Meta分析中的异质性（heterogeneity）及其处理原则和方法.docVIP

Meta分析中的异质性（heterogeneity）及其处理原则和方法 Meta 分析又称荟萃分析、汇总分析、整合分析，是对具有相同研究题目的多个医学研究进行综合分析。meta分析的目的在于增大样本含量，减少随机误差所致的差异，增大检验效能。一个高质量的Meta分析相当于开展了一个多中心的研究，理想情况下，Meta分析纳入的各项研究均指向同一个结果，即各研究间具有同质性。尽管，我们试图通过严格的入选和排除标准，以保证纳入研究的同质性。然而，实际情况往往不尽如意。会造成“合并萝卜、白菜、西红柿”的错误，就算是勉强合并统计量，得出的结论也不可信。meta就没有意义了。所以，合并效应量之前，一定要进行异质性检验。可以明确的说，纳入Meta分析的所有研究都存在异质性。当异质性较大时，超出了随机误差，Meta分析的结果就不太可靠。我们需要通过适当的方法识别它，对其进行检验，以决定后续的处理策略。梅斯医学提供有关异质性处理的策略。 我们在做meta分析前，必须要做的事有两件：A 确定文献的纳入和排除标准；B 纳入文章的质量评分，例如jadad评分、QUADAS评分等。 临床异质性、方法学异质性和统计学异质性三者是相互独立又相互关联的，临床或方法学上的异质，不一定在统计学上就有异质性表现，反之亦然。统计学异质性是指：不同试验间被估计的治疗效应的变异。其实，我们可以这样理解，A“?严格执行文献的纳入和排除标准”可以减少临床异质性的来源；B?“纳入文章的质量评分”可以减少方法学异质性的来源。 异质性检验方法 异质性检验方法主要有图示法和统计学检验。比如，大家熟悉的森林图，森林图可显示单项研究和合并效应量及其置信区间，如果单项研究结果的置信区间有很少的重叠或者不重叠，则提示研究间可能存在异质性。如图，第1项研究和第2、第4项研究的置信区间无重叠，提示研究间可能存在异质性。 统计学异质性的六种检验方法，三种是检验，三种图示，即Q统计量、I2统计量、H统计量、Galbraith图法、L’Abbe图、漏斗图）。 图示法在检验异质性时，具有简单、直观的优点，但是具有很大的局限性，对于某一种图，会有许多可能的解释，而且，不同的人对同一图的解读也会有差异。图示法仅能在一定程度上提示可能存在或可能不存在异质性，无法定量估计异质性是否存在以及其大小，所以，建议大家还是选择合理的统计学检验方法进行异质性的定量分析。 统计学检验对异质性评价的方法主要有：Q值统计量、I2统计量、H统计量等检验法。Q值统计量检验法应用较为广泛，但其受到纳入研究数量的影响。如果纳入的研究多，即使无异质性，Q检验也可能有统计学意义；如果纳入的研究少，即使存在异质性，Q检验也可能没有统计学意义。而H和I2统计量检验法，对统计量Q进行了自由度（文献数）的校正，不会随纳入研究的数量变化而变化，结果更稳定可靠。 对于H统计量检验法，H=1认为各研究是完全同质的，若H＞1.5提示研究间存在异质性；H＜1.2可认为各个研究是同质的；若H在1.2和1.5之间，当H的95%置信区间包含1，在0.05的检验水准下无法确定是否存在异质性，若不包含1则可认为存在异质性。对于I2统计量检验法，I2为0时表示各个研究是完全同质的，若I2＞50%提示研究间存在异质性。 异质性对Meta进行分类 Anello和Fleiss根据异质性的有无将Meta分析分为两类：分析型Meta分析和探索型Meta分析。分析型Meta分析是指存在较小或无异质性，分析目的限于提高效应的估计或检验一种假设。当研究目的在于解决争议，设想和回答新问题，Meta分析重点在于解释效应量间的变异，这样的Meta分析称为探索性Meta分析，这时研究的焦点集中在研究间的不同特征上。 对于异质性的态度问题 1、保守派认为当异质性较大时（可以用I-square等衡量）或者有统计显著性时（可以用Q统计量的P值衡量），不主张效应值的合并，只做证据的描述性分析即一般的定性的综述，仅当显著性较小（如I-square小于30%或Q统计量的p值大于0.1时）才主张定量的合并即meta-analysis。现如今，“现实派”的占大多数吧，至少已经发表的meta好多的文献间的异质性超出了保守派所能容忍的范围； 2、那么对于“现实派”而言，出现了较大的或者有统计显著性的异质性时，一般的会怎么样做呢？一句话总结---正视它（不要担心），探究它（为什么会这样呢），“消除”它的影响（打上引号表示难以真正的消除它，注意是它的影响，异质性是客观存在的，我们只能减少它对综合后结果的影响）。 处理异质性的六步策略 第一步：改变结果变量的性质 Fleiss指出仅仅改变结果变量的指标，对去除异质性也可能充分。对于一个二分类变量，结果变量的指标由绝对测量标度（如危险差RD）变为相对测量标度（如比数