一圖讀懂：meta分析異質性

高質量meta分析，堪稱證據金字塔的最高層，可是大家可知高質量的meta分析談何容易。裡面的異質性更是紛繁複雜，為了幫助新手能夠快速了解異質性，今天我們做了兩張圖來幫助大家弄懂meta分析的異質性。當然，我們這裡不可能面面俱到，但是希望能夠幫助到大家。meta分析必須考慮到異質性，並且對異質性進行探索和分析，了解導致異質性的原因，同時盡量選擇無異質性，同質性高的研究進行合併。現在發表的meta分析大多數是有異質性的，大家不妨回顧性一下自己相關領域的meta分析，不難發現，大多數是有異質性的。尤其是診斷學研究，幾乎所有的均有異質性。所以到目前為止Cochrane圖書館並沒有確定診斷學meta分析進行合併，而是結果的呈現。

我們所講的異質性，包括了臨床異質性，方法學異質性以及統計學異質性。臨床異質性正如下圖1所示，主要從納入排除標準層面進行判斷。而納入排除標準，最重要的就是我們一直在講的PICO，每個研究的PICO不同，或者存在較大差異，往往提示存在臨床異質性，這個時候進行數據合併，準確性就有待考究了。所以如果臨床異質性很大，往往我們就不進行合併了。方法學異質性，也比較簡單就是研究我們是怎麼開展的。例如我們做的是基於RCT研究的meta分析。

如果納入研究開展的RCT方法都不同。例如有些研究用盲法，有些使用的開放設計。這樣的話就存在方法學異質性。再如，基於隊列研究的META分析，有些是前瞻性設計，有些可能是回顧性的設計，這時也提示存在方法學異質性。所以對於方法學異質性，不像臨床異質性那麼絕對。還是可以進行數據合併的，不過需要在討論裡面進行闡述。

最後就是統計學異質性。這個是一個很玄乎的概念。以前我們經常說臨床異質性和方法學異質性可以導致統計學異質性。而如果沒有明顯臨床異質性和統計學異質性，仍然可能存在統計學異質性。統計學異質性其實就是統計軟體計算出來的異質性。是基於一定的方法計算出來了。所以我們在合併數據時候，選擇隨機還是固定效應模型就是這個。其中很重要的就是I方。所有的META分析都有進行統計學異質性的檢測。

那麼對於存在異質性，我們怎麼辦呢？說實話，存在異質性往往是Meta分析中經常碰到的問題。也是作者頭疼的一件事。因為異質性的存在往往影響文章的發表。不過對於存在異質性的時候，我們通常也有一些手段進行處理：

尋找導致異質性的原因。導致異質性的原因往往是困難的。可以從之前講過的臨床異質性，方法學異質性角度進行尋找。如果能夠明顯找到可能是導致異質性的原因，則可以在此基礎上進行，亞組分析，或者敏感性分析。

如果，你無法從上數的臨床和方法學角度找到異質性。則可以進行meta回歸，進行異質性的探索。並在發現的具有統計學意義的變數基礎上進行亞組分析。

使用隨機效應模型進行合併。不過結果的解釋需要極為謹慎。並在討論中充分表述這是文章的局限性。

不做定量的meta分析，僅做系統評價。

本文轉載自其他網站，不代表健康界觀點和立場。如有內容和圖片的著作權異議，請及時聯繫我們（郵箱：[email protected]）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！