真阳性数（TP）、假阳性数（FP）、假阴性数（FN）、真阴性数（TN）
1、基于灵敏度的 Meta 分析计算过程 （1）各研究的灵敏度
Sen ai m 1i
i
（2）灵敏度的合并效应量 Sen 及其标准误 SE{Sen}
Sen
a m
i 1i
SE { Sen }
Sen (1 Sen )
di bi ) b i ln( d i ln( d m 2i b m 2i m2 m2
i
G
2 Spe
2
)
2i
其中， b
b ，
d
d ，
i
m2
m
在 H0 成立时，G2Spe 服从自由度为 ν=k-1 的 χ2 分布。若 P >α，则不拒绝 H0， 可认为各研究是同质的， 可以采用上面的公式计算 Spe 及其 95%置信区间。
DL
1 . 96 SE {ˆ
DL
}
三、诊断试验的Meta分析
诊断试验的Meta 分析常用的效应指标有灵敏度（Sen）、特异度(Spe)、
阳性似然比(LR+)、阴性似然比(LR-)、诊断比数比（DOR）及ROC曲线等。
表 2 第 i 个研究资料整理格式
金标准 诊断试验 + + 合计 ai（TP） ci（FN） m1i _ bi（FP） di（TN） m2i n1i n2i Ni 合计
(5)基于固定效应模型的合并效应量的 95%置信区间 对于 OR 或 RR 而言： 对于 RD 而言： RD MH
e
ˆMH 1 . 96 SE ˆMH


1 . 96 SE RD

MH

两分类数据的随机效应模型
（1）基于随机效应模型的效应合并量 ˆDL 及其标准误 SE {ˆDL }
与对照组相等，可认为试验因素无效；当其 95 %可信区间横线不与
森林图的无效线相交且落在无效线右侧时，表明试验组的效应量大 于对照组；当其 95 %可信区间横线不与森林图的无效线相交且落在
无效线左侧时 ,试验组的效应量小于对照组。
二、两分类数据的Meta分析
对于两分类数据的Meta分析，常用的效 应指标有OR、RR和RD（相当于队列研究中的 归因危险度（attributable risk，AR）） 。
SROC 曲线法
Moses 等提出了一种基于ROC 曲线
的所谓SROC曲线法，该方法不受异质性或
阈值的影响，并综合了灵敏度和特异度的
信息，可综合评价诊断试验的准确度。
ROC曲线是以灵敏度为纵坐标，1-特异度为横坐标
SROC曲线，即综合受试者工作特征曲线，它是通
过对真阳性率(true positive rate ，TPR)与假阳性率 (false positive rate ，FPR)进行Logit 变换，将 TPR与
ci n1i Ni
SEln( RRMH )
P U V
其中， P
n1i n2i m1i ai ci N i Ni
2
ai n 2i ci n1i ，U ，V Ni Ni
（3）合并效应量 RD MH 、相应权重 w MH , i 及其标准误 SE { RD MH } 的计算
m
1i
（3）合并效应量 Sen 的 95%置信区间
Sen 1 . 96 SE { Sen }
（4）异质性检验，无效假设为 H0：各研究的灵敏度相同； H1：各研究的灵敏度不全相同。 异质性检验统计量为
ai ci ) c i ln( a i ln( a m 1i c m 1i m1 m1

评价纳入文献的质量 提取纳入文献的数据信息 数据的统计学处理 效应尺度（effect magnitude）；异质性检验 ；效应尺度 的参数估计及其图示；效应尺度的假设检验。 统计软件：Cochrane协作网 Review Manager 5.0

敏感性分析 结果的讨论与分析
一、连续型变量资料的Meta分析
Meta analysis
华中科技大学同济医学院公共卫生学院
尹
平
Tel: 027--83692832 E_mail: ping_y2000@
Meta分析是一种基于文献资料的定量化综合评价多个同类
独立研究结果的统计学方法。常用于临床试验、诊断试验和 流行病学研究等方面的综合评价。
它包括提出问题、收集和分析数据、报告结果等基本过程。 Meta分析常用的方法有固定效应模型（fixed-effects model）
M-H 法 M-H 法是分类变量固定效应模型常用的统计方法，可用于 OR、
RR、RD 等效应指标的合并。 （ 1 ） 合 并 效 应 量 OR MH 、 相 应 权 重 w MH , i 及 其 标 准 误 SE {ln( OR MH )} 的 计 算
OR MH
w w
MH,i
OR i
w MH , i
ˆ DL
w ˆ w
i i
i
SE {ˆDL }
1
w
' i
其中， ˆ 表示 ln(OR)、ln(RR)或 RD 等效应指标。 （2）效应合并值 ˆDL 的 95%置信区间 对于 OR 或 RR 而言： e 对于 RD 而言：
ˆ
ˆDL 1 . 96 SE {ˆDL }
1
G
2 Sen
2
)
其中， a
a ，c c ，m
在 H0 成立时，G2Sen 服从自由度为 ν=k-1 的 χ2 分布。若 P >α，则不拒绝 H0， 可认为各研究是同质的，可以采用上面的公式计算 Sen 及其 95%置信区间。
2、基于特异度的 Meta 分析计算过程 （1）各研究的特异度
Spe di m 2i
i
（2）特异度的合并效应量 Spe 及其标准误 SE{Spe}
Spe
d m
i 2i
SE { Spe }
Spe (1 Spe )
m
2i
（3）合并效应量 Spe 的 95%置信区间
Spe 1 . 96 SE { Spe }
（4）异质性检验，无效假设为 H0：各研究的特异度相同； H1：各研究的特异度不全相同。 异质性检验统计量为
对于连续型变量资料，Meta分析的效应尺度常 有均数之差等。
固定效应模型一般采用Inverse-variance法（倒方差加权法）； 随机效应模型则是在Inverse-variance法基础上，采用 DerSimonian-Laird法，引入校正因子对固定效应模型中的权重
进行校正后再计算合并效应量及其95%置信区间。
纳入标准应包括：研究假设和研究方法； 研究开展或发表的年限；研究 的样本大小；研究中患者的选择和病例的诊断及其分期标准；研究报告可提供
OR（RR、率、HR）及其95％可信区间，或可以转化为OR（RR、率差、HR）及其
95％可信区间；如为计量资料应可提供均数，标准差和样本量等。 剔除标准应包括：重复报告；存在研究设计缺陷，质量差；数据不完整、 结局效应不明确；统计方法错误且无法修正，无法提供或可供转化为OR（RR、 率、HR）及其95％可信区间，计量资料无法提供均数和标准差。
1 1 wi
2

2
Q ( k 1) w i 2 ( w i ) 2 w i 0
当Q k 1 当Q k 1
（2） d DL 的 95%置信区间
d DL 1 . 96 S d
DL
6．结论 若合并效应量的 95%置信区间包含 0，则表明效应合并量与 0 的差异无统计 学意义，即试验组与对照组间差异无统计学意义；否则，表明效应合并量与 0 的差异有统计学意义，即试验组与对照组间差异有统计学意义。
3

ci d i n2i
3
两分类数据的固定效应模型

固定效应模型的Meta 分析方法有MantelHaenszel法（简称M-H法）、Peto法及
Inverse-variance法。

Peto法 也称改良的M-H法，常用于以比数比OR为效应指标
进行多个研究的合并。

Inverse-variance法 可用于计量资料的均数差，也可用于分 类资料的OR、RR、RD等效应指标的合并。

Meta 分析森林图 (forestplots)：它是以一条垂直的无效线 (横坐标 刻度为 1或 0 )为中心，用平行于横轴的多条线段描述每个被纳入研 究的效应量和可信区间，用一个棱形 (或其它图形 )描述合并的效应 量及其可信区间，在平面直角坐标系中绘制出的一种图型。当统计 指标OR、RR、RD及加权均数差和均数差的 95 %可信区间横线与森 林图的无效线 (横坐标刻度为 1或 0 )相交时，表明试验组的效应量
4．基于固定效应模型的合并效应量 d 的 95%置信区间
d 1 . 96 S d
Sd 1
w
i
5．基于随机效应模型的合并效应量 d DL 及其 95%置信区间 (1) 合并效应量 d DL 及其标准误 S d
d DL
DL
wd w
' i ' i
i
Sd

DL
1
w
' i
其中， w i'
Meta分析方法与步骤
1．计算各个研究的均数之差 d i 及其标准差 S d
d i X 1i X
Si S 1i S 2 i
2 2
2i
n 1i n 2 i
2. 计算 d i 基于固定效应模型的加权均数 d 和权重 wi