![59e7695c25e762651b3e26ad6a5fca11.png](https://i-blog.csdnimg.cn/blog_migrate/63a71f6ad8a149d73964fbd80d434eb5.png)
今天的主题是:数据分析和处理,一二三四这个系列主要目的是为了完整叙述整篇meta的架构和流程,具体问题,后续再有文章进行一步步的解释。当然解释不到位的,可以私信。
#软件
![1512ebd49698ecd793108b71ef7005fd.png](https://i-blog.csdnimg.cn/blog_migrate/22986556009b9b29a8339d3de5ba1095.jpeg)
我们先基于REVMAN软件进行操作,这是在考克兰网站的下载地址
RevMan 5 downloadtraining.cochrane.org![7606d846c5e5d40909ee9820740f92a5.png](https://i-blog.csdnimg.cn/blog_migrate/aae41f1977387958e49a8c6e96727634.jpeg)
#设计图表
一篇meta里,最重要的就是绘制森林图、漏斗图、敏感性分析和亚组分析(后两者主要是当异质性检验过大时采用的方法)
文字什么的,找几篇文字,依葫芦画瓢,基本上都能画出来,这里先讲下数据设计,之前在拟定IDEA的时候,一般我们都会有几个指标,假设ABC,一种方法是——那么最好画一个森林图,其他两个用柱状图或者excel表格表示即可。
![2de8d4e3b062d179a775e136c11d7771.png](https://i-blog.csdnimg.cn/blog_migrate/f84329d5a6944e2b6a4fc3b5ca186d10.jpeg)
比如下图,比较了正常和肺癌人群的SAA水平,这种方法就比较适合纳入的文献数据类型比较单一的
![2cdb60ea58727cb309a41e7c45d301cf.png](https://i-blog.csdnimg.cn/blog_migrate/d137b17c09321b2dfcdb012b55739dd4.jpeg)
另外一种方法就比较高大上了,但也未必发的文章分数就比第一种高(大雾),这个表格里分为EGFR(-)和EGFR(+)两组,然后对年龄、P16、表现评分等几个维度又进行了分组。瞅了一眼纳入的文章数量为5(长吁一口气),所以当我们文献纳入数量并不多的时候,可以考虑这种方法。
![fa33e3d5b2f72779944f9ee950a54bb5.png](https://i-blog.csdnimg.cn/blog_migrate/51ccbaf755b37c723bd76b96580f1d8e.jpeg)
漏斗图
![5447865a05ed1395d2a7efff842e1b6e.png](https://i-blog.csdnimg.cn/blog_migrate/dd967aabff0a4e8708a3205ae0fe08b2.jpeg)
考克兰手册是建议10篇文献以上才做漏斗图,文献数量太少做了好像也没人认
#绘制图表之森林图
在Revman里面,画出来森林图之后(怎么画,第三篇里详细说),这篇主要讲怎么设计和怎么看,我们需要关注什么指标呢?主要是四个
- 异质性检验
- P值(有效性)
- 效应尺度
- 效应模型
异质性一般指meta分析中,纳入文献之间的存在的异质性。狭义定义为: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外研究间存在的差异性。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;适当应用图示法,找到引起异质性的异常点(某个或某几个研究)
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。(考点,记住)
![0d57c3e5b658910f5e7b07e3b5b9c635.png](https://i-blog.csdnimg.cn/blog_migrate/d91801ad8dae309e9897e69f332620cb.jpeg)
p值就是那个全部文献都又爱又恨的P值,也是森林图里那个菱形
效应尺度的话,你看this
![b40106d2efe553c2b679eca7223af25e.png](https://i-blog.csdnimg.cn/blog_migrate/2f131d14945de2b57bb3c63fdf8af2e3.jpeg)
#绘制图表之漏斗图
#敏感性分析和亚组分析
我自己是这么理解的
敏感性分析是从文献的质量上来归类,比如排除非intention to treat(ITT)的文献,比如排除没阐述分配隐藏的文献,而亚组分析主要从文献里分组病例特性来排除,比如排除平均年龄大于80的文献,排除营养不良率大于60%的文献,等等
可是我发现很多meta分析里面敏感性分析和亚组分析经常混为一谈了。
![a0d2b586392be6c4e54e2df5b85a1f2c.png](https://i-blog.csdnimg.cn/blog_migrate/5b2a01a62db67731e6093cd493ca7d69.png)
比如我们要做敏感性分析,主要有三种方法
![8c96b393c9c200e23976cc3bce443c4a.png](https://i-blog.csdnimg.cn/blog_migrate/f56fb09779a61b1984f6010bb720721d.jpeg)
而亚组分析呢
有部分研究拿亚组分析来比较不同特别对结果的影响,如上面这篇发在JAMA上的metn,它根据年龄,性别,NIHSS评分,ASPECTS评分等进行业组分析,然后 根据其OR的值进行比较,得出那个因素对结果影响较大,这样做的合照性与否?——该问题引用自“ 郎中1987”的课
从目的上来,这是不对的;从统计的角度,也不一定错
总之,画完这几个图,基本上文章的图都有了,文字部分就是另外的问题啦。
![d46c3a26d1ba35daf1e373801f26b663.png](https://i-blog.csdnimg.cn/blog_migrate/55e46d0004e73f44b6b33da20954233e.jpeg)