meta分析中效应尺度指标的选择.doc

Meta分析中效应尺度指标的选择 文 进 李幼平* 关键词 Meta 分析 合并统计量 效应尺度 摘? 要 Meta 分析中效应尺度指标的选择对其结果的解释和应用非常重要。本文 作者单位 1. 四川大学华西医院 中国循证医学中心( 成都610041) 首先简要介绍了常见的几种 Meta 分析合并统计量的基本概念。Meta 分析中选 择合并统计量常需要考虑以下因素：流行病学设计类型，资料（数据）类型，效应 一致性，数学特性和可解释性。对连续性变量，当对同一干预措施效应的测量方 第一作者简介 文 进，男（1974 年～），流行病与卫生统 计学硕士，循证医学在读博士，以循证 决策和管理为主要研究方向。 Email: huaxiwenjin@163.com 法或单位完全相同时，宜选择 WMD；当对同一干预措施效应采用不同的测量方 法或单位，或不同研究间均数差异过大时，宜选择 SMD 作为合并统计量。对二 分类变量，随机对照试验的 Meta 分析推荐首选 RR 为合并统计量。当干预（暴 露）组和对照组的事件发生率均非常低时，可以采用 OR 估计 RR。Meta 分析中 无一个可应用于所有情形的最佳合并统计量。 *通讯作者，Email: yzmylab@ 中国循证医学杂志 , 2007, 7(8): 606-613. 证据是循证医学的核心，系统评价或 Meta 分 20 人死亡，80 人存活，则这个样本中发生死亡的比 析是公认的最高级别证据。来自 Meta 分析的证据 值为 20/80=1/4 或 0.25。比值也可以定义为某事件 总是通过一定的效应尺度（effect size, ES; 或 effect 发生的概率与不发生的概率之比，即 P/(1-P)，这里 magnitude, EM）指标来表示。但国内外杂志上发 P 表示某事件发生的概率。 表的 Meta 分析在选择效应尺度指标时常存在误用 表 1 为常见的研究暴露（干预）与疾病关系时 指标或错误解释指标结果的情况。因此，深刻理解 候的资料总结表。 Meta 分析中各种常用效应尺度指标的意义，对正 根据流行病学不同的研究设计类型，可以获得 确选择效应指标、理解和应用统计结果至关重要。 以下三种比值比。 Meta 分析中使用的定量合成效应尺度指标，也被称 1.1.1 发病比值比（incidence odds ratio） 对于队 为合并统计量（summary statistic）。 列研究或随机对照试验而言，可以获得发病比值比， 其计算如下： 1 基本概念 暴露（干预）组发病的比值 = 研究中常用的效应尺度指标包括结局为分类 p a/(a+c) a 1 = = 1-p1 c/(a+c) c 变 量 时 的 odds ratio（OR）、relative risk（RR）和 risk difference（RD），以及结局为连续性变量时的 非暴露（非干预）组发病的比值 = p b/(b+d) b 2 = = 1-p 2 d/(b+d) d weighted mean difference（WMD） 和 standardized mean difference（SMD）。下面对这些基本概念进行 发病比值比 = OR 1 = p p ad 1 / 2 = 1-p 1 1-p2 bc 1.1.2 暴露比值比（exposure odds ratio） 病例对照 简要介绍。 研究不能得到发病比值比，只能得到暴露比值比。 1.1 OR OR 即比值比或优势比，是测量疾病与暴露联 系强度的一个重要指标。是某组中某事件的比值与 另一组内该事件的比值之比。OR=1 表示比较组间 表 1 暴露与疾病关系的四格表 Table 1 Fourfold table for data analysis between exposure and disease 没有差异。当研究结局为不利事件时，OR1 表示 暴露可能会降低结局风险。 E (暴露/ exposure) E (非暴露/ un-exposure) 比值（Odds）：是某事件发生可能性的一种表示 D (疾病/ disease) a b a+b 方式，为一个样本中发生某事件的人数与没有发生 某事件的人数之比。例如，在一个 100 人的样本中， D (非疾病/ non- disease) c d c+d a+c b+d 606 Chin J Evid-based Med, 2007, Vol.7(8) 万方数据 病例组暴 露的比值 = 病例中暴露的比值 a/(a+b) a = = 病例中非暴露的比值 b/(a+b) b 性决定。Cochrane 协作网的 RevMan 统计软件设定 计算 WMD 的权重为方差的倒数。 对照组暴 露的比值 = 对照中暴露的比值