Meta分析中数据转换方法研究

摘要

研究背景: 自循证医学（evidence based medicine）的概念1992年正式提出后，循证医学的研究始终保持着一种指数增长趋势。循证医学研究中，除了极少数系统评价(systematic review)的结果用非量化方式表达外，绝大部分研究结果都是经meta分析(meta-analysis)得出的。作为一种统计方法，meta分析在应用领域所受到的重视和产生如此重要的影响是非常独特的。 Meta分析的意义在于，当同类相互独立的研究出现矛盾结果的时候可以给出较为合理的解释。由于meta分析增大了样本量，同时也增加了统计的检验效能，故可以改善研究结论的普遍意义。 Meta分析可分为两类方法，一类是基于统计显著性（statistical significance）即P值的meta分析方法，其优点是方法简单，应用范围广，适用于不同统计方法检验相同假设的情况或结局变量不一致的情况;另一类是基于效应量（effect size）的meta分析方法，该类方法的优点是可以估计总的效应，利用信息充分，分析中每项研究对综合结论的影响可以不同，但其缺点是方法较为复杂。 Meta分析的核心思想是“合并效应量（combined effect size）”，在计算合并时要求初始研究所呈现的效应量是一致的。然而在实际研究中，初始研究所表达的效应量未必是完全一致的，或者报道的效应量不满足meta分析的要求。针对上述情况，一般有三种处理方式:一是联系初始研究的作者索要符合meta分析的信息;二是舍弃不符合要求的初始研究;三是通过效应量转换的方式以符合meta分析的要求。前两种不仅在实践中难以成功，同时也浪费宝贵的信息，只有第三种方式值得提倡，也正是本研究立意之处。 研究目的: 本研究将系统介绍已有的效应量转换方法，比较不同方法的优劣，并侧重建立基于干预前后定量变量的基本统计量估计变化值的基本统计量的方法，为meta分析的应用增加新的可行手段。 研究方法: 对效应量转换的一般方法进行评述，包含log OR与标准化均数差(SMD)相互转换方法;相关系数r与SMD的相互转化方法;连续型变量二分类后的效应量转换方法，包括率差、两个阳性率、列联系数、OR值等二分类效应量转换为SMD的方法;不同类型生存数据转换为HR的方法，包括根据终点事件发生数直接或间接估计HR的方法和根据生存曲线估计HR的方法。 针对定量变量干预前后差值基本统计量的缺失情况，基本思路是基于干预前后存在相关关系，只要估计出相关系数，即可以结合干预前后的基本统计量估计变化值的标准差。应用Monte Carlo方法模拟，评价估计的准确性。 研究结果: 针对定量变量干预前后差值（变化值）基本统计量的缺失情况，模拟结果如下: A.纳入研究变化值统计量的缺失率为100％ a)合并相关系数 样本量越大合并相关系数的偏差越小;三种方法的偏差均随着相关系数的增加而减小;ZCOR方法均低估相关系数，UCOR和COR方法以总体相关系数0.8为界，高估和低估合并相关系数;三种方法中COR偏差较小。 缺失率为0％时，三种方法在不同样本量的合并相关系数的MSE相近，通过信息较大的MSE方法评价发现三种方法比较接近;且样本量越大，合并相关系数越接近总体相关系数。 b) SMD估计量 SMD估计量的结果近似相同。研究数为3、5、8、10、15时，SMD估计量在总体相关系数为0.7、0.8、0.85和0.95时，偏差明显，不稳定。当研究数增加到30时，偏差接近0。 相关系数为0.5时，MSE较大，且随着平均样本量的增加而减小。直接假定相关系数为0.5也可较好的估计SMD估计量。 c)SMD估计量95％可信区间覆盖率 缺失率为0％和100％，不同研究数的95％可信区间普遍高于95％，预示着meta方法比较偏保守。缺失率为100％较缺失率为0％偏保守。平均样本量越小覆盖率越低。 d) SMD估计量的异质性 缺失率为0％和100％，异质性均偏低。平均样本量越少异质性越大。在总体相关系数为0.5时，缺失率为100％较缺失率为0％的异质性较低。在总体相关系数大于0.5后，同质性近似均为1;研究数为30，缺失率为0％，平均样本数为20时，异质性增高，尤其在总体相关系数为0.9和0.95处，但仍然低于原定的0.1。 B.纳入研究变化值统计量的缺失率为0％，25％，50％ C.不同缺失率对合并相关系数和SMD估计量影响相似。后续针对影响较大的因素进行探讨。 a)合并相关系数 三种方法的偏差随着总体相关系数的增加而减少，COR方法的偏差较小。UCOR和COR方法以总体相关系数0.8为界，高估和低估相关系数合并效应量，ZCOR方法均低估合并相关系数;平均样本量越大偏差越小。 三种方法合并相关系数的MSE相近，即三种方法比较接近，平均样本量越大，合并相关系数的MSE越小。 b) SMD估计量 三种方法的SMD估计量的偏差很接近。研究数为3、5、8、10、15，合并效应量在总体相关系数为0.7、0.8、0.85和0.95时，偏差较明显的。 在相关系数为0.5时，MSE比较大，平均样本量越大MSE越小，而其他因素影响很小。 c)SMD估计量95％可信区间覆盖率 三种方法的95％可信区间覆盖率大致相同。平均样本量越小，95％可信区间覆盖率越小。 在研究数为30，相关系数为0.9、0.95时，平均样本量20的覆盖率出现低于0.95，而平均样本量为40和80时，覆盖率偏高。 d) SMD估计量的异质性 随着相关系数的增大，异质性由小变大;在总体相关系数小于0.85时异质性都低于0.1;而在总体相关系数大于0.85时，部分异质性大于0.1;在研究数为30时，随着总体相关系数的增大，异质性逐渐增大。 研究结论: 综上所述，现有非函数的效应量转换方法均或多或少地存在估计偏倚，有待进一步深入研究。针对合并相关系数缺失情况，Pearson相关系数估计方法较其它方法，包括用0.5估计的方法，其估计偏差和均方误均较小，更值得推荐;而针对定量变量干预前后差值基本统计量的缺失情况，三种方法和0.5估计的方法，其估计偏差和均方误较一致。

目录

摘要

第一章 前言

第二章 Meta分析的效应量转换方法

2．1 效应量转换的一般方法

2．1．1 log(OR)与SMD相互转化

2．1．2 相关系数r与SMD的相互转化

2．2 连续性变量二分类后的效应量估计

2．2．1 由率差转换为标准化均数差SMDp

2．2．2 由列联系数转换为标准化均数差SMD?-和SMDbis

2．2．3 由两个阳性率PE和PC转换为标准化均数差SMDasin

2．2．4 由OR值转换为标准化均数差SMDHH和SMDCox

2．3 生存分析效应量的估计与合并

2．3．1 ln(HRi)和Var[ln(HRi)]的直接估计

2．3．2 ln(HRi)和Var[ln(HRi)]的间接估计

2．3．3 生存曲线估计ln(HRi)和Var[ln(HRi)]

2．3．4 通过试验组和对照组估计合并生存曲线

第三章 基于定量变量干预前后基本统计量估计变化值

3．1 研究背景

3．2 研究思路

3．3 单个效应量方差的影响因素

3．3．1 基本原理

3．3．2 单个效应量方差的偏差比例

3．3．3 主要影响因素

3．4 合并相关系数的转换方法

3．5 合并效应量的模拟研究

3．5．1 模拟参数和评价指标

3．5．2 Monte Carlo模拟过程

3．6 模拟结果

3．6．1 缺失率为100％

3．6．2 研究的差值的标准差缺失率为0％，25％，50％

第四章 讨论与结论

参考文献

致谢

声明