meta分析的写作思路 - 图文 (2)

3.熟练掌握offoceword，好吧这才是最重要的，我要去练习word了。所以，特征表它没有固定框架，只要能详细描述出原始文献的基本信息，同时保持美观大方，让人一看就感觉你，就OK了。（再附二张tables）。

四、新手meta分析上路（四）：质量评价

我们确定研究目的，通过检索策略最终纳入数篇studies后(假设10篇吧)，就有必要对纳入的文献进行一个评价，关于其质量、方法设计的评价。因为纳入的10篇研究有好有坏，良莠不齐，我们不能一股脑的对其进行简单粗爆的合并，而是需要明确你手里的文章到底是否设计合理，数据是否全面，质量是否过关，至少做到你自己心中有个数，有个秤去评断你合并结果的稳健性与否。

Meta分析有句名言：garbagein,garbageout(垃圾进来垃圾又出去了，依，是这样翻么，我的英语还是很屌的)。就是说高质量的文章合并所得出的结果，也一般是高可信度的。如果再有一定的临床意义，就有信心往高分的杂志进行试投。如果纳进来的文章质量很失水准，有失偏颇，合并的结果连自己都很难说服，更别提是否具有推广价值，借我几个胆也不敢把这篇研究往高质量Journal上投了，这是一个很现实的问题。所以我一直认为从事中医药领域循证医学的同仁么，可能在发文方面不愁，但由于纳入研究质量不过硬，所以文章所发的高度也很受限制，难以突破瓶颈。但对我们这些小喽啰来说，能发就OK了，还挑肥捡瘦，绝对不挑不挑不挑（重要的事说三遍）。

那说到质量评价，就少不了评价工具和评价标准。市面上对于临床干预RCT的评价方法不一而足琳琅满目百花齐放百家争鸣，看的我目瞪口呆手足无措晕头转向。因为不同的研究机构，不同的专家都会提出自己认为很有效的评价标准，就像做生意一样。我们该挑那件来买单，还得看销售记录啊。我个人一般推荐两种方法（其实也只用过这二种）。

1.Cochrane手册的评价标准,共6点，手册以“是”，“否”和”不清楚”三种做为评价结果，我个人选择给分制，每点低分险时给1分，总分6分为最高（分险最低，质量最好），低次类推。现简单介绍下Cochrane手册的评价要点（只说明何时给1分）。

A:Sequencegeneration（序列产生）：使用随机数字表，计算机随机，抛硬币，洗扑克或信封，抽签，掷骰子时给1分。

B:Allocationconcealment（分配隐藏）：中心化分配，同一外观、连续编号的药物容器，不透明的信封给药（文章有说的那么清楚才怪类）

C:Blinding（盲法）：有采用盲法给1分（终于说了句能让人听的懂的人话） D:Incompleteoutcomedata（不完全结局资料）：没有丢失结局数据，采用意向性分析给1分（什么是意向性分析，算了不说了字太多你自己去园子查吧） E:Noselectiveoutcomereporting（选择性结局报告）：无选择性结局报告给1分（鬼知道他们有没选择性报告啊，又不会在文章里说“各位亲，我选择性的挑了点汇报哦”）。所以这时候有个protocol就很能帮助我们判断了。

F:Othersourcesofbias（其他偏倚来源）：研究表现出没有其他偏倚来源给1分，是表现出哦。这点挺让我吐槽的，所以这点我都给的很看心情。 我个人认为评价质量挺主观的，很多信息文章里都没有明确说明，但如果都给个“不清楚”也挺残忍的（我是个心地善良的科研从业人员）。所以有时我会根据文章它整体的设计，以及它发的分值来适当的行使下我的权利（嘿嘿）。高分杂志的文章（很高的那种）有时我会倾向于给高分，低分的文章（除了很高的那种）我会倾向于给低分。这样是否会让结果更加保守呢，还是小心点的好。本想说的另一个评价工具是Jadad量表，这是我第一次做meta分析时用的工具，但后来发现都没人用，被人遗弃了那我也就不用了（补了一刀）。但人总是有第一次情结，所以今天我也提它一下，聊表怀念。但它的具体评分我就不说了（其实与上面一个也差不多），因为说多了也没用，现在杂志不是很认可这个方法，哎啊都是泪。我就把Jadad评分量表以附件形式上传，有兴趣的站友自己下了看。 其实，评价工具很多，但你不需要全部了解，只要一个牛B点的就OK了，如果你很好学，立志在Riskofbias这个领域打出一片天地，那我不拦你，去多多学习吧。

五、新手meta分析上路（五）：原创实例已发表meta分析视频讲解

一个视频，内容不多，属于走马观花式的对meta的流程进行一个再介绍（适合新手）。也算对前面内容的一个视频回顾，权当温故而知新。

https://v.youku.com/v_show/id_XMTQ1ODkwMTMwMA==.html?firsttime=407

六、新手meta分析上路（六）：数据分析（Revman）

前面这几天所讲的内容基本都还属于系统评价（systematicreview）的范畴（流程图、特征表和质量评价表）。而meta区别于系统评价主要在于它对纳入的原始文献的同类数据进行了有效的合并，通过一定的算法得出一个估计的有效值，可以一定程度实现样本量的扩增，和对目前所有证据的总结

（evidencebasedmedicine,EBM），这也是它与一般综述的区别之处，但还是属于综述。其证据等级凌架于RCT之上。

讲到数据分析，那少不了统计软件，市面上主要有三款，分别为Revman(傻瓜式操作，入门级选择),Stata(进阶级利器，功能强大)，R软件(什么，这是什么鬼，反正没用过)。我主要是用Revman（不要嫌弃我）,偶尔应审稿人要求会用下stata软件，但只会一点点。所以我下面的大部分数据分析都是基于Revman实现的。 先简单科普下，数据分为两种类型，连续型变量（Continuous）和二分类变量(Dichotomous)。连续型变量指的是有平均值和标准差的，如临床上的某些量表，以6.5±2.1这样的形式呈现;而二分类变量是表现百分率，如临床上的有效率，10个人里面6个人有效（真是讲的太仔细了，都把大家当小学生了，很生气）。他们有各自的输入方式和效应值，但总体来说大同小异。我们把纳入文献的原始数据输入到Excel里，然后简单导入到软件，啪啪啪的结果高出来了，然后根据结果进行分析就可以写文章了。哇噻，听起来好简单，感觉一切都掌握了，分分钟SCI就拿下了。

假设纳入10篇文章，我们有3个结局指标（A,B,C）。其中一个主要指标，两个次要指标。

A指标：假设有6篇文献里有完整数据，那把这6篇文章的数据进行合并，得一个森林图（Forestplot为什么叫森林图这让我很纳闷，一点森林的感脚都没有)。 B指标：假设有8篇文献里有完整数据，那把这8篇文章的数据进行合并，得一个森林图。

C指标：假设有7篇文献里有完整数据，那把这7篇文章的数据进行合并，又得一个森林图。

所以并不是每个森林图里每篇文章都要纳入的，一篇meta分析有几个结局指标就有几个森林图。如果还根据一些变量进行亚组分析，那森林图就更多了，有些文章觉得图太多，会把其中的数据抽取出来做成表格或柱状图，那也是一个不错的选择。总之，假设，此处省略一万字，我们已经成功的做成了森林图,那我们主要关注图上的几个指标就可以了。

异质性检验：I的平方>50%表示合并的结果具有异质性（采用随机效应模型），I的平方<50%表示合并的结果具有同质性（采用固定效应模型），I的平方=50%算什么，好忧伤我也不知道，不要注意这些小细节了。其实我一直觉得统计学是个很神奇的东西，尤其这软件我随便输输数据，它就能知道是否存在异质性，其异质性来源还是多方面的（如临床设计，病人选择，样本大小等有关），我西厉害八格牙路。反正学统计学的都是外星人。

此外就是P值，p<0.05说明两组之间存在统计学差异，图上合并的菱形也不会与直线相交（见下图黑色的那个），一旦相交就说明两组之间没有差异

（p>0.05,p=0.05算什么？这又是一个忧伤的故事）。最后看下WMD的值和95%的可信区间（这是连续型变量的，二分类的是OR或RR），下图是的0.95（0.51，1.39）。

七、新手meta分析上路（七）：发表偏倚

我们在看meta文献时，会发现每个结果都有一个漏斗图（Funnelplot），如果你有8个结局指标，那岂不是有8个漏斗图。但这么多放在文章里岂不搞笑，所以我一般会挑选里面的主要指标的漏斗图，放在paper里，其它的基本一句轻描淡写带过或者哑口无言不提，再或者放在补充材料里充图数。而漏斗图的功效主要是来检测此结局指标是否存在发表偏倚的（publicationbias），什么是发表偏倚？即发表是否有偏倚（你敢解释的再随意点么)。但话说回来，有无发表偏

倚并不影响文章的最终发表，只不过我们根据相应的结果，在讨论里进行不同且合适的阐述。

那如何检测发表偏倚呢，Revman软件Funnelplot是一个倒三角，样本量越大越集中在上方，但只能目测无法给出统计描述（功能偏简单），若两边对称则无明显发表偏倚，两边不对称则可能存在发表偏倚（如果你视力不好难以判断，那哥们随意）。Stata软件的eggetest和beggtest更进一步，给出了统计描述,其中p>0.05提示无明显发表偏倚，p<0.05存在发表偏倚。所以在准确性上，Funnelplot不如eggertest和beggtest，而后者中Begg不如egger敏感，妈妈再也不用担心我的发表偏倚检测了，因为三种我都会。所以当三则结果不一致时，首先放弃Funnelplot，因为那是你用裸眼看的，太主观，鬼才相信你的眼光。而eggertest和beggtest结果相悖时，我一般会采用egger的结果做为结果，对不住了begger兄。我个人感觉高分杂志较倾向于stata，也大部分图表由stata制作，其制件的精良度和简炼度有时还挺惊艳的，而低分的较多由revman合成（当然这不是绝对）。

而发表偏倚不是你想检测就能检测的，纳入文献的数量必要达标才有必要进行后续的检验

（Funnelplotscanbeusedforreviewswithsufficientnumbersofincludedstudies），有人说5篇，有人说7篇，还有人说10篇，你们再不统一，我就随心所欲了，反正太少的原始文献就没必要进行发表偏倚的检测（我一般采用cochrane的说法，10篇为准）。

虽说stata检测发表偏倚较准确，但大部分文章还是选用funnelplot，因为我个人认为发表偏倚这块压根不重要，也根本影响不了你的文章是否能顺利发表（切，说的我像鸡肋)，只要你提到、知道并有所描述就OK了。这样的学习态度我也是醉了，竟还能发SCI，天啊，SCI的质量太堪忧了，我还是回去看中华吧。

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新幼儿教育meta分析的写作思路 - 图文 (2)全文阅读和word下载服务。