搜索
Meta分析中的异质性检验一、Meta分析原理假定各个不同研究都是来自同一个总体，要求不同研究间的统计量应该接近总体参数真实值，所以各个不同文献研究结果是比较接近，就要符合同质性，这时候将所有文献的效应值合并可以采用固定效应模型的有些算法，如倒方差法，mantelhaenszel法，peto法等。二、异质性的概念2.1广义：描述参与者、干预措施和一系列研究间测量结果的差异和多样性，或那些研究间的内在真实性的变异。2.2狭义：专指统计学异质性，用来描述一系列研究中效应量的变异程度，也表明除可预见的偶然机会之外的研究间存在的差异性。三、异质性的分类3.1临床异质性：包含试验对象的差异，如纳入及排除标准的不同；试验条件的差异，如干预剂量、剂型、方法不同；定义指标的差异，如试验定义的暴露、结局、测量工具不同，等等。3.2方法学异质性：包含研究设计的差异，如前瞻性、回顾性、随机化对照试验；偏倚风险，如盲法；结局完整性，如随访时间长短不同。3.3统计学异质性：是指不同试验间被估计的效应指标的变异，它是研究间临床和方法学上多样性的直接结果。统计学计算一致性以数据为基础，其原理是各研究间可信区间的重合程度越，则各研究间存在统计学同质性的可能性越大，相反，可信区间的重合程度越小，各研究间存在统计学异质性的可能性越大。临床异质性、方法学异质性和统计学异质性三种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的表现，反之亦然。但寻找临床和方法学上的异质性可以提示统计学异质性的来源。四、异质性检验方法4.1概念：又叫统计量的齐性检验（一致性检验），目的是检查各个独立研究的结果是否具有可合并性。4.2常见方法：4.2.1Q检验（1）计算公式及解释∑注：Wi：第i个研究的权重，Yi：第i个研究的效应量，M：所有研究的平均效应量。Q为效应量的标准化平方和，因此服从自由度为（k-1）的χ²分布。Q值越大，则p值越小（无效假设为纳入研究的效应量均相同），则异质性越大。（2）Q检验的缺陷：①对研究个数敏感：当研究个数越少时，检验效能越低，其越容易出现假阴性；反之，当研究个数越多时，检验效能越高，越容易出现假阳性。②只能检验是否存在异质性及异质性的大小，而不能检验异质性的分布。4.2.2I²检验（1）计算公式及解释()I²反映异质性部分在效应量总的变异种所占的比重。I²的取值范围：0-100%；取值越大，异质性越大；根据I²可将异质性分为四个程度：0:(当I²为负值时，我们将其设为0）表明没有异质性；0-40%:轻度异质性；40%-60%:中度异质性；50%-90%：较大的异质性；75%-100%：很大的异质性。2。3H检验（1）计算公式及解释通过对统计量Q进行自由度（研究个数）的校正，结果方差分布的参数估计可得：√()H值为1表示各研究间无异质性;H＜1。2则认为研究同质；H＞1。5则提示研究间存在异质性；H为1。2-1。5之间，当H值95%置信区间包含1，在α=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。此外，除了常见的统计量法外，还有森林图法、星状图（radialplot）、贝拉图（L’abbeplot）、加布尔雷斯图等异质性检验方法。总之，应用Q及I²统计量，既可检测是否存在异质性，也可检测异质性的程度，但是，应用适当应用图示法，可以帮助找到引起异质性的异常点（某个或某几个研究）。五、异质性处理方案一般来说判断异质性大小的方法是根据I2及P值来确定。即根据I2值及P值来决定模型的使用，大部分认为I²＜50%且P＞0.1时，存在异质性，使用随机效应模型；当I²≥50%或P＜0.1时，用固定效应模型。有了异质性，通过敏感性分析，或者亚亚组分析，去探求异质性的来源。异质性的处理忽略异质性固定效应模型检验异质性有异质性不合并合并随机效应模型解释亚组分析Meta回归meta分析中，异质性是天然存在的。如果异质性较小，选择固定效应模型更可靠；如果异质性较大，则建议选择随机效应模型。但仍然需要通过敏感性分析，寻找到异质性根据，以消除其影响。但是，在异质性较大时，随机效应模型主要是校正合并效应值的算法，使得结果更加接近无偏估计，即结果更为准确，但其得出的结论偏向于保守，置信区间较大，更难以发现差异，如果各个试验的结果差异很大的时候，是否需要把各个试验合并需要慎重考虑，作出结论的时候就要更加小心。六、异质性来源探索在做完异质性检验后，我们需要进一步对异质性的来源进行探索。异质性可能来源于人群、试验方法、种族等等因素，可通过敏感性分析、亚组分析和meta回归等方法来查找异质性来源。比如，异质性的来源可以来源于研究的各阶段：研究人群-研究设计-数据分析-结果报道。按照不同人群（如男女，欧亚非，白人黑人等）、不同设计类型（如队列研究，RCT，病例-对照）、不同的统计模型（cox，poisson等）、不同结果（肺癌的新发病、现患病例、死亡）来做亚组分析即分层分析。目前，国内外对meta分析存在异质性，尤其是异质性检验P值很小的时候，学术届有着不同的争论，很多人认为这个时候做meta分析是没有意义，相当于合并了一些来自不同总体的统计结果。也有人认为，这些异质性的存在可能是由于文献发表的时间，研究的分组，研究对象的特征等因素引起，只要采用亚组分析或meta回归分析可以将异质性进行控制或解释，还是可以进行meta分析，至少运用随机效应模型可以相对无偏的估计总体。总之，异质性检验P值较小时候，最好能对异质性来源进行分析和说明。