Meta分析 | 六步速成法与软件实操高效指南

科技   教育   2024-07-16 11:43   北京  


Meta分析具有多项优势:它操作迅速,无需实验室工作,发表速度快,仅需计算机即可完成。这种方法比人们通常认为的更为简便。遵循以下六个关键步骤,即可有效进行Meta分析:


接下来逐个步骤进行简单说明。


一、选题


Meta分析的关键在于主题选择,研究主题的质量直接影响最终成果的学术价值。恰当的选题能显著提升分析的意义和影响力,甚至直接决定你的文章能够发表在几区。如何选题可以关注以下几点:


(1)关注热点问题: 选择当前学术界或实践领域的热点话题,这些话题往往有充足的研究可供分析。
(2)寻找存在争议的领域:选择研究结果不一致或存在争议的领域,Meta分析可以帮助澄清这些争议。
(3)考虑创新点: 思考如何在已有研究基础上提出新的角度或方法。
(4)考虑研究的可行性: 确保有足够的原始研究可供分析。通常需要至少10项相关研究才能进行有意义的Meta分析。
(5)结合个人专业背景: 选择与您的专业背景或研究兴趣相关的主题。
(6)考虑实际应用价值:选择对实践有重要指导意义的主题,可以提高研究的影响力。
(7)咨询专家意见: 可以与该领域的专家讨论,获取选题建议。


二、确定纳入和排除标准


选定研究主题后,制定文献筛选标准是关键步骤,合理的标准有助于避免分析结果偏倚。

(1)文献纳入标准
通常围绕三个核心要素——研究设计类型、受试者特征、结局指标确定纳入标准。举个例子,以下呈现的文献纳入标准可供参考,其体现了前述原则的具体应用。

(2)文献排除标准

重点排除两方面的文献——不符合分析要求的研究(类型、对象或指标不匹配),以及文献质量欠佳的研究(如全文不可得、样本量过小、数据无法获取或专业性不足)。举个例子,以下呈现的文献排除标准可供参考,其体现了前述原则的具体应用。


在筛选过程中,记得记录每个阶段排除的文献数量及原因,这将用于后续筛选流程图的绘制。

三、文献检索


文献检索是Meta分析的基石,作为一种综合他人研究成果的方法,Meta分析的质量很大程度上取决于研究者收集和筛选相关文献的能力。


  • 文献检索策略:可通过手工或计算机进行,涵盖国内外常用数据库如知网、万方、维普、中国生物医学文献数据库、Pubmed、Cochrane Library、Embase、Web of Science等。检索时需使用中英文关键词,通常结合主题词和自由词进行数据库搜索。此外,还需设定检索时间和其他条件限制,如检索语言等。


文献检索策略的撰写可以参考下面这篇文章:


四、文献筛选和数据提取


根据文献检索策略进行文献的筛选和数据提取。

(1)文献筛选
筛选过程分为初筛和精筛两个阶段。初筛通过快速审阅标题和摘要,排除明显不相关的文献。精筛则需要阅读全文,根据预设的纳入/排除标准进行详细筛选,并记录排除原因。为确保准确性,至少两名研究者需独立进行筛选,并对分歧进行讨论,必要时寻求第三方意见。绘制文献检索流程图,如下:


(2)数据提取
将筛好的文献中的数据仔细提取到excel表里,注意格式要统一,方便后面导入软件里计算。文献筛选和数据提取的撰写可参考以下文献:


五、文献质量评价


文献质量评价在Meta分析中扮演着至关重要的角色。这一步骤旨在系统性地评估纳入研究的方法学质量,以识别潜在的偏倚来源,并权衡各项研究的贡献度。

评价过程通常采用标准化工具,选择依据研究设计类型而定。对于随机对照试验(RCTs),Cochrane风险偏倚工具是常用选择;对于观察性研究,Newcastle-Ottawa量表(NOS)较为普遍。这些工具评估多个方面,如随机化过程、盲法使用、数据完整性等。


六、Meta数据分析


以上步骤完成后,就要进行最终的Meta数据分析部分,这部分需要报告meta分析的结果,占用绝大部分篇幅。


Meta分析可通过SPSSAU在线数据分析平台进行,该平台提供用户友好的界面,无需编程知识即可操作。这种简化的分析方法特别适合初学者或缺乏复杂统计软件使用经验的研究人员。


1

分析步骤


针对Meta分析,其常见的分析步骤如下:
step1:数据整理
按SPSSAU规范格式整理好数据。
step2:异质性分析
首先分析是否存在异质性问题,可以通过异质性检验/森林图等多种方式进行判断,如果有异质性问题则Meta模型应该使用‘随机效应’模型。
step3: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。
step4: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。
step5: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。
step6: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。


2

SPSSAU软件操作


以连续性数据Meta分析为例,SPSSAU操作截图如下:



将在文献中提取的数据粘贴或直接填写在分析页面,如下图:


3

Meta分析结果


Meta分析通常关注四大项内容,分别是合并效应量、异质性问题,发表偏倚问题和稳健性问题。接下来分别进行说明。


(1)合并效应量

Meta分析的核心之一是对各个研究的效应值进行合并计算。合并效应值可以反映干预措施的整体效果,并对研究结果的可靠性和准确性进行评估。


以连续性数据Meta分析为例,SPSSAU输出效应量结果如下图:


上表格展示效应量结果,包括各研究文献的效应量及其95%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。


上表可以看出,合并效应量-0.0266(-0.2629 ~ 0.2097)95%置信区间包括数字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, = 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。


(2)异质性问题

异质性指的是纳入的不同研究之间存在的差异可能来自于研究设计、研究对象、干预措施等方面的不同。异质性是Meta分析中需要特别关注的一个方面,因为它会影响分析结果的可信度和准确性。常用的异质性检验方法:Q检验、I2值判断、H值判断等。



SPSSAU异质性检验分析结果展示如下:


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(篇幅有限,本案例不进一步深究)。

(3)发表偏倚问题
发表偏倚是指具有统计学显著性研究意义的研究结果发表的可能性更大这使得Meta文献不具有随机性,这种偏差会影响Meta分析的结果。


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,也可进一步使用Trim剪补法进行发表偏倚分析,并且校正合并效应值。


  • 漏斗图

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。


  • Egger检验和Begg检验

如果两类检验对应的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。


  • Trim剪补法

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。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。


(4)稳健性问题

Meta分析的稳健性通常通过敏感性检验进行分析,使用逐一剔除检验法进行研究在逐一剔除法中,将每篇研究依次剔除,并重新进行合并分析。每行表示移除该项后剩余项的研究Meta合并效应量结果、95%区间、效应量是否为0的z检验结果及I2指标值。


SPSSAU敏感性检验结果展示如下:


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%)。

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。



以上即为今天Meta分析的全部内容,SPSSAU的Meta分析模块,根据不同的数据类型,细分为8个算法,关于Meta分析大家也可点击下方名称跳转至SPSSAU帮助手册学习更多内容:

Meta分析模块
说明
连续性
连续性数据进行均值差异比较
二分类
二分类数据进行比率差值比较
单个率
对比率:如死亡率等原始文献资料数据进行综合评价
平均值
对均值资料数据进行综合评价
相关系数
对均值资料数据进行综合评价
OR值/HR值
对OR或HR资料数据进行综合评价
p值合并
利用fisher转换法进行转化,并且得到最终的合并p值
一般倒方差
只需要提供值和标准误差这两项即可进行Meta分析




若要了解SPSSAU相关的更详细知识,可进入SPSSAU官网查看帮助手册or联系智能客服or人工客服为您解答。



以上就是今天的全部内容啦~

若您想看其他干货内容

请在评论区告诉SPSSAU







数据分析救命神器

让你的数据处理

非常简单!


点击下方  跳转至SPSSAU官方账号





SPSSAU

数据科学分析平台

www.spssau.com



SPSSAU
SPSSAU官网: https://spssau.com
 最新文章