Meta分析在前几年很火爆，但是近些年发表量太多，大家慢慢觉得没有新意，所以被很多研究者舍弃了。不过对于很多刚刚入职的新手研究者来说，没有资源开展自己的临床研究，Meta分析仍然是一个发表文章的很好的渠道，那么如何能够让Meta分析这个“老树”能开出“新花”呢？
这多“新花”就是：网状Meta分析(Network Meta-Analysis)。相比较传统Meta分析，网状Meta分析能够同时比较多个干预措施，不仅依赖于直接比较的数据，还能通过间接比较整合没有直接比较的数据，形成一个综合的比较网络，从而提供更全面和灵活的比较结果。
为了让大家了解网状meta分析的行文思路，本期我们将以一篇高分网状Meta分析举例解读，希望对大家有所帮助。
本文是发表在顶刊《BMJ》（IF 93.6）上的“Comparative effectiveness of GLP-1 receptor agonists on glycaemic control, body weight, and lipid profile for type 2 diabetes: systematic review and network meta-analysis”（中文名：GLP-1 受体激动剂对 2 型糖尿病血糖控制、体重和血脂状况的比较效果：系统评价和网络荟萃分析）。
文献筛选流程与评估
研究团队从四个主要数据库（PubMed、Web of Science、CENTRAL、Embase）中筛选出符合条件的随机对照试验。检索时间段为数据库创建至2023年8月19日。此外，还手动检索了欧洲糖尿病研究协会（European Association for the Study of Diabetes）和美国糖尿病协会（American Diabetes Association）科学会议的网站以及 ClinicalTrials.gov，以及纳入文章的参考文献和相关系统综述，以寻找潜在的适合性研究。
文献筛选与数据提取：
一篇好的网状meta分析很大程度上取决于文献的选择过程。精确和可靠的文献能够提供高质量的数据，从而确保分析结果的准确性。并且通过系统地筛选文献，可以最大限度地减少选择偏倚、发表偏倚等，提高研究的可信度。
所以，朋友们，看到优秀的文章一定要好好保留下来，说不定以后写meta分析的时候用得上！
纳入标准： 研究类型：随机对照试验 研究对象：成人（18-65岁）2型糖尿病患者 干预措施：患者接受GLP-1RA治疗，可以是单一疗法或在其他背景降糖治疗基础上增加GLP-1RA 对照组：对照组可以是安慰剂或任何GLP-1RA药物 随访时间：试验的随访时间至少为12周 语言：仅纳入英文发表的研究
排除标准： 设计类型：排除交叉设计的试验 比较对象：排除与其他药物类别进行非劣效性比较且没有安慰剂组的试验 药物状态：排除使用已撤市药物的试验 发表类型：排除会议摘要和非英文文献
文献搜索完毕后需要根据纳排标准进行筛选，筛选过程包括三个阶段：
1.三位审稿人根据标题独立选择文章，并将任何不确定的条目纳入
2.对第一阶段选出的所有文章进行总结性审查，通过审稿人之间的讨论解决分歧，并咨询第四位审稿人
3.根据预先确定的纳入和排除标准，对标题和摘要符合条件的文章进行全文进一步审查。
筛选完毕后，对每项纳入研究的数据由两名研究人员独立提取，包括研究特征（发表年份、国家、治疗持续时间）、人口学特征（年龄、性别、样本量、糖尿病病程、BMI）、干预措施（药物名称和剂量）和结局指标（HbA1c、FPG、体重、BMI、腰围、血脂参数等）。
当然，日夜看文献确实很枯燥，但是想想论文还没发，不能够倒下啊！哭！~~~
证据质量评估
Meta分析是对原始研究的二次综合分析与评价，其质量受纳入原始研究的质量影响。当纳入文献质量偏低、设计不够严谨，Meta分析的研究结论将大打折扣。
文章使用了Cochrane随机试验偏倚风险工具来评估纳入试验的偏倚风险，包括随机序列生成、任务隐藏、盲法、结果数据丢失和选择性报告结果。两名研究人员独立完成了偏倚风险评估，并通过协商解决任何分歧。
图1 流程图
最终纳入了76项随机对照试验，共涉及39246名2型糖尿病患者，评估了15种不同GLP-1受体激动剂（GLP-1RAs）药物的效果。
以上就是一个网状Meta分析较为完整的文献筛选流程与评估流程，以上“地基”部分我们已分析完毕，希望对您有所帮助，接下来我们来讲具体分析结果。
结果图片解析
糖化血红蛋白控制
与传统的Meta分析不同，网状Meta分析使得研究者同时评估多种治疗方案，即使某些治疗方案之间没有两两比较的直接数据，但是通过构建一个“网络”，它可以连接不同的治疗方案，进而提供各个治疗之间的比较结果。
在网状图中，每个点代表一种干预措施，点的大小代表样本量的大小，点与点之间的连线代表有研究进行了两两比较，连线的粗细代表对比研究数量的多少。
图2为GLP-1RAs与安慰剂对HbA1c的网状图。包括了56项试验，涉及26343人。
图2 GLP-1RAs与安慰剂对HbA1c的网状图
与安慰剂相比，所有15种 GLP-1RA药物均显示出显著降低2型糖尿病成人患者HbA1c水平的疗效，其中Tirzepatide在降低HbA1c方面表现最佳，平均减少2.10%。CINeMA（网络荟萃分析置信度）表明HbA1c证据的总体质量主要是中等或高。
图3 GLP-1RAs与安慰剂对HbA1c的效应大小森林图
空腹血糖
依旧先是网状图，纳入了47项随机对照试验，涉及17163名受试者。
图4 GLP-1RAs与安慰剂在空腹血糖方面的网状图
在降低空腹血糖方面，所有GLP-1RAs药物也表现出显著效果，其中Tirzepatide在降低空腹血糖方面同样最为有效，平均减少3.12 mmol/L。
图5 GLP-1RAs与安慰剂在空腹血糖方面的效应大小森林图
体重控制
又双叒是网状图，网状图用来表示各种干预措施之间关系的最直观的可视化，是网状meta分析的标配，频繁出现也是正常操作（不要觉得小编啰嗦哈）。
在体重控制分析中，包括53项试验，涉及21349名参与者。
图6 GLP-1RAs与安慰剂减肥效果的网状图
在体重管理方面，不同GLP-1RAs药物的效果差异较大，其中CagriSema在体重减轻方面表现突出，平均减重14.03kg，其次是Tirzepatide和Retatrutide。
图7 GLP-1RAs与安慰剂在减肥方面的的效应大小森林图
不良事件
网状Meta分析在不良事件分析中具有显著的优势，尤其是在处理复杂证据体系和提供更全面的治疗效果比较时，可以为临床医生提供指导，为患者选择更合适的药物。
GLP-1RAs在管理血糖水平和体重方面显示出显著效果，但当使用较高剂量时，可能会增加不良反应的风险：
1.停药率：在高剂量使用时，Lixisenatide、Semaglutide、Exenatide、Tirzepatide和Liraglutide这几种药物因不良事件导致的停药率相对较高，分别为2.86%、2.61%、2.39%、2.30%和2.15%。
2.胃肠道反应：大多数GLP-1RAs在较高剂量下可能会引起胃肠道不适，包括恶心、呕吐和腹泻等症状。特别是Tirzepatide、Semaglutide和Dulaglutide等药物，在剂量较高时，胃肠道不良反应的发生率较为显著。
图8 GLP-1RAs与安慰剂相比常见不良事件的估计
敏感性分析和元回归
为了进一步检验结果的稳定性，通过添加所有预先排除的比较GLP-1RA与其他降糖药物类别的试验进行了敏感性分析。敏感性分析与主要结果一致，证实了研究结果的稳健性。
元回归是用于探讨Meta分析中研究结果与其他变量之间的关系的分析方法。通过元回归分析评估了潜在基线效应修正因素对主要结果的影响。评估了患者年龄、糖尿病持续时间和背景治疗，未发现对主要结果有显著影响。
总结
网状Meta分析虽然不需要进行实验操作，只需通过文献回顾来完成，但其过程远非易事。作为循证医学的顶级研究方法，它要求严格的科学方法和精确的分析。让我们从这篇高分文章中汲取一些宝贵的启示：
坚实的基础是说服力的关键：网状Meta分析的结果很大程度上依赖于纳入研究的数据质量。因此，文献检索、数据提取和网络构建等步骤对最终分析结果有着决定性的影响。如果纳入的研究存在偏差或质量不佳，那么最终结果的可靠性也会受到质疑。只有确保这些步骤的准确性和严谨性，分析结果才具有真正的说服力。
打铁还需自身硬：与传统Meta分析相比，网状Meta分析在模型构建和统计分析方面更为复杂。网状Meta分析的有效性在很大程度上取决于统计模型的假设，这要求研究者不仅要有扎实的统计学基础，还要熟练掌握相关软件的操作。只有不断提升自身的专业能力，才能确保分析结果的准确性和可靠性。
以上就是对于这篇高分网状meta分析的全部分享啦～希望对您未来的写作思路有所帮助，我们下次再见！
