revman5.3软件操作最新.ppt

* * * * * * * * * * * * * * * * * * * * * 漏斗图 打开漏斗图 漏斗图可用来识别发表偏移和其他偏移 优点是直观 缺点是主观，不同的人判读结果不同 绘制漏斗图至少需要纳入10项研究。若小于10项，研究数太少，检验效能不足，难以评定漏斗图的对称性 各个点代表纳入的各个研究 中间的竖线是合并后的OR值 理想状态下各个研究应平均地分布于竖线的左右两侧 纵轴是标准误，进一步理解就是样本量 样本量越大，分布越向上 样本量越小，分布越向小 理想的漏斗图如左图所示： 大样本研究集中地分布于图形上方 小样本研究分散地分布于图形下方 形似漏斗，所以叫做漏斗图 如果存在发表偏移，如一些阴性结果未能发表，漏斗图就会出现缺角，如左图的右下角 漏斗图与异质性: 漏斗图常用于发表偏移的识别，然而，引起漏斗图不对称的原因很多，发表偏移也是其中之一 漏斗图可大致了解各研究间是否存在异质性 这两条斜线是漏斗图的95%可信区间 理想情况下，漏斗图中应有95%的点落在这个区间内，提示可能不存在异质性，如果有更多的点落在外面，则提示可能存在异质性 点击 将图 片另存为 第六部分 异质性和敏感性分析 异质性 理想状态下，一个Meta分析应该相当于一个大型的多中心研究，纳入的各项研究应该是同质的 研究内的变异是相似的，各项研究应该是指向同一个结果的 然后，由于研究人员、对象、地点、条件、种族等的不同，研究间的异质性是“绝对”存在的 异质性的评价方法 数值法 Q统计量 H统计量 I2统计量 图示法 Galbraith图 L’Abbe图 森林图 漏斗图 Revman中可以实现的有 Q统计量、I2统计量、森林图、漏斗图 森林图和漏斗图法，前面已经说过了，这两种方法虽然直观但不客观，下面来看Q统计量及I2统计量 异质性检验的结果在这里 Revman提供两种异质性检验的方法1. Q值检验2. I2检验 Q值检验 I2检验 对于Q值统计量检验，主要看P值1. P值>0.1,无异质性2. P值<0.1,有异质性 卡方值 自由度=研究数-1 P值 I2检验 I2取值范围为0%至100%对于I2统计量检验，判定异质性的方法主要有两种： 第二种：（来自Cochrane手册） 只要I2不大于50%异质性都可以接受 第一种： 无异质性 I2≥0% 轻度异质性I2≥25% 中度异质性I2≥50%重度异质性I2≥75% I2值 异质性的处理方法 1.检查纳入研究的原始数据是否正确，检查提取数据的方法是否正确 2.若异质性来源于种族、剂量或疗程等可采用亚组分析或者Meta回归 3.敏感性分析，了解异质性来源 就像寻找过敏原一样，敏感性分析就是找到哪一个因素，哪一个研究对异质性的影响最大 4.仍然无法解释产生异质性原因，可以采用随机效应模型进行合并 5.放弃Meta分析误导的结果比没有结果更糟 研究间的异质性无法得到合理的解释 研究的合并结果没有临床意义 没有足够的、真实的相关研究结果 敏感性分析 敏感性分析是为了了解meta分析的稳定性，虽然敏感性分析不是一种统计学方法，但有几种方法可以进行敏感性分析，进而分析Meta分析的稳定性，包括： 剪补法 失安全系数法 去除单项研究法 选择模型分析法 Revman均不能实现 针对发表偏移和小样本研究效应 查看异质性来源时，若删除某一研究，异质性明显降低，则认为此研究为异质性的主要来源，应对此研究进行进一步的阅读和评价 如果发现某一研究是异质性的来源，应仔细评估，不能随意去除 去除也要有充分的理由，应在讨论里说明 发现每个研究前面的小对号 了吗？ 取消一个对号，那么这个研究就在合并的数据里删除了 森林图里对应的图形也消失了 单项研究对合并效应量的影响 每次将某一研究删除，分别进行新的Meta分析，查看效应量有无变化，若删除后结果与之前合并结果不一致，则认为此研究对总效应量影响大 不管最后是否删除此研究，都需要在讨论里将此研究和重新评估后的结果着重写一下 谢 谢 选择二分类变量，然后Next 为这个研究取一个名字 全部选择默认，然后Next 全部默认，然后Next 选择默认，Next 点Nothing,然后Finish 这个名为“Subgroup”的新的Outcome就建好了 点右键，出现”Add Subgroup”,添加亚组 取一个名字“亚裔” 选择添加一个新的亚组，Continue 起另一个名字，叫“高加索裔”，然后Finish 这个亚组就建好了，点击“Subgroup“ 点击“Asian”,然后点击右上键的 添