生信分析、meta分析、数据挖掘
TCGA、GEO、SEER、Oncomine

异质性专题(1): 浅谈meta分析异质性以及常用处理(方法篇)

Meta分析是将多个具有相同研究目的的独立结果汇总起来,综合得到多个研究效应量的平均水平。Meta分析纳入的所有研究之间存在差异性,这些差异主要来源于研究对象、研究设计、干预措施、结果测量上的异质性。其来源有两类:一类是研究内变异,即抽样误差导致不同的研究虽来自相同的总体,却表现为不同的效应。另一类是研究间变异,指研究对象来自不同的总体以及偏倚的控制等诸多方面存在差异,造成实际效应的不相同。

在运用meta分析对多个研究结果进行合并之前,必须先进行异质性分析。因为按照医学统计学原理,只有具有同质性的资料才能进行合并或比较。通过异质性分析可以尽可能地消除导致异质性的原因,使之达到同质性,并且选择进行效应量合并的模型。异质性分析的方法主要为Q检验和I2值。合并统计量时,当多个研究之间具有同质性时,使用固定效应模型,若多个研究之间存在明显异质性时,则使用随机效应模型。当存在异质性时,常采用以下方法进行处理:

(1)Meta回归:通过建立回归方程,来反映一个或多个解释变量与结果变量之间的关系,从而筛选出导致异质性的重要影响因素。

(2)亚组分析:将所有数据分成更小的单元,进而在各亚组内进行比较,如按不同设计方案、研究质量、发表年代或者某亚类研究对象等分成亚组再分析。

(3)其他处理异质性的方法:包括随机效应模型、多元回归模型等,若异质性过大,特别在效应方向上极其不一致,不宜做Meta分析,只作一般性的统计描述。

Stata软件和RevMan软件均可以做异质性检验和亚组分析,前者还可以做Meta回归,而后者目前暂无实现Meta回归功能的模块。


资料来自:《Meta回归与亚组分析在异质性处理中的应用》

赞(0) 打赏
未经允许不得转载:医学SCI科研之家 » 异质性专题(1): 浅谈meta分析异质性以及常用处理(方法篇)
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

meta分析、生信分析

meta、生信交流群综合科研交流群