I2及计算
在revman中，I2可用于衡量多个研究结果 间异质程度大小的指标。这个指标用于描述 由各个研究所致的，而非抽样误差所引起的 变异（异质性）占总变异的百分比．
I2及计算

I2：异质性的定量分析
Q-df I= Q
2


Q is the chi-squared statistic df is the degrees of freedom I2值从0%至100%，0%时无异质性，I2值越大， 异质性越大； I2描述了去除抽样误差（机遇）后的异质性。
Meta-分析与系统评价



在系统评价中，当数据资料适合Meta-分析时，用 Meta-分析可以克服传统文献综述的两大难题，其 分析结果的可靠性更高 当数据资料不适合于作Meta-分析时，系统评价只 能解决文献评价的问题，不能解决样本含量的问题， 因此，对其分析结论应慎重 没有按系统评价标准操作规范实施，或未经严格文 献评价的研究，即使用了Meta-分析也不一定是系 统评价的研究，更难说是高质量的研究
异质性检验方法

目前，多用下面公式计算：
Q Wi (d i d )2 Wi d i
2
( Wi d i )2
W
i

Wi为每个研究的权重，第i各研究的权重Wi按下式计算：
1 Wi Var ( d i )

该检验统计量Q幅从自由度为K-1的卡方（x2）分布，因此， 当计算得到Q后，需由卡方分析获取概率，故又将此检验叫 做卡方检验（Chisquare test，Chi2）
Meta-分析的统计分析过程

Meta-分析计算的主要步骤



计算每个研究的效应量和方差 计算每个研究效应量的权重 计算合并效应量 异质性检验 合并效应量的可信区间 合并效应量的检验
单个研究的统计量

根据资料类型选择单个研究的统计量

分类变量可选择的统计量

比值比，OR（odds ratio） 相对危险度，RR（relative risk） 率差，RD（rate difference） 加权均数差WMD 标准化均数差SMD
由上述原因引起的异质性，可使用亚组分析 (subgroup analysis）,Breslow-Day法和回归近似法 根据Cochrane系统评价要求，在系统评价的计划书中 尽可能地对一些重要的亚组间差异进行叙述，也就是 说对重要的亚组分析，应在计划书中加以说明 此外，在同一个系统评价中，不提倡使用太多的亚组 分析

固定效应模型：指标RR、OR
1. 2.
3.
Standard odds ratio法 Mantel-Haenzel法 Peto法

随机效应模型：指标RR、OR 如：Dersimonian&Laird（D-L）法
数值变量（continuous）

固定效应模型
1. 2.
WMD，加权均数差法 SMD，标准化数差法
合并统计量的两种模型

固定效应模型（fixed effect model）：若多 个研究具有同质性时，可使用固定效应模型
随机效应模型（random effect model）：若 多个研究不具有同质性时，先对异质原因进 行处理，若异质性分析与处理后仍无法解决 异质性时，可使用随机效应模型

分类变量（category dichotomous）

Meta-分析实例一
七个阿斯匹林预防心肌梗死的研究资料（取自Fleiss JL）
阿司匹林 死亡数 K个研 究 1 ai 49 未死亡数 bi 566 死亡数 ci 67 . 未死亡数 di 557 合计 Ni 1239 RR 0.720 95%CI 下限 0.489 上限 1.059
2
3 4 5
高氟区
K个研究 1 2 3 4 5 6 7 N1 26 55 46 45 45 52 46 X1 2.26 2.39 2.50 2.64 2.81 2.95 3.15 S1 0.32 0.31 0.30 0.26 0.35 0.46 0.39 N2 42 40 50 50 45 55 42
适氟区
X2 2.33 2.49 2.67 2.90 2.93 3.27 3.48 S2 0.33 0.32 0.35 0.45 0.36 0.37 0.48 P值 >0.05 >0.05 <0.05 <0.05 >0.05 <0.05 <0.05
计算合并的效应值

固定效应模型的合并效应值 ： （各研究的效应值相等）
其方差为：
W d d W
i i
i
1 Sd Wi
2
计算合并的效应值
随机效应模型的合并效应值 ： （各研究的效应值不等） DerSimonian and Laird方法

d DL
Wi * d i Wi *


多个试验效应的合并



将多个独立研究的结果合并成某个单一的效 应量或效应尺度，即用某个指标的合并统计 量，以反映多个独立研究的综合效应 当多个独立研究的例数不等时，他们的综合 效应不等于多个单独效应的平均数，如三个 均数的总均数不等于这三个均属之和除以3 所以，怎样合理的对多个独立研究效应合并， 是Meta-分析统计过程的主要问题
44
102 32 85
714
730 285 725
64
126 38 52
707
724 271 354
1529
1682 626 1216
0.681
0.803 0.801 0.798
0.457
0.606 0.486 0.553
1.013
1.063 1.319 1.153
6
7 合计
246
1570 2128
难以用SD单位解释结果 但是可以转化回不同的量度 对于重要的临床改变不清楚 建议使用0.5SD, 以及0.25 SD 具有严格的高质量标准的研究效应量要增加 “自然变异”的估计不总是可用SD比较
研究结果的效应值、方差和权重
对各研究结果的效应值进行齐性检验
H0：各研究的效应值相等。 H1：各研究的效应值不相等。 由于齐性检验的检验效能较低所以通 常将检验水准定为=0.10。 计算统计量Q
Q Wi (di d )
2
Q=29.694, df =15, p= 0.013。 Q服从自由度为M－1的2 分布。
Meta-分析的定义
Meta-Analysisis a statistical technique for assembling the results of several studies in a review into a single numerical estimate Meta-分析是文献评价中，将若干个研究结 果合并成一个单独的数字估计的统计学方法。 《The Cochrane Library》第3页的定义


Meta-分析的定义


Meta-Analysis is a systematic review that uses quantitative methods to summarize the results Meta-分析是运用定量方法去概括（总结） 多个研究结果的系统评价 《Evidence-Based Medicine》---David Sackett等，第247页的定义
Meta-分析的统计过程
赵亚双 哈尔滨医科大学流行病学教研室 2006年11月30日
概述

60年代开始，在医学文献中，陆续出现了对多个独 立研究的统计量进行合并的报道
76年，G.V.Glass首先将合并统计量对文献进行综 合分析研究的这类方法称为“Meta-Analysis” 80年代末该方法传入我国，中文译名有荟萃分析， 二次分析，汇总分析，集成分析等，但无论何种中 文译名都有不足之处，因此，很多学者建议仍然使 用“Meta-分析”这一名称
其方差为：
Sd
2
DL
1 Wi *
Wi* 的计算方法 DerSimonian and Laird方法中权重 1 * Wi 2 Sd D
其中为固定效应模型时效应值的方差，D为随机 效应部分的方差。
Q (k 1) D max Wi 2 W i W i , 0
多个研究质量不相同 各个研究的样本含量的大小不相等

因此，传统文献综述的方法很难保证研究结 果的真实性、可靠性和科学性，尤其当多个 研究结果不一致时，容易让人产生困惑和误 解
Meta-分析的统计目的



增加统计功效 由于单个临床试验往往样本较小，难 以明确肯定某种效应，而这些效应对临床 医生来说又可能是重要的。 解决各研究结果的不一致性。 寻求新的假说
传统文献综述的特点


在医学研究中，传统的文献综述在处理同一 问题的多个结果报道时，通常是平等（等权 重方法）对待每个研究结果而得出结论。 这种文献综述一般不进行文献评价，也不考 虑文献的质量，主要是以某类结果文献数量 的多少得出结论
传统文献综述的主要问题

传统文献评价的结果必然存在两个问题

8
9 10 11 合计
45
45 42 44 491
3.47
3.63 3.81 3.99
0.46
0.38 0.41 0.56
51
45 45 25 490
3.73
3.81 4.16 4.18
0.54
0.40 0.42 0.41
<0.05
<0.05 <0.05 >0.05