Meta 分析本质上属于观察性研究, 首先需要进行严格的研究设计。进行 Meta 分析的统计学处理前一般要完成两项重要的工作: 研究设计和有关文献资料的收集与评价。研究设计包括: 明确研究目的, 文献研究资料的来源、 范围及其有关内容的规定以及统计学分析方法的选择。明确文献资料收集标准后, 文献检索的完整性会直接影响 Meta 分析研究结果的可靠性。文献检索时最好是能找到所有有关的文献(包括未发表的) , 以减少发表偏倚对研究结果的影响。
文献资料的质量评价主要看两个方面:一是研究设计, 随机分组的研究结果比观察对比结果更可靠; 二是样本大小, 大样本的研究比小样本的研究更可靠。
文献资料的质量评价一般采用相关的量表 工 具 进 行 评 分。如 随 机 对 照 试 验 常 用Cochrane 风 险 偏 倚 评 估 工 具, 观 察 性 研 究 采 用NOS文 献 质 量 评 价 量表、CASP病例对照研究评价清单等。在进行 Meta 分析时, 可靠性高的文献资料要赋予较大的权重(weight) , 可靠性差的文献资料则赋予很小的权重或剔除。
实例1: 为了更好地探讨斯利安在预防神经管畸 形 中 的 作 用, 在 中 国 医 院 数 字 图 书 馆期 刊 全 文 库 上 进 行 检 索, 选 取1994-2004 年 期 间 关 键 词 为 “ 叶 酸” 和 “ 神 经 管 畸形”发表在各种期刊的文章, 结果检出符合要求的文章5 篇。
实例1 在研究设计时并未给出完整的检索策略, 只规定了研究资料的来源(单一检索系统) 、 关键词、 查找方法和查找范围, 但未说明单个研究的纳入或剔除标准、 研究类型、 以及各单独研究中个体的选择条件、 变量的测量、 每个研究结果应记录的统计量(如死亡率、OR 值等) 。在文献资料收集过程中, 为最大限度地获得全面的资料, 应该从多个电子文献库或检索系统进行检索, 实例1 只收集了一个数据库的相关研究, 文献检索的完整性较差, 这会直接影响研究结果的可靠性。同时原作者未按 PRISMA声明给出流程图, 不能明确各阶段得到或排除文献数量及原因。
实例2: 采用 Meta 分析评价神经节苷脂对脑瘫患儿 的 疗 效 及 安 全 性, 检 索 Pubmed、 Embase、Cochrane 图书馆、 中国生物医学文献数据库、 中国期刊全文数据库及万方数字化全文期刊数据库, 检索时间为建库至2015 年10 月, 检索有关神经节苷脂治疗脑瘫患儿的随机对照试验, 按照检索策略共纳入10 篇文献, 质量评分均为2分。
实例2 原作者在对文献资料进行质量评价时,发现检索得到的研究文献普遍未报告具体的随机化方法与随机化隐藏措施(或盲法) 以及存在试验失访与退出的情况, 于是简单地统一将10 篇随机对照试验文献质量均给予评分为2 分(质量相同) , 认为文献质量较低, 却仍进行 Meta 分析。因此, 原作者的结果有待进一步验证。以往综合分析多个独立研究结果时, 常采用简单的合 并 P 值 的 定 性 综 合 方 法, 如 Fisher 法 和Stouffer 法。合并 P 值 的 方 法 只 能 得 出 处 理 效 应“有意义”或“无意义”的定性综合结论, 缺乏一个量化的综合结果, 并且各研究提供的信息也不分轻重而机械地加以综合, 忽视了各个研究因其作者水平、试验条件和样本大小等差异而有不同的可靠性。然而在实际工作中, 医生更愿意知道甲药的有效率究竟比乙药提高了多少个百分点? 如果是比较两种药的降血压效果, 则更希望知道两药的效果究竟平均相差多少千帕? 为了得到这些差别大小的量化结果, 就需进行 Meta 分析。
Meta 分析强调对效应量(effect size,ES) 的合并, 以得到一个定量的合并结果。所谓效应量也称作效应尺度(effect magnitude) 或效应大小, 是指反映各个研究的处理因素(水平) 和反应变量之间关联大小的无量纲的统计量, 如两个率的优势比 OR ( 或相对危险度RR) 的对数、 两个率之间的差值( 率差,rate difference,RD ) 、 试验组与对照组的均数差值(mean difference,MD ) 或标准化均数差值、 相关系数等。
Meta 分析的统计处理主要分为两步: 一是对统计量进行齐性检验(或异质性检验) , 二是对每个研究报告中的统计量(效应量) 进行加权合并。齐性检验是 Meta 分析的重要一环, 目的是检查偏性, 明确各研究结果是否具有一致性, 以发现和剔除明显不合理的研究结果。因此, Meta 分析进行效应量加权合并前, 要识别、 考察研究间的异质性及其来源, 齐性检验一般采用Q 统计量(χ2 检验) 进行, 用I2 统计量来定量判断异质性的大小。如果各研究结果一致(齐性) , 则可用固定效应模型(fixedeffect model) 进行加权合并, 反之, 应分析产生不一致性的原因, 对某些特大、 特小或方向相反的研究可进行剔除(剔除应慎重! 若产生不一致性的原因为某种特殊因素所致, 如某研究失访病例过多, 则不应将该研究结果列入 Meta 分 析) 或 者 采 用 随 机 效 应 模 型 (randomeffect model) 进行加权合并。如果经齐性检验确认存在异质性, 还可通过亚组分析探索异质性的来源,若某混杂因素可较好解释异质性, 则可按该因素分为亚组进行效应量加权合并。
Meta 分析涉及的范围及应用领域极为广泛, 能够使用的统计方法也很多, 儿少卫生与临床医学研究中最为常见的有: 优势比OR( 或相对危险度RR)值合并、 两个率之差合并和两均数之差合并的 Meta分析方法。
以上实例1 中原作者对齐性检验有如下相关描述“经 Meta-analysis(固定效应) 模型分析, 各组数据具有齐同性”, 原作者应先判断各研究结果是否具有一致性(即进行齐性检验) , 再确定是否采用固定效应模型进行效应量的加权合并。
实例3: 应用 Meta 分析方法对国内21 篇有关儿童单纯性肥胖危险因素的病例对照研究进行定量综合分析, 分析得到出生时体重过重等11 个危险因素与小儿肥胖发生关联明显。实例3 原作者对一致性有如下描述: “出生时体重过重、 常吃油腻食物以及偏/挑食三个因素各研究结果一致性较好, 合并分析采用固定效应模型, 其余统计量(指其余危险因素) 在各研究结果间存在明显的异质性, 合并分析采用随机效应模型”, 但原作者并未给出齐性检验有关的具体统计量与检验结果。
实例4: 对2000 年以来国内外发表的有关益生菌预防儿童过敏性湿疹的随机对照试验进行 Meta分析, 并按干预菌株不同及随访时间点不同进行亚组分析, 结果显示, 干预组仅使用乳酸杆菌或仅使用双歧杆 菌 预 防 儿 童 过 敏 性 湿 疹 效 果 不 显 著 (P >0.05) 。
实例4 Meta 分析最终纳入23 篇随机对照试验研究文献, 其中10 篇文献采用混合菌株、12 篇文献采用乳酸杆菌, 仅有一篇文献单独使用双歧杆菌, 因此按干预菌株的不同进行亚组分析时, 得到“仅使用双歧杆菌预防儿童过敏性湿疹效果不显著” 的结论有待商榷, 研究文献数太少(仅1 篇) , 其结论的可靠性与稳定性存疑。另外, 文献报道[9] 在进行剖宫产术与脑性瘫痪发生率关系的 Meta 分析中共检索出9 篇文献, 原作者按照剖宫产方式进行了亚组分析,在分别研究早产剖宫产、 急诊剖宫产与脑性瘫痪发生率的关系中, 各纳入2 篇文献, 得出对照组与干预组的差异 没 有 统 计 学 意 义 (OR 早产 :0.84,95%CI :0.63 ~1.13;OR 急诊 :9.77,95%CI :7.37 ~12.96 ) 因亚组分析纳入的文献数量过少(仅2 篇) , 其结论仍需进一步验证。
Meta 分析的统计结果简单而直观地表达形式是森林图, 它是 Meta 分析结果报告的必要组成部分。森林图是在平面直角坐标系中以一条垂直的无效线(横坐标刻度为1 或0) 为中心, 用平行于横轴的多条线段描述每个被纳入研究的效应量和可信区间, 用一个菱形(或其它图形) 描述合并的效应量及其可信区间的一种图型。
实例5: 为探讨维生素 D 与儿童哮喘的关系, 采用 Meta 分析比较哮喘患儿组和正常儿童对照组的维生素 D 水平, 绘制的森林图见图2。图2 中的各研究存在异质性(P <0.0001,I2 =91.8%>50%) , 应采用随机效应模型进行效应量合并, 而不应采用固定效应模型见图2。另外图2 并未具体、 准确地描述各研究及合并的效应量与可信区间, 即森林图绘制不够直观形象。
Meta 分 析 最 突 出 的 问 题 是 发 表 偏 倚(publishingbias) , 如医学杂志倾向于发表P <0.05的“阳性”结果。据调查统计, 临床试验报告“阳性”结果的发表率约为77%, “阴性”结果的发表率仅为42%。因此, 依据文献资料进行 Meta 分析, 倾向于得到“阳性”的综合结果。研究者要尽可能多地收集全部研究资料, 并由多人进行“盲法”评判, 以决定研究资料的取舍。考察、识别发表性偏倚的方法主要有漏斗图法(funnel plot method) 、Begg法( 秩相关法) 、Egger 法( 线性回归法) 、 剪补法(trim and fillmethod) 、 Richy 法 和 Jadad 量表评价法、 失安全数等。
由于不同的 Meta 分析所采用的研究设计及收集文献标准不同, 使得 Meta 分析结果所基于的前提条件也不全相同, 为了考察这些前提条件的变化对Meta 分析结果的稳定性的影响程度, 需要进行敏感性分析。
1) 选择不同统计模型时, 效应合并值点估计和区间估计的差异;3) 对文献进行分层( 亚组) 分析前后, 结论的差异;实例 3 中 原 作 者 仅 给 出 了 11 个 研 究 因 素 的Meta 分析的合并OR 值以及OR 的95%CI , 并未评估发表偏倚和进行敏感性分析, 因此无法考察 Meta分析结论的稳定性与可靠性, 也不能更好地评价和分析“阴性”结果的影响, 即考察加入未发表研究结果后对原 Meta 分析结论的影响大小。近年来, 国内外有关 Meta 分析的论文数量快速增长, 有些研究人员在进行 Meta 分析时, 忽视了它的适用范围、 方法学条件, 从而导致 Meta 分析的滥用与误用。在实际工作中, 对于 Meta 分析的正确应用有以下注意事项。
进行 Meta 分析时, 首先需明确研究目的, 其次在文献资料收集前制定一系列的标准, 再次要严格按统一的文献资料纳入和排除标准, 把具有相同研究目的、 高质量的研究纳入分析。同时, 要尽可能保证研究对象、 处理因素、 指标测量方法等方面的一致性, 并对文献进行严格的质量评价。因此对文献资料的收集与评价首先应严格按照 PRISMA 声明执行, 然后需给出 流 程图, 明确检索、 初筛、 纳入和综合各阶段得到或排除文献的数量及原因, 最后确定进行 Meta 分析统计学处理的具体文献及数量。Meta 分析文章报告规范应严格按 PRISMA 声明执行, 目前有不少 Meta 分析文章存在缺陷, 如仅以表格或文字形式描述纳入Meta 分析的文献特征, 并未说明以上各阶段文献信息收集的具体流程。
如果各研究之间的差异很大, 存在异质性, 直接计算合并的效应量很容易造成结果的不可靠和不稳定, 需要仔细检查研究设计和其他可能导致异质性的原因。
如果经过检验, 确实存在着异质性, 则可采取的处理策略有:
1)仔细核查数据, 确保数据的正确性, 比如不要把文献中的标准差误认为是标准误。
2) 如果研究间的变异过大, 且无法解释, 可以考虑放弃 Meta 分析, 而只做一般的系统综述。
3) 通过亚组分析或者 Meta 回归探索异质性的来源, 如果某因素能很好的解释异质性, 可按该因素分为亚组进行效应量的合并。
4) 如果异质性不大, 可以考虑忽略异质性, 采用固定效应模型进行效应量的合并。
5) 采用随机效应模型进行分析。需要注意的是, 随机效应模型并不能代替对异质性进行全面的分析和来源探索。
6) 改变效应量的测量指标。异质性可能是由不合适的效应量测量指标导致的, 改变效应量指标的标度或单位, 可能会降低异质性。
7) 如果异质性是由一两篇“离群”的文献导致的, 可进行敏感性分析, 若可以明确原因, 比如是由于效应量测量方法不同导致的, 则可以将“离群”文献剔除。
由于存在“抽屉文件问题”而常常缺乏“阴性” 结果, 使得 Meta 分析的结果易倾向于“阳性”。要想控制发表偏倚, 唯一的办法是尽可能多地收集有关的全部研究资料, 由多人进行“盲法”评判, 决定资料的取舍, 然后对所有合格资料进行合并分析。许多研究者常对已发表和未发表的研究结果进行 Meta 分析比较, 以便更好地评价和分析“阴性”结果的影响。
由于 Meta 分析本质上属于观察性研究, 在解释分析结果时尤其要谨慎,并且不 能 脱 离 专 业 知 识 背 景。从 某 种 意 义 上 讲,Meta 分析主要告诉人们多个“小效应”的综合结果,这样的“小效应”如果不加以综合, 很容易被忽略而被认为没有作用。因此, 在 Meta 分析的研究结果报告中应注意两点: 一是告诉临床医生某种治疗方法“有效”或“无效”的证据是否充分, 以指导临床实践;二是告诉医学研究者某项研究的倾向性结果, 以揭示进一步研究的方向。
