投必得學術在本期教大家快速瞭解Meta分析的必備入門常識以及常規的研究套路。
要說不做實驗卻發文章的,也就這麼三款:
一個是系統性的綜述,但這對晉升職稱、升學畢業並沒有加分作用,充其量是湊個文章數量;
其二是生信類的數據挖掘,雖說入門之後,文章量產的速度很快,但這個入門門檻高,光是R語言中各類packages的靈活處理就要花數把月進去了。
第三類就是我們今天要介紹的Meta分析。Meta分析的入門門檻低,在大多數單位晉升職稱還是認可的,特別適合流水線的批量產文章需求。接下來,小編教你如何快速入門Meta分析。
什麼是Meta分析呢?
Meta分析是一種對獨立研究的結果進行統計分析的方法,在臨床研究中應用普遍,通過對研究結果間的差異的來源進行檢查,如果結果具有足夠的相似性而能用這種方法,便可對結果進行定量合成。
Meta分析的原則是對納入的每一項研究計算其統計量,對每項研究統計量賦予權重,計算整體的效應值。
根據研究的方式和數據類型分類:
①網狀meta分析;②累積meta分析;③前瞻性/回顧性meta分析;④個體病例資料的meta; ⑤系統評價再評價等。
根據納入的原始數據的研究類型分類:
①隨機對照研究;②非隨機對照;③隊列研究;④病例對照研究;⑤橫斷面研究等
Meta分析意義有哪些意義呢:
①提高研究精度;②增加檢驗效能;③解決單一研究沒有提出來的科學問題;④ 解決多個研究結果相矛盾的爭議或者假說。
Meta分析的適用範圍:
①有足夠的可以相互比較、針對於同一科學問題的研究論文做支撐,最少為7篇以上;②對於每個研究,有可以提取meta分析合併治療效應的某一格式的數據,以及每一個研究都有對研究特徵的詳細描述。
Meta分析邏輯框架—PICOS原則:
P:Participant,研究對象,根據診斷標準分類,人口學的特徵選擇,包括國家、治療區域、疾病亞群、排除的類型;
I:Intervention,干預措施,治療方法的選擇、強度、是否有變更、頻率、是否是聯合治療;
C:Comparison,對照組;
O:Outcome,研究結局,分清主要結局指標和次要結局指標;近期結局指標和次要結局指標;
S:Study design,研究設計,包括平行實驗、交叉實驗、橫斷面研究、個案研究、病例-對照,隊列研究等。
Meta分析的數據庫來源與選擇:
①外文的包括:Pubmed, Cohrane, Ovid, Web of Science, Scopus, Embase, Medline等。
②中文的包括:中國知網,萬方數據庫,維普數據庫,中國生物醫學等。
Meta分析檢索式的確定:
根據PICOS原則,進行P+I+C+O+S的主題詞配合自由詞的檢索
Meta分析製作流程九步走:
①選擇合適的科學問題為切入點,可以參考熱門綜述追蹤臨床前沿熱點,參考臨床疾病指南,也可以參考已經發表的同領域的meta分析文章進行排列組合或者把前幾年發表的meta分析的研究內容再做更新研究;
② 制定合理的納入和排除標準;
③在不同的數據庫中進行檢索;
④對文獻內容進行篩選和質量評估;
⑤提取和彙總數據;
⑥數據處理統計;
⑦對所得的結果進行處理和解釋;
⑧進行文章撰寫;
Meta分析中的這些常用術語介紹:
效應量分類:
相對危險度(relative risk,RR): 暴露組的危險度(測量指標是累積發病率)與對照組的危險度之比。
比值比(odds ratio,OR): 表示疾病與暴露之間關聯強度的指標
風險比(hazard ratio,HR)[HR=暴露組的風險函數h1(t)/非暴露組的風險函數h2(t),t指在相同的時間點上]。
歸因危險度(AR),又叫特異危險度、率差(rate difference, RD)和超額危險度(excess risk),是暴露組發病率與對照組發病率相差的絕對值,它表示危險特異地歸因於暴露因素的程度。
Meta分析的五大必備數據圖表:
①流程圖,對文獻納入和剔除的過程的介紹,描述文獻檢索,去除重複文獻,根據題目摘要再篩選,根據全文再三次篩選,定性和定量分析的過程;
②基線資料彙總,根據臨床中不同的因素進行亞組間的分析,包括單因素分析、多因素分析。用table進行展示。
③效應量合併(Fixed effect model and Random effect model),根據主要結局指標和次要結局指標進行分類,用森林圖進行展示。
④異質性(P heterogeneity, Cochran’s Q test and Higgins l-squared)和發表偏倚分析(Begg’s funnel plot),分析內容包括亞組分析、敏感性分析、Meta迴歸分析、發表偏倚(漏斗圖、Begg’s funnel plot),用table和圖表進行展示、或者可以用文字描述代替。
Meta分析常用軟件彙總:
Stata、RevMan、R、Meta-DiSc
閱讀更多 三個魯班 的文章