连续性数据Meta荟萃分析

Meta荟萃分析(也称Meta分析,元分析,异质性分析等),其是一种综合各种文献结论,进而汇总综合评价的方法,Meta分析常用于医学、心理学、教育学、生态学等专业领域。通俗地看,Meta分析是将多篇类似研究的文献进行汇总,将多个文献的研究结论进行总结,并且通过一系列科学分析,从而得到科学结论的方法。

按照数据类型,Meta分析可包括多种类型,比如连续性数据进行均值差异比较,二分类数据进行比率差值对比(或计算优势比OR值,相对危险度RR值等),当然SPSSAU中还包括单个率、相关系数、平均值,或者OR值/HR值的Meta分析等,并且提供一般倒方差法时的Meta分析。Meta分析涉及专业术语和名词较多,比如效应量、效应量测量、Meta模型、估计方法、发表偏倚(Begg检验和Egger检验,Trim剪补法)、敏感性检验、累积Meta和Meta回归,森林图和漏斗图等,上述名词将在下述案例中具体说明。

连续性数据Meta荟萃分析案例

  • 1、背景

    当前有五篇文献进行随机对照实验,数据如下:包括文献名称(Study)、实验组和对照组分别的平均值、标准差和样本量数据,如下图所示:

    需要注意的是,Study表示文献名称,其由研究者自行处理格式即可,并无固定要求。另外,如果希望进行亚组分析,则需要在‘subgroup亚组’列中放入亚组信息(比如男/女,或A/B等),cov是协变量的意思,如果有协变量数据,那么系统会自动进行Meta回归,当前最多支持3个协变量。

  • 2、理论

    Meta分析时涉及较多的专业名词,整理如下表格所示:

    专业名词 说明
    效应量 测量相对大小的方式
    连续性时包括‘标准化均值差SMD’和‘均值差MD’共两种
    建议使用标准化均值差SMD,因为其会处理量纲问题
    效应量测量 如果选择‘标准化均值差SMD’,那么则对应有具体3种测量方式
    Hedges效应量、Cohen效应量和Glass效应量,默认使用Hedges效应量
    效应量计算 效应量计算方式,连续性数据时为倒方差法(Inverse variance,IV法)
    Meta模型 随机效应或固定效应
    默认使用随机效应,以处理异质性问题
    估计方法 估计随机效应时使用的估计方法,默认提供DL(DerSimonian-Laird法)
    多数情况下使用DL法即可,当然还可使用REML法等
    Hartung and Knapp调整 针对合并效应时置信区间进行调整的一种方式,选中该参数时其仅会带来合并效应的置信区间变化
    是否进行Hartung and Knapp调整,建议以文献为准,默认不进行调整
    发表偏倚 呈现出显著性的结论相对更可能被发表出来,这使得Meta文献不具有随机性
    发表偏倚包括分析方式,包括漏斗图、Begg检验和egger检验,也或者Trim剪补法处理等
    敏感性检验 用于研究Meta分析结果的稳健性,是否会受到个别文献资料数据的影响,导致结论不稳健
    SPSSAU默认使用‘逐一剔除法’(即分别每次移除1篇文献,余下其它文献进行多次Meta分析)
    累积Meta 每次逐一纳入1篇文献,从而观察合并效应的变化情况
    Meta回归 干扰项(协变量)对于效应的影响情况
    目的在于判断干扰项是否存在及深层次异质性问题等
    异质性 不同文献时带来的差异结果,称作异质性
    异质性在Meta分析中尤其重要
    合并效应 将多篇文献资料进行分析汇总得到的综合值,可称作‘合并效应’
    Meta分析的目的即在通常科学分析,得到最终‘合并效应’值及置信区间等
    亚组 比如有10篇文献,可分为两组,第1组是中文文献,第2组是英文文献
    亚组分析可进一步探索和分析异质性问题
    森林图 将Meta分析进行汇总可视化展示的图形
    森林图是Meta分析的核心结果
    漏斗图 分析发表偏倚的一种可视化图
    Begg检验和Egger检验 进行发表偏倚的两种检验方式
    Trim剪补法 进行发表偏何检验的方式
    可基于Trim剪补法之后进行修正合并效应值等

    针对Meta分析,其常见的分析步骤如下:

    步骤 说明
    数据整理 按SPSSAU规范格式整理好数据
    异质性分析 首先分析是否存在异质性问题
    通过异质性检验/森林图等多种方式
    如果有异质性问题则Meta模型应该使用‘随机效应’模型
    异质性探索 如果存在严重的异质性,深入探究异质性问题
    可通过森林图,累积Meta,敏感性检验等分析异质性问题
    可通过亚组分析,Meta回归等分析手段探索深层次的异质性问题
    发表偏倚 分析是否存在发表偏倚问题
    可通过漏斗图直观查看(较常见方式),还可通过Begg检验和Egger检验进行分析
    可进一步使用Trim剪补法进行发表偏倚分析,并且校正合并效应值
    Meta模型稳健性 分析Meta模型的稳健性情况
    通常通过敏感性检验进行分析,并可使用森林图可视化敏感性检验结果
    也可查阅累积Meat效应,了解模型稳健性情况等
    科学结论 最终确认科学的Meta分析结论
    确保异质性分析及探索等,确保发表偏倚问题的处理,并且模型需要具有稳健性
  • 3、操作

    本例子中操作截图如下:

    • 关于效应量:默认情况下应该选择标准化均值差SMD,其会处理量纲问题等,即使本案例数据并无单位量纲问题;基于标准化均值差SMD时包括3种效应量计算方式,默认使用Hedges,3种方式并无特别要求,具体建议以文献为准;

    • 效应量计算方法为倒方差法IV,不同文献资料时计算方法不同,比如二分类时SPSSAU会提供比如MH法;

    • Meta模型:分析上默认认为有异质性问题(理论上异质性问题一定存在,只是程度而已,程度很低时则使用固定效应即可),因而默认使用随机效应;以及估计方法一般情况下使用DL法即可,SPSSAU还提供其它方式,但其结果通常基本一致;

    • 出于演示需要,因而选择其余参数,包括Hartung and Knapp调整,该调整会影响合并效应的置信区间值,要求SPSSAU提供发表偏倚结果,敏感性检验结果,累积Meta分析结果和Meta回归结果(需要提示的是:如果没有协变量数据,即使用选中Meta回归也不会有对应结果);

    • 发表偏倚:该参数选中后,SPSSAU会输出漏斗图、Begg检验和Egger检验和Trim剪补法结果等;

    • 敏感性检验:该参数选中后,SPSSAU提供‘逐一剔除法’检验方式;

    • 累积Meta:该参数选中后,SPSSAU提供逐一增加文献资料后的Meta效应结果汇总。

  • 4、SPSSAU输出结果

    Meta模型一共输出7个表格和5个图,说明如下:

    表格/图名称 说明
    基本信息表格 展示Meta模型的基本参数值信息等
    效应量结果 展示核心的模型结果,包括合并效应及其置信区间,以及各研究文献的权重信息等
    森林图 直观展示Meta分析结果
    异质性检验 提供Q检验、tau2、I2、H及其置信区间、H2值等,用于异质性检验
    发表偏倚检验 提供Egger检验和Begg检验
    漏斗图 分析发表偏倚情况
    Trim剪补法 展示基于Trim剪补法对应的‘校正合并效应’结果
    漏斗图(Trim剪补法) 直观展示Trim剪补法后的漏斗图,用于分析发表偏倚情况
    Meta敏感性检验 查看逐一剔除法后的合并效应情况
    森林图(针对敏感性检验) 将敏感性检验结果使用森林图直观展示
    累积Meta效应 展示累积Meta效应的结果汇总
    森林图(针对累积Meta效应) 将累积Meta效应结果使用森林图直观展示
    • 另需要提示的是:
    • 如果有提供‘subgroup亚组’数据,那么系统自动会进行亚组分析,其会改变森林图/效应量表格结果等;

    • 如果有提供协变量数据,并且要求进行Meta回归,那么系统还会提供Meta回归结果,以及Meta回归后的异质性指标信息等。

  • 5、文字分析

    上表格展示Meta分析的基本配置参数信息,上表格中研究个数k值是指研究文献数量,本案例仅为5个较少。除此之外,tau2估计方法即指Meta分析模型估计方法,在异质性检验表格中会展示tau2值。

    上表格展示效应量结果,包括各研究文献的效应量及其98%置信区间,并且展示各文献对于‘合并效应’的贡献情况即权重值,权重越大意味着该文献对于Meta合并效应的贡献越大,即该文献对于合并效应的影响力度越大。本案例共5篇文献,各篇文献的权重值基本均在在20%左右。以及最后1行展示最关键的‘合并效应’信息,本案例为-0.027(-0.263 ~ 0.210),95%置信区间不包括数字0,即意味着合并效应值并不会明显偏离数字0,那么意味着实验组和对照组并无明显的差异。除此之外,还可通过z检验查看合并效应是否明显偏离数字0,检查显示z = -0.312, p = 0.770>0.1,也即说明合并效应不会明显的偏离数字0,也即意味着实验组和对照组的均值并无明显差异。

    合并效应是最终关键结果,但需要说明的是,Meta分析还需要确保‘异质性问题’,‘发表偏倚问题’等均通过科学论证之后,才能认为该结果具有科学性,即还需要有下要这的异质性检验和发表偏倚检验等,并且一般还需要通过敏感性检验。

    森林图直观展示Meta分析结果,森林图中包括信息为:各文献的效应量及其95%置信区间,各文献的权重信息,以及异值性检验关键指标结果(tau2值,I2值,Q检验),并且展示z检验结果(检验合并效应是否为0的检验)。森林图中中间部分可视化展示效应量及其置信区间,以及中间部分黑色矩阵的大小表示权重相对大小。菱形为合并效应及其95%置信区间的展示,如果菱形越小,则意味着合并效应的置信区间越小。中间竖着虚线表示合并效应大小。

    从森林图可以看到,‘Hartman 2008’和‘Weins 2015’这两篇文献的效应量会大于‘合并效应’,另外3篇文献的效应量小于‘合并效应’。以及‘Hartman 2008’这篇文献的Hedges效应量为0.28,95%置信区间不包括数字0,但是其余4篇文献的效应量95%置信区间均包括数字0,意味着该4篇文献时,实验组和对照组本身并无均值差异。

    至于森林图中的异质性检验结果等,其在‘异质性检验’表格中也有呈现。并且从森林图整体来看,5篇文献的效应量有一定的偏差但并不是特别大,意味着可能存在不严重的异质性问题。

    异质性检验有多种方式,包括:Q检验,I2值判断,H值判断等。通常情况下Q检验时p 值>0.1,即说明无异质性(即同质性);I2指标衡量组间异质性的占比情况,通常I2大于50%时认为异质性较高,I2大于75%时认为异质性过高;通常H值大于1.5则说明存在异质性,H值小于1.2说明不存在异质性问题,如果H介于1.2 ~ 1.5之间时,如果95%区间包括1说明没有异质性,反之说明具有异质性。

    从上表格可以看到:Q检验显示p 值=0.033<0.05,即拒绝无异质性问题的假定,说明资料具有异质性问题。另外,I2为61.89%>50%,说明具有较高的异质性。而且H值=1.62>1.5,且其95%置信区间介于1 ~ 2.64之间。综合来说,本次Meta分析时资料具有一定的异质性问题。当出现异质性问题时,处理方式有两种,最常见是使用随机效应(本次案例直接就使用随机效应),与此同时,还可以进一步深入探索和分析具体异质性问题所在,处理掉导致出现异质性的文献后,再次进行分析等。进一步深入探索异质性问题,则需要使用亚组Subgroup分析和Meta回归分析等,本案例不进一步深究。当然如果没有异质性问题可直接使用固定效应就好。

    上表格中还包括tau2值 和H2值,tau2表示效应量的离散异质程度,其一般使用D-L法或REML法进行估计,其为随机效应时输出指标值,该值越大表示组间异质性越大,该值涉及随机效应计算的底层方式,但该值无法进行相对大小对比,通常在森林图中进行展示即可。与此同时,H2值表示总变异除以组内变异,其为H的平方,H和H2越大意味着异质性越高。

    Meta分析时还有个关键问题是发表偏倚。有较多的方式可进行发表偏倚的查看和检验等,SPSSAU提供Egger检验和Begg检验,漏斗图和Trim剪补法。

    Egger检验时p 值大于0.05,则认为不存在发表偏倚,反之说明可能存在发表偏倚;Begg检验时p 值大于0.05,则认为不存在发表偏倚,反之说明可能存在发表偏倚。通常情况下,研究文献数量较少时可能更偏向于使用Begg检验,以及当研究数量较少时(通常小于10时认为较少),使用Egger检验或Begg检验均不能很好地对发表偏倚进行检验,因而可使用漏斗图这种直观式方式进行查看发表偏倚问题。

    漏斗图时,横坐标为效应量,纵坐标为标准误差值(并且纵坐标进行逆向),如果说各散点介于漏斗内两侧并且基本上呈现出对称状态,那么意味着没有发表偏倚问题。上图显示5个研究文献散点均在漏斗内侧并且基本对称,因而直观上看数据并没有发表偏倚问题。与此同时,当研究资料出现发表偏倚问题时,还可使用Trim剪补法进行正‘合并效应’值。

    Trim剪补法时剪去漏斗图中不对称项,并且沿漏斗图中心两侧填补上被剪切部分,并且基于剪补后数据重新进行效应量计算,以校正异质性问题带来的效应量偏差。上表格中列出的第1行为真实数据结果,第2行为填补后的校正数据结果;如果两行结果完全一致,则意味着并没有进行填补处理。

    本次案例进行Trim剪补法后,并没有填补项,因而剪补前和剪补后结果完全一致,这也进一步说明并没有发表偏倚问题,与此同时,SPSSAU提供Trim剪补后的漏斗图(由于剪补前和剪补后完全一致,因而漏斗图也完全一致)。

    敏感性检验表格使用逐一剔除检验法进行研究。每行表示移除该项后剩余项的meta合并效应量结果,效应量是否为0的z检验结果及I2指标值;比如第1行表示如果不纳入‘Hartman 2008’这篇文献数据,余下4篇文献进行Meta分析的合并效应结果等。另外,表格最后一行展示所有研究的合并效应结果;

    综合上表格来看,各个效应量值对应的95%置信区间均包括数字0,即意味着合并效应不显著偏离数字0(实验组和对照组均值差无明显差异)这一结论,具有稳健性。与此同时,上表格还可以看到,‘Hartman 2008’这篇文献被移除后,I2值仅为13.80%,意味着该文献可能带来了明显的异质性问题(因为将其移除后I2明显由61.89%下降为13.80%)。

    与此同时,还可使用森林图直观展示敏感性检验结果,如下图,图中可以看到,逐一移除单独一篇文献后,合并效应并没有发表非常明显的改变,因而也意味着本案例数据通过敏感性检验,合并效应结果具有良好的稳健性。

    累积效应结果展示逐一纳入新的研究后的效应量、95%置信区间及效应是否为0的z检验结果和I2等;比如上表格第3行‘(+)AHS 2018’表示在‘Hartman 2008’基础上再加入该文献后的合并效应量结果等。SPSSAU中进行累积效应时,默认自上而下不停地纳入文献,如果需要改变顺序,那么可通过修改放入的原始数据顺序进行改变。

    下面森林图是累积效应的可视化呈现结果。

  • 6、剖析

    Meta分析涉及以下几个关键点,分别如下:

    • Meta分析通常关注三项内容,分别是异质性问题,发表偏倚问题和稳健性问题;异质性问题具有多个检验指标,有时候可能出现不一致结论,建议综合进行决择判断,类似地,发表偏倚也有多种检验和查看方式,通常使用漏斗图查看和分析即可,Meta敏感性检验常用逐一剔除法。

疑难解惑

  • 如果不满足异质性检验时如何办?
  • 如果基本没有异质性问题,那么建议使用固定效应即可,当然此时使用随机效应也可以;如果说异质性问题不太严重,那么直接使用随机效应模型即可;如果说异质性问题非常严重,建议进一步查看导致异质性问题的原因并且处理后分析使用。

  • 如果不满足发表偏倚怎么办?
  • 如果漏斗图发表散点不在漏斗内侧并且明显不对称,那么建议使用剪补法,并且最终使用修正后的合并效应结果。当然也可找出导致不对称的文献,并且移除该文献后再次分析。

  • 如果没有通过敏感性检验怎么办?
  • SPSSAU中,敏感性检验使用逐一剔除法,综合对比和分析结论上的变化等。当然还可以有其它处理方法,比如一次性剔除两篇文献等,建议综合对比决择等。如果剔除某一文献后合并效应发表非常明显的变化,可考虑将该文献不纳入分析范围。

  • subgroup亚组的数据格式是什么样的?
  • 亚组subgroup的原理是指比如10个Study,其为分为比如中文文献和英文文献共2组的意思,直接在对应subgroup数据列上加入对应Study的标签比如‘第1组/第2组’也或者‘中文文献/英文文献’即可。