Meta分析中的异质性检验方法.pdf

通讯作者 陈坤 Email ck Meta分析中的异质性检验方法 浙江大学医学院流行病学与卫生统计学教研室 310031 何寒青 陈 坤 提 要 目的 比较和探讨meta分析中异质性定量化的检验方法 方法 通过比较Q检验以及H和I2统计量 等方法 结合一个实例进行分析 来研究meta分析中异质性的定量化检验方法 结果 Q检验容易受到样本量变化的影 响 而H和I2统计量经过对自由度的校正 不会受到文献数目变化的影响 异质性结果检验较为稳健 结论 H和I2统 计量计算简单 检验结果也稳定可靠 是meta分析中异质性检验和异质性来源研究中值得推广应用的方法 关键词 Meta分析 异质性 统计学检验 Meta分析是定量汇总具有相同目的的多个独立 研究结果 具有增加统计学功效 帮助解决各研究结果 间的不一致并综合多个研究效应的平均水平等功 能 1 但是 当各研究间差异较大 或者说存在明显 的异质性时 Meta分析的结果就不太可靠 2 Meta 分析在合并效应值之前 首先要明确研究间是否真正 存在异质性 即结果间变异是否由于随机误差引 起 3 当研究间存在异质性时 可以采用随机效应 模型如Dersimonian and Laird法等进行效应值合并 但该方法并不能对异质性是否真正存在及存在的原因 进行探索 4 但是 Meta分析中常用异质性检验方法 Q检验 检验结果不可靠 5 特别是在采用分层分析 法 6 研究异质性时 Q检验结果更不稳定 而森林图 和L Abbe图等方法只是对异质性的描述性判断 不 能定量估计异质性是否存在及大小 Meta分析中 为 了能够得到更为准确可靠的合并效应值 必须要能确 切地检验和估计Meta分析中的异质性 因此 本研究 结合一个实例 比较经自由度 文献数 校正后的I2和 H统计量与Q检验等方法 旨在探讨可以应用于 Meta分析中异质性检验的更为可靠方法 原理和方法 11Q检验 1 Q m i 1 wM HI ln ORi ln ORM H 2 ORM H m i 1 wM HIORi m i 1 wi wM Hi 1 V ariancei V ariancei ln ORi ln ORiL 1196 2 统计量Q服从自由度为k 1的卡方分布 如果 Q 0105 即研究的异质性是由于 存在抽样误差而造成的 可认为研究是同质 若Q 2 k 1 0105 表明P 115提示研究间存在异质性 H 56 提示研究间存在异质性 I2 31 则提示 可认为各个研究是同质 结果与分析 11 文献中的数据整理 为了便于对上述统计量的异质性检验方法说明 引用可手术乳腺癌骨髓播散与远处转移相关性Meta 分析 8 资料进行实例分析 数据整理如表1所示 其 中研究年份 随访时间 染色技术和抗原等是研究中考 虑可能对异质性影响的因素 这里归类是为了进一步 分层分析的需要 21 各种方法的异质性检验结果 该Meta分析中 全部9篇研究间的异质性检验P 0105 H分别为11563 95 CI 21708 01902 和11489 95 CI 21588 01857 I 2 分 别 为591044 和 541901 研究年份在1995年以前的研究异质性Q 检验无统计学意义 P 0105 H为11452 I2为 521584 染色技术分层中 其他 非AP法 的层内异 质性Q检验无统计学意义P 0105 H为11185 I2 为281741 其他各层内异质性Q检验均有统计学 意义 P 115 I2 56 表1 可手术乳腺癌骨髓肿瘤散播与远处转移发生相关性一元Meta分析 文献 trial 骨髓肿瘤阳性骨髓肿瘤阴性 发生 不发生发生 不发生 研究 年份3 随访时间 月 染色 技术 3 3 抗原 159 46107 181272AP角蛋白 231 22118 313254其他角蛋白 379 28120 325238AP角蛋白 450 10139 1602152AP其他 5109 34206 378236AP其他 610 81 181114AP其他 77 511 26130其他角蛋白 86 2114 80148其他其他 94 58 81不详其他其他 3 研究年份 1为1995年以前的研究 2为1995年及以后开展的研究 3 3 AP是碱性磷酸酶染色 表2 分层异质性检验 分层因素分层情况 文献 篇 Q检验 Q值P I2 H 95 CI OR 95 CI 3 3 随访时间3 50月 50月 研究年份 1 2 染色技术 AP 其他 抗原 角蛋白 其他 全部文献 4713250106259104411563 21708 01 902 51732 41264 71 705 4616520108454190111489 21588 01 857 21511 11886 31 344 4613270109752158411452 21526 01 835 21268 11118 41 601 52415240100183168921476 31723 11 647 31370 21646 41 294 52619440100085115421595 31865 11 743 31884 31092 41 879 4412100124028174111185 11951 01 719 21798 11765 41 436 41410600100378166321165 31547 11 321 31869 21914 51 137 51813970100178125721145 31321 11 385 31514 21605 41 741 93217590100175157921024 21807 11 459 31862 31001 41 519 3 随访时间分层中 由于一篇文献的随访时间无法获得 所以分层后文献总数只有8篇 3 3 OR值合并是Q检验中 P 0105 采用固定效应模型合并 当P 0105 采用随机效应模型合并 讨 论 实例分析结果可知 全部研究间异质性Q检验的 P 0105 Q检验结果表 明无异质性 与H和I2统计量检验结果不符 随访时 间50个月层内的研究间统计量H 11563 115 提 示存在异质性 H值的95 可信区间包含了1 且统 计量I2 591044 56 H和I2统计量检验结果 表明不能认为各研究是同质来源 同样 在随访时间 大于50个月和研究年份在1995年前的研究间异质性 检验中虽然Q检验无统计学意义 P 0105 但都有 H 112 且I2 31 也不可定论这些研究间不存在 异质性 这里异质性检验中Q检验结果和H和I2检验结 果不一致 是由于研究数少 Q检验和区间范围估计 往往不准确 7 Q 检验结果受研究文献多少影响很 大 因为Q值的大小取决于合并方差 效应量的离散 程度以及纳入研究的文献数 若研究文献多 合并方差 小 则权重大 对Q值的贡献大 这时检验效能会太 高 容易得出假阳性的结果 反之 如果样本含量较小 权重也较小 检验效能又往往太低 6 9 Q 值随研究 数目的变化而变化 H和I2检验统计量就是利用了自 由度校正了研究文献数目对Q值的影响 其值大小不 会随文献数变化而改变 异质性检验结果也更为稳健 可靠 Meta分析中如果存在有异质性 可以通过亚组 分析的方法 如对影响异质性因素分层后再进行效应 下转第490页 784 Chinese Journal of Health Statistics Dec 2006 Vol 23 No 6 1994 2011 China Academic Journal Electronic Publishing House All rights reserved 1 127 91 51 会使危险率上升 生存时间缩短 在其他 条件不变时 血红蛋白含量HGB的降低会使危险率上 升 从而使生存时间相对缩短 本例数据拟合高次多 项式时不显著 结果未列出 讨 论 一般的Cox模型中添加二次项和交互作用项后 对数危险比函数与变量间的关系呈二次光滑曲面 类 似二次多项式光滑法 曲面比较简单 对较复杂的函数 关系拟合未必充分 而使用本文讨论的各方法 还可以 拟合多个节点多峰多谷类似波浪型光滑变化的关系 一般的Cox模型中添加二次项和交互作用项是本文 讨论方法的特例 本文所述方法是前者的推广 因此 本文所述方法在应用上更加灵活 适应性更强 能够满 足更复杂的建模需求 对于样本资料 可以先从简单 模型做起 然后再尝试复杂的模型 依据上述方法 同 样可以建立线性光滑可加Logistic回归模型 由于篇 幅所限 本文对每一种线性光滑可加Cox回归模型没 有给出详细的估计过程 读者可以自行推导 Linear Smoothers additive Cox Regression Models and their Ap2 plication Zhang Pide Gao Yanhui Li Lixia et al Departent of Social Medicine and Health Statistics Guangdong University of Pharmacy 510224 Guangzhou Abstract Objective To develop linear smoothers additive Cox regression models Methods To construct theory models and analyse by example Results To explore linear effect and quadratic effect of vari2 ables by seprate models If linear variables are merely considered some use2 ful variables would be excluded from the model so it should be preferable that quadratic terms be considered Conclusion Linear smoothers addi2 tive Cox regression models are important for exploring nonlinear relationship between the logarithm of relative risk and hazard variables these models can be calculated and explained conveniently Key words Linear smoother Additive model Cox model 参 考 文 献 11Andreas BUJA Trevor Hastie Robert Tibshirani Linear smoothers and addtive models the annals of statistics 1989 17 2 453 555 21freiedman JH Multivariate regression splines the annals of statistics 1989 19 1 1 14 31Michael leblanc John crowley Adaptive regression spline in the Cox model Biometrics 1999 55 204 213 41Gentleman R Crowley J Local full likelihood estimation for the propor2 tional hazards model Biometrics 1991 47 1283 1296 51 方开泰 马长兴 正交与均匀试验设计 科学出版社 2001 1 152 上接第487页 值合并 。