计量经济圈社群交流访问.之前，我们进一步引荐Meta分析

稿件：econometrics666@126.com

所有计量经济学方法论的代码程序、宏观和微观数据库以及各种软件都放在社区中。 欢迎计量经济学界交流、访问。

之前我们推荐的是“”。 今天，在此基础上，我们进一步推荐荟萃分析（meta-analysis）相关内容，重点介绍使用R和Stata软件操作荟萃分析的步骤和技巧。

Meta分析，又称“荟萃分析”，Meta指的是后来出现的一种比较全面的东西，通常用来命名一项回顾原有学科的新的相关研究，不仅包括数据的组合，还包括结果。 流行病学探索和评估，原始研究的结果取代个体作为分析实体。 荟萃分析的主要理由是，许多观察组太小，无法单独进行多项研究以得出任何明确的意见。

荟萃分析概念

荟萃分析的概念最早由Light和Smith于1971年提出。当时，针对同一研究在大量发表的科学论文中产生完全不同结果的问题，他们提出小样本的结果应该在世界范围内收集针对某种疾病的各种治疗方法的单一临床试验。 它进行系统回顾和统计分析，及时向社会和临床医生提供尽可能真实的科学结论，以促进推广真正有效的治疗方法，摒弃没有依据的无效甚至有害的方法。

1976年，Glass首次将这一概念命名为Meta分析，并将其定义为一种收集、组合和统计分析不同研究结果的方法。 这种方法逐渐发展成为一门新兴学科——“循证医学”的主要内容和研究方法。 Meta分析的主要目的是更客观地综合反映前人的研究结果。 研究者并不进行原创性研究，而是对研究所得结果进行综合分析。

Meta分析分类

通常概念下的文献综述是对相关文献的内容或结果进行罗列、简要描述和初步讨论，而荟萃分析则是完全不同的层面。 荟萃分析根据其所依据的依据或数据来源可分为三类：基于文献的荟萃分析（MAL）； 综合或组合数据荟萃分析（Meta-analysis based on summary data，MAS）； 独立研究原始数据荟萃分析（基于个体患者数据的荟萃分析、MAP或IPD荟萃分析）。 它们之间的区别在于：MAL的文献检索仅限于已发表的研究，然后将这些研究的结果结合起来进行分析； MAS不仅获得相关发表的文献，还获得作者进行的相关统计数据的汇总； IPD荟萃分析除了检索所有相关已发表的文献外，还寻找各个科学团体中存在的未发表的相关研究，这在MAS的基础上又进了一步。 所有的临床试验，无论是否发表，都必须能够从研究者那里获得个体患者和各个效果指标的原始数据。 这对于肿瘤病因学分析或疗效研究很重要。 因为在大多数关于癌症患者预后的III期临床试验中，主要研究指标大多是生存时间或生存率，或者疾病无进展时间等。大多数情况下，从不同出版物获得的信息不足以进行一项全面的研究。 分析真实事件（例如肿瘤死亡）的整个时间过程。 这使得 MAL 和 MAS 很难以已发表的文献为基础。 同时，考虑到统计上显着的阳性结果比阴性结果更容易发表，可能会造成偏差，MAL和MAS都存在一定的缺点。 相对而言，IPD荟萃分析不存在上述缺点或者受相关偏差的影响较小。 因此，在肿瘤生存或疗效研究领域，当需要这方面的分析时，IPD荟萃分析是唯一推荐的分析方法，尽管它比其他两种方法需要更长的时间，以及人力和物力。

分析优缺点

荟萃分析的优点和缺点

Meta分析的应用避免了单一小样本临床试验的局限性，使分析结果更加全面可靠，从而为医疗决策提供良好的依据。 然而，许多人为因素可能会影响分析结果。 如试验的选择、研究终点的确定、试验同质性的认定等。为了克服这些缺点，应严格遵循荟萃分析的相关规定，并逐步形成相对固定的标准，例如使用生存指标作为规定研究效果指标。 同时，我们必须认识到荟萃分析并不是包治百病的灵丹妙药。 它不能取代大型个体临床随机试验，也不应以此为借口进行一些规模较小、说服力较差、意义不大的临床试验。 它与大规模随机临床试验应该相辅相成、取长补短。 我们不应该仅仅将荟萃分析视为一种统计分析工具，而应该将其与临床观察或对数据的严格审查结合起来，帮助我们评估一些临床试验的质量，研究不同试验之间疗效的差异。 差异和原因，并为进一步研究提供方向和证据。

荟萃分析的未来

近20年来Meta分析发展迅速，每年发表的此类文章数量已从1980年代的几十篇增加到2000年的近500篇。甚至有人认为IPD Meta分析应该系统地进行和更新经常。 世界 Cochrane 合作网络正在付出巨大的努力来注册世界各地的所有随机临床试验，然后进行相应的荟萃分析。 同时，随着信息技术的发展和大型临床试验数据库的不断完善，也出现了从回顾性荟萃分析转向前瞻性荟萃分析的趋势，因为后者可以更好地避免发表偏倚并获得分析结果。结果更早。 以及医疗决策的依据。 我相信这应该会更好地促进meta分析的进一步发展。 荟萃分析 - Ganzaro 治疗非小细胞肺癌的荟萃分析示例。 在刚刚结束的第十届世界肺癌大会（加拿大，2003年）上，Le Chevalier T教授及其同事向大会报告了Ganzaro治疗非小细胞肺癌的进展报告。 1期非小细胞肺癌（NSCLC）生存数据的荟萃分析结果引起了与会者的极大兴趣。

本次荟萃分析的目的很明确：比较 Gemzar 联合其他药物治疗晚期非小细胞肺癌与其他化疗方案的疗效，看看 Gemzar/铂是否能略微提高其他化疗方案的疗效以铂类为基础的治疗方案。 患者的总生存率和TTP，因此观察指标包括总生存率和无进展生存率。 对2002年12月之前发表的所有相关文献进行了全面回顾，并检索了主要肿瘤学数据库、注册临床试验数据库、会议摘要和已发表的综述。 每个独立研究的设计特征都被定义为面对面的。 （头对头）随机临床试验，每项试验都旨在比较 Genza 加铂类药物与其他铂类治疗方案的疗效。 研究人员检索了 15 项临床试验，其中 2 项试验被排除在本次荟萃分析之外，因为 1 项试验的生存数据报告不充分，1 项试验的患者随机化较差。 其余13项试验中，7项试验的数据由研究者提供，只有11项试验同时报告了无进展生存率和总生存率。 研究人员的主要分析是所有基于铂类的比较方案，总计 13 项试验和大约 4,500 名患者。 试验规模从 76 名患者到超过 1,100 名患者不等。 分析分为 2 个亚组。 第一组包括所有第一代或第二代铂类治疗方案，包括长春花碱、异环磷酰胺和依托泊苷。 和米托蒽醌。 第二组是第三代药物加铂类药物。 分析指标为风险率、总生存率、不良生存率、疾病无进展生存率。 危险率直接取自研究人员在 7 项试验中的报告，或根据 6 项试验中已发表的生存数据推断。 如果未报告，则使用 Parmar 等人发布的方法根据 Kaplan-Meier 生存曲线估计生存率。 1998。还分别使用线性回归和随机效应模型测试了每组数据是否存在明显的发表偏倚和异质性。

估计的1年疾病无进展生存差异（绝对获益）为4.2%，汇总风险比（HR）为0.87，具有统计学意义（P置信区间为0.84-0.96，具有统计学意义（P Difference ，这是唯一一个不利于根智的数据。

研究人员还报告了敏感性分析的结果，表明受益方向是一致的。 其潜在的缺点或不足包括以下几个方面：一是分析基于汇总数据； 其次，由于试验对照组数量较多，无法将单一药物与 Ganzal 进行比较； 第三，因为没有独立的试验数据。 数据不能按性别和行为状态等预后因素进行分层分析。

总之，这项荟萃分析的结果表明，总体而言，结合 Genzo/铂类药物和其他铂类药物治疗方案，患者可以获得轻微但具有统计学意义的改善（总生存期和无疾病进展生存期），但不能单独使用。 药物进行比较。 结果还表明，GENZEL方案比传统方案更有效，至少与其他第三代药物一样有效。 研究人员最后提醒大家，治疗决策必须基于疗效，还必须考虑到这里尚未讨论或研究的其他临床预后因素的作用。

分析步骤

策划阶段

首先确定研究主题，然后明确计划的目的、试验的纳入和排除标准、拟定的分析指标以及所采用的统计方法。 荟萃分析最好只研究一个主要问题，但研究的主要目的明确后，也可以同时研究其他次要问题。

查找并选择临床试验

理想情况下，与研究主题相关的所有文献都应包含在荟萃分析中，无论其是否已发表。 必须考虑出版、语言和引用偏见。 一般来说，具有统计显着性的实验更有可能被某些期刊发表。 这些论文发表周期较短，点击指数最高。 它们通常以英文发表，比没有显示统计显着性的试验获得更多的参考文献和引用。 仅仅使用计算机来搜索是不够的，尽管它更方便。 因为即使像MEDLINE或EMBASE这样的大型数据库也只包含各种杂志上发表的文献，而且分别是1966年和1974年之后发表的文献。 文献的全面性还必须通过手动检索一些会议材料或直接与研究人员和制药公司进行个人接触来保证。

测试质量

确保每次试验的质量至关重要，因为它会影响整体荟萃分析的质量。 随机化不充分、随机化后排除患者、治疗组之间未能平行随访以及对研究终点的主观评估可能会使试验结果产生偏差。 因此，个别研究的质量各不相同。 进行荟萃分析时，不应平等对待每项研究的结果，而应根据每项独立研究的质量区别对待。 例如，对单个随机对照临床试验的质量进行评分，将评分纳入荟萃分析的纳入标准，或者在组合测试时将其用作权重。

描述实验

在对每个试验的结果进行荟萃分析之前，必须记录和描述每个试验。 这包括试验设计的评估、治疗组之间的比较特征、患者群体特征、试验质量的评估以及试验结果的定量总结。 这一过程使研究人员能够识别类似的试验并将其组合起来，了解入组患者的类型并评估数据的可靠性。 还应描述从荟萃分析中排除的试验以及排除的原因。

分析

在荟萃分析中，同质性检验是检查各项试验结果是否一致的重要步骤。 一般来说，仅仅由于抽样误差而导致试验之间结果的差异不会影响荟萃分析结果的可靠性。 但如果发现不一致的原因是由于某些特殊因素，例如某项研究中失访病例过多，则该试验的结果不应纳入荟萃分析。 常用的均匀性检验方法主要有χ2或Q检验。

对数据结果的总结和组合分析是荟萃分析的本质，有许多统计方法应用于此。 如随机效应模型、Cochrane法、Glass法和Fisher-Z变换法等。在肿瘤生存或疗效研究领域，大多数分析涉及生存率或死亡风险比（Hazard Ratio，HR）的分析指标。 通常，对每个选定试验的数据进行统计计算，以获得三个主要值：O = 实验组中观察到的事件数； E = 假设实验组和对照组中发生事件的概率相同，则预期实验组中发生的事件数； Var(OE)=(OE)的方差用于衡量试验中治疗差异估计的准确性。 单次试验风险比的计算公式为：HR=Exp[(OE)/Var(OE)]。 多次试验总风险比的计算为：HRc=Exp[Σ(OE)/ΣVar(OE)]。 风险比的95%置信区间可以通过以下公式计算：上限=Exp[(OE)/Var(OE)+1.96/Var(OE)1/2]； 下限 = Exp[(OE)/Var(OE) -1.96/Var(OE)11/2]。 分析后的数据最终可以使用森林图直观地显示出来。

两个治疗组之间的绝对生存率或无病生存率差异是疗效研究中的主要分析指标。 通过使用一定的统计方法，还可以得到某一时间点（如5年）生存率的综合估计，以及当时生存率的估计值。 单击两组之间生存率差异的综合估计。 具体公式请参考相关文献。

使用R软件进行荟萃分析的程序：

使用 Stata 软件进行荟萃分析操作的详细指南

长按上面二维码观看Meta分析视频教程

资料来源：计量经济社区、百科资讯、B站等。

下面的短链接文章属于合集，可以收藏阅读，不然以后就找不到了。

2.5年间，计量经济学圈内有近千篇不关注计量经济学的文章。

您可以直接在公众号的菜单栏中搜索任何与测量相关的问题。

计量经济学圈

数据系列：|||||||| 内部数据

测量系列：|||||||||||||

数据处理：|||||

干货系列：||||||||||

计量经济学界组织了具有以下特点的计量经济学社群：最热情的互助、最前沿的趋势、最多的社科资料、最多的社科数据、最优秀的科研人员、最知名的海外大学。 因此，建议积极进取、有强烈学习热情的中青年学者到社会上去交流和探讨，始终坚信卓越是通过卓越相互感染而实现的。

标签： 试验 荟萃 临床 文献 生存