纳入文献无均数与标准差？Meta分析连续性数据的深度提取。

最新推荐文章于 2024-09-12 09:39:58 发布

全优统计

最新推荐文章于 2024-09-12 09:39:58 发布

阅读量1.8k

点赞数 20

文章标签：数据分析

本文链接：https://blog.csdn.net/STATMAX/article/details/135847958

版权

当我们在做Meta分析时，合并的结局指标包含五大类，分别是二分类数据、连续性数据、有序数据、计数或率、时间-事件数据。其中，连续性数据意指在特定范围内可取任何值的数据，如身高、体质量、面积等。对连续性数据进行 Meta 分析时，合并的统计量为“均数差”（mean difference，MD），即两组间均数的差值。然而，我们常常面临一个挑战：数据获取和处理。我们需要样本量、均数和标准差，但并非每篇文献都提供完整信息。如何解决这一难题呢？让我们一起探索对连续性数据的深度提取方法。

复旦大学附属中山医院刘海宁，吴昊和姚灿等人在中国循证医学杂志 2017年1月第17卷第1期发表了一篇标题为“Meta 分析中连续性数据的深度提取方法” [1]的文章。其对 Meta 分析无法从文献中直接获取均数、标准差时，如何对数据进行深度提取进行了阐述，并通过 2 项实例分析示范其应用过程。

方法

1. 由中位数及最大值、最小值估算

对于文献中非正态分布的数据，不适宜用均数和标准差描述数据的分布情况，亦无法使用t检验，因此只报告中位数及最大值、最小值。此时，我们可以使用中位数及最大值、最小值估算均数及标准差。

设样本量为 n，中位数为 M，最小值为 a，最大值为 b，均数为 m，标准差为 SD。

该方法不要求研究对象为正态分布。其他分布类型，如 Log 分布、二项分布、指数分布、韦伯分布皆可以用此方法进行均数和标准差的估算。但值得注意的是，此方法仅仅是对均数和标准差的估算。对于未提供均数和标准差的文献，仍然首选向通讯作者等索要原始数据。

2. 由中位数和四分位数估算

一些文献只报告中位数与较大、较小四分位数。设样本量为 n，中位数为 M，较小四分位数（第一四分位数）为 q1，较大四分位数（第三四分位数）为 q3，均数为 m，标准差为 SD。

μz可通过 Stata、Microsoft Excel 软件或查表法计算。鉴于查表法所得出的数据精度不高，相比之下，软件计算更有优势。以 Stata 12.0 版本为例，输入“di invnormal（1-z）”命令即可，其中，z 是具体数值，由样本量计算得出。

以 Microsoft Excel 2013 版本为例，在任意单元格中输入“= norm.inv（1-z, 0, 1)”后按回车键即可，z 为具体数值。

该方法不要求研究对象为正态分布。其他分布类型，如 Log 分布、二项分布、指数分布、韦伯分布皆可以用此方法估算。该方法的另一项优势在于其考虑到了样本量的大小对估算值的影响。

3. 从统计图中截取数据

这种情况可以使用 Photoshop 软件从统计图中提取数据。以 Photoshop CS5 版本为例，打开图片后，点击“窗口”选项卡，再点击“信息”选项，则会弹出“信息”窗口，可以显示鼠标所指的点在图片中对应的横坐标与纵坐标的数值。如图 1所示，A、B 点为纵坐标轴上已知刻度值的 2 个点，2 个点对应的刻度值分别为a、b。C 点为“均数线”上的任意 1 个点，D 点为“误差线”上的任意 1 个点，2 个点对应的纵坐标轴上的刻度分别为c、d（c和d的刻度值未知）。以上 4 个点在图片中的坐标值可以通过 Photoshop 求得，分别为（x，y）。设均数为m，标准差为SD。

A、B 点为纵坐标轴上已知刻度值的 2 个点，2 个点对应的刻度值分别为a、b。C 点为“均数线”上的任意 1 个点，D 点为“误差线”上的任意 1 个点，2 个点对应的纵坐标轴上的刻度分别为c、d（c和d的刻度值未知）。

同样，对于非正态分布的数据，可通过箱式图截取中位数、四分位数、最小值、最大值，再用 1.1 节、1.2 节所述方法进一步估测均数与标准差。该方法甚至可通过散点图截取原始数据，再自行作统计分析。

4. 合并各亚组数据

部分文献的研究对象可以分为多个亚组，有时仅仅给出各亚组的样本量、均数、标准差。这时，需要合并各亚组的数据以求得总体。

设总体样本量为n，各亚组样本量分别为 n1 、 n2 、…、 nk ；总体均数为m，各亚组均数分别为 m1、 m2、…、mk ；总体标准差为SD，各亚组标准差分别为 SD1、 SD2、…、SDk 。

有 2 个亚组时，总体标准差即是两样本t检验中的中间变量—— 合并方差（ $S_{C^{2}}$ ）：

有 k 个亚组时：

5. 由均数的 95% 可信区间计算标准差

部分文献只给出样本量、均数及其 95% 可信区间，未给出标准差。均数、其 95% 可信区间的上、下限，三者给出其二即可。对于使用t 分布计算的均数的 95% 可信区间，可通过 $t_{0.05/2,v}$ 计算标准差。

设样本量为 n，均数为 m，标准差为 SD，均数的 95% 可信区间为（L，U），自由度为 $v$ ，则：

$t_{0.05/2,v}$ 可由Stata、Microsoft Excel软件或查表法求得。在 Stata 软件中输入“di invttail（ν, 0.025）”命令即可，其中ν 由具体的数值替代。在 Microsoft Excel 软件的任意单元格中输入“= t.inv.2t（0.05,ν）”或“= tinv（0.05,ν）”后按回车键即可，ν 为具体数值。

必须说明，应用此种方法的数据需要满足正态性。对于使用t 分布计算的均数的 95% 可信区间，表明数据已被验证满足正态性，可以直接使用此种方法计算标准差。

6. 由组间的P 值、t 值、标准误、95% 可信区间计算标准差

部分文献给出了试验组与对照组各自的样本量、均数，这时，只需知道两组间的P 值、t 值、标准误、均数差的 95% 可信区间中的任何一个，即可计算两组的“平均标准差”。

设两组样本量分别为 n1、 n2，均数分别为 m1、 m2（假设 m1>m2），平均标准差为SD。组间标准误为s，均数差为 $\Delta m$ ，均数差的 95% 可信区间为（L，U），总自由度为 $v$ 。则：

平均标准差 SD 由组间标准误 s 计算：

组间标准误s可由t值计算：

也可由均数差的 95% 可信区间计算：

其中， $t_{0.05/2,v}$ 的计算方法已在第 5 节中详述。

t 值（即 $t_{p/2,v}$ ）通常会直接给出，也可由P 值计算。已知P 的值，在 Stata 软件中输入“di invttail（ν,P/2）”命令即可，其中ν、P 由具体的数值替代。或在 Microsoft Excel 软件的任意单元格中输入“= t.inv.2t（P,ν）”或“= tinv（P,ν）”后按回车键即可，P、ν 为具体数值。

一些文献不给出具体的P 值，而是P 值的范围，如P<0.05，P<0.001。这时，可以采用保守的办法，取P 值的上限，如P<0.05 时假定P = 0.05，P<0.001 时假定P = 0.001。这样做的缺陷也是显而易见的—— 平均标准差被高估。

7. 其他

部分文献的原始数据为偏态分布，将原始数据取对数后则为正态分布，因此仅报告取对数后的均数及其 95% 可信区间。诸如血甘油三酯、肿瘤标志物的浓度在病例组常会出现偏态分布。Cochrane 手册建议取对数后的均数再取反对数，则可得到原始数据的几何均数。对可信区间数据取反对数，再应用 1.5 节所述方法可计算原始数据的标准差。

部分文献仅给出每组的样本量、均数，未给出标准差，且无法用以上介绍的方法估算。在向文献通讯作者索要原始数据未果的情况下，此文献的标准差出现缺失。若放弃纳入此文献，可能会造成信息缺失与偏倚。这时，可利用其他相似的 Meta 分析，或者用本研究中其他纳入文献所计算出的均数差的标准差，作为缺失文献的每组的平均标准差。Furukawa 等[2]的研究表明，当纳入文献较多，而缺失标准差的文献较少时，用此方法填补缺失值对 Meta 分析的结果影响甚微。反之，当纳入文献较少，而缺失标准差的文献较多时，结果的可靠性较低。此方法真正被利用的是样本量与均数，标准差是假设的统计量，因此 Cochrane 手册认为“除非迫不得已，否则应避免使用”。

实例

实例一

Malinen 等[3]的研究给出腹泻型、交替型、便秘型 3 个亚型患者各自的样本量、均数与其 95% 可信区间的上限，见表1。

在 Stata 12.0 软件中输入“di invttail（11, 0.025）”，得到 $t_{0.05/2,11}$ 为 2.201。进一步可求得腹泻型亚组的标准差：

同理，求得交替型亚组的标准差 SD2 = 0.305，便秘型亚组的标准差 SD3 = 0.403。

可求出 IBS 组的总体样本量为：n=n1+n2+n3=12+6+9=27

总体均数为：m=9.206

总体标准差为：SD=0.478

实例二

Ramzy 等[4]的研究给出结直肠癌、大肠息肉、炎症性肠病患者各自 microRNA-92a 的中位数、四分位数、最大值及最小值，见图2。结直肠癌、大肠息肉、炎症性肠病样本量分别为 25、14、11。

使用 Photoshop 软件打开图片，调出“信息”窗口，移动鼠标至各组中位数、最大值、最小值所在线段，记录在图2中的纵坐标。结直肠癌组对应的中位数、最大值、最小值的图2中的纵坐标分别为 11.68、2.15、15.27，大肠息肉组分别为 11.84、4.16、15.11，炎症性肠病组分别为 13.05、2.54、14.72。5.0 刻度线与 10.0 刻度线对应的点在图2的纵坐标为 10.99、6.51。

结直肠癌组中位数为：

$M1=\frac{(11.68-10.99)(5-10)}{10.99-6.51}+5=4.23$