/334(6⑹So'ibiicFR;5334U.S)Other：16/3S4(48)Ldthcmftpbwc:106(477)Righthrmiiphrre：109(49.1)Urtnowinofmuttiple：3(L4)222(100)90MRCLEANS20152010-2014initiatewithin6hofag500(18)2331360(25.8)MlMCA:154M2MCA:18(7.7)A10CA2ACA1(0.4)203(87.URelnev^stent：190/195(974)Other：5/195(2.6)UechMiolU*<xre>e<toniY?IAThfombolytka^nt：24/)95(123/IATNombot>iicagentalone：267ICA:78/266(293)MlMCA:165/266(62.0)M2MCA;21/266(7.9)A10fA2ACA2/266fOQ242(90.6)90一Table2.BaselinePatientCharacteristicsandTreatmentParametersbyTreatmentGroupAmongIncludedRandomizedTrialsCharacteristicsSYNTHESIS/62013MRRESCUE.272013IMSIII嚴2013MRCLEAN嚴2015Endovascular(n=181)Standard(n=181)Endovascular(n=64)Standard(n=54)Endovascular(n=434)Standard(n=222)Endovascular(n=233)Standard(n=267)Age,mean(SD)or66(11)67(11)64.2(12.8)67.1(16.5)69(23-89)(23-84)65.865.7median(IQR).y(54.5-76.0)(55.5-76.4)Riskfactors.No(%)Women75(41.4)78(43.1)34(53.1)27(50.0)216(49.8)100(45.0)98(42.1)110(41.2)Hypertension102(56.4)105(58.0)54(844)41(759)319(73.5)171(77.0)98(42.1)129(48.3)Atrialfibrillation14(7.7)29(16.0)16(25.0)20(37.0)153(35.3)70(31.5)66(28.3)69(25.8)CoronaryarterydiseaseNSNS102(23.5)72(32.4)Myocardialinfarction10(15.6)14(25.9)33(14.2)42(15.7)Antiplatelettherapy73(403)59(32.6)NSNS186(42.9)108(48.6)64(27.5)80(30.0)CongestiveheartfailureNSNS5(7.8)14(25.9)50(11.5)31(14.0)NSNSHyperlipidemiaNSNS36(563)32(593)215(49.5)112(50.5)58(24.9)71(26.6)Diabetesmellitus20(11.0)19(10.5)12(18.8)14(25.9)94(21.7)54(24,3)34(14.6)34(12.7)PaststrokeNSNS10(15.6)8(14.8)NSNS29(12.4)25(9.4)SmokingNSNS27(42.2)20(37.0)NSNS65/225(28.9)78/252(31.0)怎樣才能做出一張無可挑剔的table呢，我有幾個小建議:1?絕對不要自已瞎想亂畫，先找?guī)灼哔|量與你此篇主題相關的Meta分析，看看大牛的fable是怎么做的，他的條目欄都羅列了那些重要信息，有那些是我們可以借鑒的。一篇不夠，二篇；二篇不夠，三篇。反正就是多看幾篇別人高質量的特征表是如何弄的，發(fā)揮“拿來主義沖青神能整合盡量整合，然后在白紙上先簡單畫個草圖，看看感覺很厲害的樣子。2?要挑剔，國外發(fā)SCI非常注重tabic和Figure的美觀和實用性，一定不能隨隨便便，而要精益求精。所以自已要有一雙發(fā)現美的眼睛，怎樣排版美觀大方怎樣來，感覺自己土包子般的審美觀得重新讀遍美術課程啊。3.熟練掌握offoceword,好吧這才是最重要的，我要去練習word了。所以，特征表它沒有固定框架，只要能詳細描述出原始文獻的基本信息，同時保持美觀大方，讓人一看就感覺你呑，就0KTo（再附二張tables,最后一張是我的圖，丑哭了有木有）。Table2SummaryofDeviceSnxfeandRandomizedOinlcalTrtoteof TherapyInAcuteIsdienxStrokeRCTsofIAThrombolysisWithControlStuksWMhorn3CcnuolGrotip Group(WrtPAAme“No RCT5ofMechWKalnvsbKtomy'代$UndMdUedolTreatmentAbw(IYrtPAWhwNtxed)MERS20理PeiwinbQPatOIStrokeTrial.2009、IRIV02.2012”SWIFT.2O12fPROACTII,MELT,2CO7"SYNTHESISEXI>20B，w>IMSIII.201護VRRESCUC20BwMRCLEAN,2014wESCAPE,2O15nEXTEND-IA,2015"SWIFTPRIME.M15uMo.ofcenters(sitesbycoontr/)25(US)24(2XS)27(26US)L8(17U?54(USandQnada)57仙葉22A(Italy)58(41US)22<21US)16(theNethertands)22{llGrada,6U￡3glUK.andlIrebfld)14(AustraliaaodNewZeaUnd)知(24USandISFurope)Xomly2?lMl125Trew,88Mg,90SOLITAIRE.58Merci.55WJ21control.5少U.57control.57dLAiEV.181W幗181EV><434WdPA,222EVJIVrtPA.64control,$4*EVlIVrtPA.23}codtro；26”EVilYrtPA.165control.15(TEV^lYrtPA,3SIYrtPA,3SEV*IVrtPA.%lYn叭97旳Ji3i&5齡neXMSSCOT*1917Trevo」9SOLITAIRE,18Merci,18W.17(OntfCl,17就14control,14IA1EVJ3IVrtPM3EV*IVrlPA.VWrtPA.16EVtIVrtPA,Pcontrol.17EVilVrtPA.Pcontret18EVilVrtPA.16control.17EV?IVrtPA,]?IYUP/U3EV?IVrtFA,I?IVrtPA.17Thefrooionsettoinitiationof從treament,h*43Tre^4.1Merc,4.5SOLITAIRE.4.9Merci,5.3g4.7control5.1嘰3.3control.3.4NREVWtPA,3.5EVtIVrtPA.6.4EVlIVrtPA.4.3EVilYrtPA,3.1EV*lYrtPA,3.5EVHVrt叭3.1Iwfromonsettorcpcrfu曲xh出NRNR8,53宙IAi(VJ.8EV?IVdPA.5.4欄EVilVrtPA.5.SEViIVrtfA.4.0EV*IVrtPA,4.1EV?IVrtPA.42Finalreppdusion9rad?(TIOgr池2or?).No(X>68(482)102(81.6)"eg,76(86.4)Mhciz54(60.0)SOLITAIRE,37(63.8)Merci16(29.1)g71/108(65?)control,9/5008.0)42(73.?)comrol,NRNREVFHPA,EVilVrtPA,243/^24(75.0)2幽(438)EVlIVrtM.EVilVrtPA.EV^VrtPA156/196(79.6)147/156($43)27/29(9kl)EV*IVrtPA.78/83(^0)-Py站<.01<.01<.01

Tabk1BasicctuinutcrisiKrsofincludedstudiesMeta分析Meta分析(）:質量評價(nien.iX<uinii>IXsifnBasicdal?*M/1(nl:ngfiInravrnlionOuicomcmeasurepVillil?Tn>l<Yinlnft!Tnalcon!Kl1|10|DSMIVRCTKoiipoKrFEcnncd)andMlbrio<21).Focil/TMSMHleftDLPTC.1511/.Fluentire20 qdfor21.URSO1.<0X01VSAcMHolblr^fhlimlparsilkl6^.1tr?.?Y6M)t-K5YMI.4Ti?ui?K5?oninr!0 uithift1w2.BDI2."OHW<.l:P1)KSIII工XH(5tk贈o|l3|DSM4YRCIimalxxiimpoiua〉ad1512hxdrnascrorlenucm.Hz.iio咳Huoxctxi：20ncudLOT2i.HaI.XIIOVSAcomiolkdbliidparallel?i>dyNRSKMl.50tuiiA.5son5c<r!0如sioaszithic$w2.KIX2XK6u*XUPDMill?NRgkgDSM4VRCTi?Mi>pakr andII10FoeiltlMSofffvkftIMPFC>HyIM各Flura?ir?yMngqd41HRS|H|conirolicdMudpuralWnixly67i13Y6*土XIYMLXiuains.15%onf?x12sellerswithiiW2.BDI2.DfucilA幟y.IIIIIIMmDSK4JVRCT(mixb<d >ndFocil/TMS?fdvkftn(PFCSH/03^h*m-rTK<S:erwSard1.RBIlluncun-eomroliedNud(xiraDct??lyY37-72Ymi.lOioa-^Jsorr.siuuutcimp』心fdpa-amact^coilwas2.MADRS2<0(6f'X10d3?UPDRSIRi-iriChen|I5|HAMD>BRCTiRKcbodaxxpoitcd}dMI^H<2I).MM12S.Foci)r7MSefdKleftDi.PT€.51U110<5PACZiix20qdfor91.HRSDI.R05Cliin*CAAtrnlle.l blindp^llel5005-r6$Y6fl?-rJiQYMI.Mltrains,inrcivai10c16feuiccB；w2.VPDR52.<0.D5swbwithinsw111113.>0J)51AERrng|I61HAMD>13RCTiiiiaImxIarcpyilcC)AidMl問gFoci]frwscmv何mciffc.iha?)wSeHmliic30aqdtlr4i.HRSD1.XKI5SOS>35cooftollcdrx-tblinJpar&lkl59.31￡7JY5R01土MYMl.Wtroinj.inurvd10v'dfcr4vw2UPDKS2<?MHChina?idxll-lll?."加AAEXkIN.我們確定研究目的，通過檢索策略最終納入數篇studies后（假設10篇吧），就有必要對納入的文獻進行一個評價，關于其質量、方法設計的評價。因為納入的10篇研究有好有壞，良莠不齊，我們不能一股腦的對其進行簡單粗爆的合并，而是需要明確你手里的文章到底是否設計合理，數據是否全面，質量是否過關，至少做到你自己心中有個數，有個秤去評斷你合并結果的穩(wěn)健性與否。高質量的文章合并所得出的結果，也一般是高可信度的。如果再有一定的臨床意義，就有信心往高分的雜志進行試投。如果納進來的文章質量很失水準，有失偏頗，合并的結果連自己都很難說服，更別提是否具有推廣價值，借我?guī)讉€膽也不敢把這篇研究往高質量Journal上投了，這是一個很現實的問題。所以我一直認為從事中醫(yī)藥領域循證醫(yī)學的同仁么，可能在發(fā)文方面不愁，但由于納入研究質量不過硬，所以文章所發(fā)的高度也很受限制，難以突破瓶頸。但對我們這些小嘍啰來說，能發(fā)就OK了，還挑肥撿瘦，絕對不挑不挑不挑。那說到質量評價，就少不了評價工具和評價標準。市而上對于臨床干預RCT的評價方法不一而足琳瑯滿目百花齊放百家爭鳴，看的我目瞪口呆手足無措暈頭轉向。因為不同的研究機構，不同的專家都會提出自己認為很有效的評價標準，就像做生意一樣。我們該挑那件來買單，還得看銷售記錄啊。我個人一般推薦兩種方法1.Cochrane手冊的評價標準，共6點，手冊以“是”，“否呀IF不清楚”三種做為評價結果，我個人選擇給分制，每點低分險時給1分，總分6分為最高（分險最低,質量最好），低次類推?，F簡單介紹下Cochrane手冊的評價要點（只說明何時給1分）。A:Sequencegeneration（序列產生）：使用隨機數字表，計算機隨機，拋硬幣，洗撲克或信封，抽簽，擲骰子時給1分。B:Allocationconcealment（分配隱藏）：中心化分配，同一外觀、連續(xù)編號的藥物容器，不透明的信封給藥C:Blinding（盲法）：有采用盲法給1分D:Incompleteoutcomedata（不完全結局資料）：沒有丟失結局數據，采用意向性分析給1分E:Noselectiveoutcomereporting（選擇性結局報告）：無選擇性結局報告給1分。F:Othersourcesofbias（其他偏倚來源）：研究表現岀沒有其他偏倚來源給1分。我個人認為評價質量挺主觀的，很多信息文章里都沒有明確說明，但如果都給個“不清楚"也挺殘忍的。所以有時我會根據文章它整體的設計，以及它發(fā)的分值來適當的打高分。高分雜志的文章有時我會傾向于給高分，低分的文章我會傾向于給低分。Table3:Themethodologicalqualityofincludedstudies-Study.B?CpDpE?Total*Clifford2002?yp4幾J、、aThomas2003-Ja4P厶厶NETPD2007.J。4QJ、、J。a <Alexander200"Q」、、42QE3trial2014?」a叭J、、J，&Zhao201"J心QQJoQ2心Wang2014*J*&Pa43“ 4Awkff.201“4G」、、A:Sequenceseneration;B:ABkxationconc-eslment;C:Blindinsofparticipants,personnelandoutcomeassessors;D:IncompleteoutcomedaM；E:Noselectheoutcomereporting;F:Othersourcesofbias;J:hwrbk-Meta分析（五）：數據分析前而這幾天所講的內容基木都還屬于系統(tǒng)評價（systematicreview）的范疇（流程圖、特征表和質量評價表）。而Meta區(qū)別于系統(tǒng)評價主要在于它對納入的原始文獻的同類數據進行了有效的合并，通過一定的算法得出一個估計的有效值，可以一定程度實現樣本量的擴增，和對目前所有證據的總結（evidencebasedmedicine,EBM）,這也是它與一般綜述的區(qū)別之處，但還是屬于綜述。其證據等級凌架于RCT之上。講到數據分析，那少不了統(tǒng)計軟件，市面上主要有三款，分別為Revman（傻瓜式操作，入門級選擇）,Stata（進階級利器，功能強大）。我主要是用Revman（不要嫌棄我），偶爾應審稿人要求會用下stata軟件，但只會一點點。所以我下而的大部分數據分析都是基于Revman實現的。先簡單科普下，數據分為兩種類型，連續(xù)型變量（Coiitimioiis）和二分類變量（Dichotomous）o連續(xù)型變量指的是有平均值和標準差的，如臨床上的某些量表,以6?5±2?1這樣的形式呈現；而二分類變量是表現百分率，如臨床上的有效率,10個人里而6個人有效。他們有各自的輸入方式和效應值，但總體來說大同小異。我們把納入文獻的原始數據輸入到Excel里，然后簡單導入到軟件，然后根據結果進行分析就可以寫文章了。假設納入10篇文章，我們有3個結局指標（A、E,C）。其中一個主要指標，兩個次要指標。A指標：假設有6篇文獻里有完整數據，那把這6篇文章的數據進行合并，得一個森林圖。B指標：假設有8篇文獻里有完整數據，那把這8篇文章的數據進行合并，得一個森林圖。C指標：假設有7篇文獻里有完整數據，那把這7篇文章的數據進行合并，又得一個森林圖。所以并不是每個森林圖里每篇文章都要納入的，一篇Meta分析有幾個結局指標就有幾個森林圖。如果還根據一些變量進行亞組分析，那森林圖就更多了，有些文章覺得圖太多，會把其中的數據抽取出來做成表格或柱狀圖，那也是一個不錯的選擇?？傊?，我們已經成功的做成了森林圖,那我們主要關注圖上的幾個指標就可以了。異質性檢驗：I的平方＞50%表示合并的結果具有異質性（采用隨機效應模型），I的平方＜50%表示合并的結果具有同質性（采用固定效應模型），其異質性來源還是多方面的（如臨床設計，病人選擇，樣本大小等有關），此外就是P值，pVO.05說明兩組之間存在統(tǒng)計學差異，圖上合并的菱形也不會與直線相交，一旦相交就說明兩組之間沒有差異。最后看下WMD的值和95%的可信區(qū)間（這是連續(xù)型變量的，二分類的是OR或RR）,下圖是的0.95（0.51, 1.39）。

StudvorSubarouoMean$DTotalStudvorSubarouoMean$DTotalMeanSOTotalWeiqhtIV.Random.95%ClCALM-PDtrial2009095.2114?16.2108&5%0.10[-1.41,1.61]Hauser2007-5.81.827-6.41.44230.4%0.60[-0]Hoiloway2004054.7150-1.75.415114.9%1.20(0.06.2,34]Hollawy20002.23.21501.14.519329.2%1.10(0.28,1.92]Rascol201004.789-1.65.417912.3%1.60(6]Storch20133.23181.93.1174.7%1.301-0.72,3.32]Total(95%Cl)548690100.0%0.95(0.51,1.39]MeanDifferenceL-dopaaloneL-dopa-sparingtherapyMeanDifferenceRandom.95%Cl-10 ?5 0 5's10FavoursL-dopaaloneFavoursL-dopa-sparingHeterogeneity;Tau2=0.00;Chi2=3.41.df=5(P=0.64);卩=-10 ?5 0 5's10FavoursL-dopaaloneFavoursL-dopa-sparingTestforoveralleffect:Z=4.22(P<0.0001)Meta分析(六)：發(fā)表偏倚看Meta文獻時，會發(fā)現每個結果都有一個漏斗圖(Funnelplot),如果你有8個結局指標，那豈不是有8個漏斗圖。但這么多放在文章里豈不搞笑，所以我一般會挑選里而的主要指標的漏斗圖，放在paper里，其它的基木一句輕描淡寫帶過或者啞口無言不提，再或者放在補充材料里充圖數。而漏斗圖的功效主要是來檢測此結局指標是否存在發(fā)表偏倚的(publicationbias),什么是發(fā)表偏倚？即發(fā)表是否有偏倚。但話說回來，有無發(fā)表偏倚并不影響文章的最終發(fā)表，只不過我們根據相應的結果，在討論里進行不同且合適的闡述。那如何檢測發(fā)表偏倚呢，Revman軟件Funnelplot是一個倒三角，樣木量越大越集中在上方，但只能目測無法給出統(tǒng)計描述，若兩邊對稱則無明顯發(fā)表偏倚，兩邊不對稱則可能存在發(fā)表偏倚。Stata軟件的eggetest和beggtest更進一步，給出了統(tǒng)計描述，其中p>0.05提示無明顯發(fā)表偏倚，p<0.05存在發(fā)表偏倚。所以在準確性上，Funnelplot不如eggertest和beggtest,而后者中Begg不如egger敏感。所以當三則結果不一致時，首先放棄Funnelplot。而eggertest和beggtest結果相悖時，我一般會采用egger的結果做為結果。我個人感覺高分

雜志較傾向于stata,也大部分圖表由stata制作，其制件的精良度和簡煉度有時還挺驚艷的，而低分的較多由revman合成（當然這不是絕對）而發(fā)表偏倚不是你想檢測就能檢測的，納入文獻的數量必要達標才有必要進行后續(xù)的檢驗（Funnelplotscanbeusedforreviewswithsufficientnumbersofincludedstudies）,有人說5篇，有人說7篇，還有人說10篇（我一般采用cochrane的說法，10篇為準）。雖說s怡怡檢測發(fā)表偏倚較準確，但大部分文章還是選用funnelplot,因為我個人認為發(fā)表偏倚這塊壓根不重要，也根本影響不了你的文章是否能順利發(fā)表，只要你提到、知道并有所描述就OKToDetectingreportingbiasesMeta分析（七）：敏感性分析和亞組分析DetectingreportingbiasesMeta分析（七）：敏感性分析和亞組分析前而提到將數篇文章進行合并，不同研究之間可能會產生異質性，而碰到異質性時到底該如何處理，也讓很多人困惑。有些人直接認為結果不可信，此Meta分析意義不大，不做為佳，這不免讓人心傷。另有同道認為需找到異質性來源，進行分析或剔除，再對結果進行說明。我個人傾向于后者，我們要對異質性進行適當的分析和刨根問底，一來希望能捉捕原兇，二來也讓文章的梯度分析更加飽滿和深層。所以敏感性分析和亞組分析就是面對異質性時較好的選擇。敏感性分析的實施方法如下：1?改變分析模型：當異質性較高時（如I的平方＞50%）,建議采用隨機效應模型，相反則采用固定效應模型。但我個人的文章一般都選擇隨機模型，因為隨機模型相對較保守，讓結果更傾于安全。目前為止，只要在方法學里講解清楚了，reviewers對此也沒多大提問。2?逐篇排除文獻：某結局指標有6篇文獻（1-6）,分別逐篇剔除1-6后看異質性是否有所改變（同時記錄下合并效應值WMD,RR的數值變化）。如果發(fā)現出掉第1篇后，異質性發(fā)生改變，那么這篇可能就是異質性的來源，可仔細分析其為何會成為異質性的來源，一般可從實驗設計，樣木量，結局指標，評價標準等多方而著手。如果分別去除6篇后，其異質性均不變，說明結果較為穩(wěn)健。此兩種方式可供選擇。那么說說亞組分析，故名思義，就是根據某臨床特征做為分據點進行比較，比如年齡（分界年齡根據不同研究自定），性別，干預方式（同類藥里的不同劑型），劑量梯度（低、中和高劑量），納入文獻質量評分（評分高與低），某臨床評分高低之間比較，治療時間和隨訪時間（時間長短）。所以亞組分析并沒有固定標準和框框。關鍵是看你想解釋什么問題，因為亞組分析的結果，可能對將來同類型的RCT的實驗設計有提示意義。我來例舉幾個亞組分析的sample.1?年齡：根據年齡界限比較其分別的合并效應值（WMD或RR）,看其值大小，來適當說明年齡對最終結果的影響。比如PD中，老年的患者其預后與年輕的比較一般都是較差的。2.劑量梯度：有很多臨床文章會做出干預的梯度，我們可以合并各自的梯度然后比較，了解不同劑量對最終合并值的影響。

3?文獻質量：高分與低分文章分開比較（一般以3分為界，cochrane手冊），看文獻質量高低對結局指標有沒有作用。以此類推，不同的亞組分析會有不同的結果,然后在討論部分再對其結果進行解以此類推，不同的亞組分析會有不同的結果,然后在討論部分再對其結果進行解釋，如果解釋不了就說是否因為樣木量不夠，待后續(xù)驗證。附一張亞組分析的圖Subgro叩No.ofTrials(95%Cl)Age.y526.2830,32,33<701.62(0.97-2.72)>701.94(1.06-3.54)Sex328,3032Women1.44(0.84-2.47)Men1.69(0.99-2.87)NIHSSscore3626.2B-3O.32.33<20133(0.98-1.82)>201.84(112-3.02)Subgro叩No.ofTrials(95%Cl)Age.y526.2830,32,33<701.62(0.97-2.72)>701.94(1.06-3.54)Sex328,3032Women1.44(0.84-2.47)Men1.69(0.99-2.87)NIHSSscore3626.2B-3O.32