网状Meta分析图形结果解读
Meta分析的结果解释ppt课件
. metatrim logrr _selogES, funnel
34
35
. metacum td tnd cd cnd, sortby(cenid)
36
Meta分析的其它图形
37
星状图（Radial Plot）
38
加尔布雷图（Galbraith Plot）
39
拉贝图（L’Abbe Plot）
• 它是文献的量化综述，是以同一课题的多项独立 研究的结果为研究对象，在严格设计的基础上， 运用适当的统计学方法对多个研究结果进行系统 、客观、定量的综合分析。
11
Meta分析的步骤
• 提出问题，确定研究目的 • 检索相关文献 • 选择文献并进行严格评价 • 收集数据 • 对每个研究的特点等情况进行汇总描述 • 确定综合分析效应值的种类及统计分析计划 • 描述纳入研究的结果及其特征 • 异质性检验（heterogeneity test） • 计算合并效应量 • 敏感性分析
D max
Q (k Wi
1) Wi 2 Wi
, 0
17
进行Meta分析的软件
18
商业专用软件
• COMPREHENSIVE META ANALYSIS • MetaWin • EasyEA 2001
19
免费专用软件
• RevMan (Review Manager) • Meta-Stat • Epi Meta
20
含Meta分析模块的通用商业统计软件
• stata • SAS • WinBUGS • NCSS
21
含Meta分析模块的通用免费统计软件
•R
22
Meta分析的结果解释
•Cochrane collaboration
•Archie Cochrane •(1909-1988)
•/
•Cochrane系统评价的基本方法
• 确立题目、制订系统综述的计划书 • 检索文献 • 选择文献
• 评价文献质量 • 收集数据
• 分析资料和报告结果 • 解释系统评价的结果（讨论和结论）
• 它是文献的量化综述，是以同一课题的多项独立 研究的结果为研究对象，在严格设计的基础上， 运用适当的统计学方法对多个研究结果进行系统 、客观、定量的综合分析。
Meta分析的步骤
• 提出问题，确定研究目的 • 检索相关文献 • 选择文献并进行严格评价 • 收集数据 • 对每个研究的特点等情况进行汇总描述 • 确定综合分析效应值的种类及统计分析计划 • 描述纳入研究的结果及其特征 • 异质性检验（heterogeneity test） • 计算合并效应量 • 敏感性分析
• 更新系统评价
•系统评价
•CDSR
•Meta分析
•综述
Meta分析的定义
• 是指用统计学方法对收集的多个研究资料进行分 析和概括，以提供量化的平均效果来回答研究的 问题。
• 优点是通过增大样本含量来增加结论的可信度， 解决研究结果的不一致性 meta分析是对同一课题 的多项独立研究的结果进行系统的、定量的综合 性分析。
Meta分析的对象Байду номын сангаас—效应量
• 定性资料
–OR –RR –RD
• 定量资料
–加权均数差（WMD） –标准化均数差（SMD）
计算各研究的效应量、方差和 权重
d XE XC
S
2 d
S 2
1 NE
频率学视角下的网状meta分析及其结果解读
频率学视角下的网状meta分析及其结果解读自meta分析问世以来，每年发表的文献不断增多，显示出一幅欣欣向荣的景。
不用做实验，收集文献，一台电脑，一个数据库即可，省力又省钱，说是临床神技不为过。
然而，随着写的人越来越多，普通的meta分析越来越难找到主题，投稿越发的困难。
目前，较火的meta分析要算是网状meta了。
相对于普通meta，网状meta的优势显而易见。
目前，网状meta又可以分为基于贝叶斯理论和频率学理论两大派。
贝叶斯的网络meta分析可用winbugs实现，可惜，单独的winbugs并无作图功能，无法给出森林图等图形化结果，目前普遍的方法是结合R软件或stata软件，读取winbugs计算结果进行作图。
其次，单独使用R软件也能实现贝叶斯的网状meta分析，缺陷在于只能实现一致性模型，假如结果存在不一致的情况，仍然要借用winbugs计算。
Winbugs的缺陷除了不能作图，还存在编程困难的问题，对于医学专业学生来说，编程是一项极为复杂的事，虽然能找到基本代码进行修改，但是如何修改，如何软件的互相调用，也是一大难题，稍有不慎，代码出错极难解决。
网状meta的另一个方法是基于频率学派的，此方法只要stata就能完全操作，包括结果的可视化，均可实现。
本文就stata频率学网状meta 2984891249分析结果进行一一解读。
1.1绘制网状结构图结果网状结构图如图1 所示。
由图可见药物D（结点D）的圆圈面积最大，D-C、A-D、A-B 之间的边较宽，表明在纳入NMA 的研究中，药物D、D-C、A-D、A-B之间比较的研究出现频率最多。
（注：此处值展示了普通的网络图，其实，我们可以根据命令，设置不同研究是否盲法、随机、隐藏等质量评价的内容，是图片更加丰富多彩，此处不再展示）1.2贡献图网状meta分析中的不同的直接比较对网状meta分析的结果的影响不同，因此有时候需要评估不同直接比较对网状meta 分析结果的影响，并找出影响网状meta分析合并结果最多的直接比较。
流行病学和询证医学：网状Meta分析
21
网状Meta分析实例
• 网状meta分析比较4 种不同机制的一线抗抑郁药 治疗抑郁症的临床疗效
阿米替林 艾司西酞普兰 米氮平 文拉法辛 治疗中国抑郁症患者的临床疗效 主要结局指标为有效例数( 或有效率) ，结局指标评价采用汉密尔顿 抑郁量表与基线相比 HAMD 减分率≥50%为有效
2016，中国药物评价，刘强等
4
间接比较
虽然有直接比较研究证据，但这些研究数量较少或质量较低 时也可以用间接比较证据进行补充
在面对一个具体临床问题时，临床医生或决策者通常需要在 众多的干预措施中选择对具体患者最安全有效的措施，此时 传统Meta分析就显得无能为力，需要多种干预措施比较， 多种干预措施比较既可以同时比较多种干预措施，也可以合 并直接比较和间接比较证据
13
（一）证据图 证据是循证医学的核心，基于随机对照试验（RCT）的系
统评价/Meta分析是当前公认的最高级别证据。证据图主要通 过networkplot命令实现，从图中我们可以看出纳入研究的臂 数，构成的闭合环个数，每种干预措施的样本量。 证据中最重要的：样本量和纳入文献质量
14
15
（二）贡献图 通过netweight命令，从图中可以看出每个直接比较对整
网状Meta分析和普通Meta分析的区别在于： 普通Meta分析着重比较两个组，而网状Meta分析 着重强调在同一条件下比较多种干预措施。所以也叫 MTM(Multiple-Treatments Meta-Analysis)
Meta分析系列之六_间接比较及网状分析
Meta分析系列之六_间接比较及网状分析引言：Meta分析是一种系统性的研究方法，通过统计学的手段综合分析多个独立研究的结果，从而提高研究的可靠性和准确性。
在前五篇文章中，我们介绍了Meta分析的基本概念、数据来源与选取、效应量和效应大小的计算、异质性的检验以及漏斗图的画法。
在第六篇文章中，我们将聚焦于两个与Meta分析密切相关的主题，即间接比较和网状分析。
一、间接比较间接比较是指通过已有的直接比较数据，来推断不同干预措施之间相对效果的方法。
由于在某些情况下难以进行直接比较研究，间接比较成为了一种较常用的方法。
它通过另外一种介入手段的直接比较结果，间接推算出所研究之干预手段之间的相对效果。
间接比较的步骤如下：1. 确定研究目标：明确需要进行间接比较的干预措施以及研究的问题。
2. 查找已有的研究：寻找已有的直接比较研究，确保它们涵盖所需的干预措施。
3. 提取数据：从直接比较研究中提取必要的数据，包括特征、方法以及结果。
4. 分析数据：进行间接比较的统计分析，比如间接比比较法或贝叶斯网状分析等。
5. 解释结果：根据统计分析的结果，解释干预措施之间的相对效果。
二、网状分析网状分析是一种多个治疗措施之间的间接比较的统计方法。
它可以处理不完全的直接比较和缺失数据，通过整合所有可用的数据，推断不同治疗措施之间的相对效果。
网状分析的基本步骤如下：1. 收集数据：搜索已有的研究，提取需要的数据。
2. 形成网络：构建一个治疗措施之间相互连接的网络，每个节点代表一个治疗措施，边表示直接比较结果。
3. 估计效应量：利用直接比较的结果，估计每个节点的效应量。
4. 确定模型：通过选择合适的统计模型，对效应量进行汇总和推断。
5. 进行网络分析：进行网络分析来推断不同治疗措施之间的相对效果。
6. 敏感性分析：对模型进行敏感性分析，检验模型结果的稳健性。
三、间接比较与网状分析的优势与分析1. 扩大研究范围：间接比较和网状分析可以结合多个研究，从而扩大研究范围，提升研究的普适性和外部有效性。
Meta分析系列之六_间接比较及网状分析
Meta分析系列之六_间接比较及网状分析间接比较是指在Meta分析中，通过对不同探究之间的间接比较，得到不同探究的比较结果。
在实际探究中，可能会遇到无法直接比较的探究，这时候可以使用间接比较方法。
间接比较可以援助我们更全面地评估不同探究之间的差异，并提供更准确的结论。
间接比较的方法可以分为两种：直接比较和转化比较。
直接比较是指通过直接比较两个不同探究的共同比较组，来比较不同探究的效果差异。
转化比较则是通过将不同探究的结果转化为共同的效果器量，然后进行比较。
在进行间接比较时，需要注意探究的异质性，即不同探究之间的差异是否可接受。
在Meta分析中，我们通常使用Cochrane Q统计量和I2统计量来评估探究的异质性。
若果探究之间的异质性较大，那么进行间接比较的结果可能不太可靠。
此外，还需要思量观察数据的一致性，即不同探究是否使用相同的测量方法和标准。
若果不同探究之间的观察数据存在较大差异，那么进行间接比较的结果可能会存在偏差。
在进行间接比较时，还需要思量是否存在统计偏倚。
统计偏倚是指预估值的不精确性和不准确性，它可能会对间接比较的结果产生影响。
在Meta分析中，我们通常使用漏斗图来检验统计偏倚的存在。
若果漏斗图呈现明显的偏倚外形，那么进行间接比较的结果可能会受到统计偏倚的影响。
此外，在进行间接比较时，还需要注意探究的可比性。
即不同探究是否存在重要的差异，这些差异可能会影响对探究结果的比较。
若果不同探究之间存在重要的差异，那么进行间接比较的结果可能不太可靠。
网状分析是一种用来得到不同探究之间的数据的分析方法。
它可以通过得到原始探究中的不完整数据，从而得到更全面的结论。
网状分析的方法主要有两种：直接得到和间接得到。
直接得到是指通过从原始探究中获得数据，然后进行分析。
直接得到的优点是可以获得更准确的数据，但它需要更多的时间和精力。
另一种方法是间接得到，即利用已有的分析结果来进行进一步的分析。
间接得到的优点是可以节约时间和精力，但它可能会受到原始数据质量和可靠性的限制。
网状Meta分析图形结果解读
• 103 •© 2015 中国循证医学杂志编辑部C JEBM网状Meta分析图形结果解读易跃雄，张蔚*，刘小媛，张娟，朱定军，吕琼莹武汉大学人民医院妇I 科（武汉 430060）摘要 网状Meta 分析的发展促使多种干预措施的对比得以实现，目前已有众多研究报道了其实施过程，但当前国内研究对其结果解释则鲜有提及。
本文对网状Meta 分析中的轨迹图、密度图、Brooks-Gelman-Rubin 诊断图、排序概率表与排序概率图、累积排序概率图与累积排序概率图下面积、网状图进行解读，以期为网状Meta 分析的研究提供参考和帮助。
关键词 网状Meta 分析；图形结果；解读Result Interpretation of Network Meta-analysisYI Yue-xiong, ZHANG Wei *, LIU Xiao-yuan, ZHANG Juan, ZHU Ding-jun, LV Qiong-yingFirst Department of Gynecology, Renmin Hospital of Wuhan University, Wuhan 430060, ChinaAbstract Comparison among multiple interventions has been realized due to the development of network meta-analysis and so far many studies have reported its implementation process. However, its results are rarely interpreted in domestic studies at present. This article interprets the results of trace plots, density plots, Brooks-Gelman-Rubin diagnosis plots, rankogram, surface under the cumulative ranking, and network plots, to provide references and assistance for further research regarding network meta-analysis.Key words Network meta-analysis; Graphic result; InterpretationDOI: 10.7507/1672-2531.20140263作者简介：易跃雄，男（1984年～），硕士，医师，以妇科肿瘤为主要研究方向。
Network Meta分析 ppt课件
➢ A&B，A&C，A&D，B&C，A&B&D，…….
困惑：具体到患者，哪个措施好
ppt课件
4
一、背景
经典的Meta分析都是收集头对头（head-to-head） 的两种处理的相关研究，结果给出A与B何者较 优的结论
ppt课件
13
方法学概述—间接比较 ITC
Bucher法：基本思路
ppt课件
14
方法学概述—间接比较 ITC
Bucher法：一致性检验
ppt课件
A B
C
15
方法学概述—间接比较 ITC
Bucher法：loop-specific approach
– 以环（loop）为基础的局部检验方法 – The “REST” method（Dias, 2010） – The node-splitting method
三、常用分析软件：WinBUGS
/social-community-medicine/projects/mpes/mtc/
ppt课件
23
三、常用分析软件：R
/
ppt课件
24
三、常用分析软件：STATA
http://www.mtm.uoi.gr/
ppt课件
16
方法学概述—间接比较 ITC
不一致性原因
参考：廖炜圻，陈平雁，2011，多处理因素Meta分析与间接 比较的模拟研究
ppt课件
17
方法学概述—混合治疗比较 MTC
Extension of meta-analysis to permit the simultaneous analysis of any number of interventions
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 103 •© 2015 中国循证医学杂志编辑部C JEBM网状Meta分析图形结果解读易跃雄，张蔚*，刘小媛，张娟，朱定军，吕琼莹武汉大学人民医院妇I 科（武汉 430060）摘要 网状Meta 分析的发展促使多种干预措施的对比得以实现，目前已有众多研究报道了其实施过程，但当前国内研究对其结果解释则鲜有提及。
本文对网状Meta 分析中的轨迹图、密度图、Brooks-Gelman-Rubin 诊断图、排序概率表与排序概率图、累积排序概率图与累积排序概率图下面积、网状图进行解读，以期为网状Meta 分析的研究提供参考和帮助。
关键词 网状Meta 分析；图形结果；解读Result Interpretation of Network Meta-analysisYI Yue-xiong, ZHANG Wei *, LIU Xiao-yuan, ZHANG Juan, ZHU Ding-jun, LV Qiong-yingFirst Department of Gynecology, Renmin Hospital of Wuhan University, Wuhan 430060, ChinaAbstract Comparison among multiple interventions has been realized due to the development of network meta-analysis and so far many studies have reported its implementation process. However, its results are rarely interpreted in domestic studies at present. This article interprets the results of trace plots, density plots, Brooks-Gelman-Rubin diagnosis plots, rankogram, surface under the cumulative ranking, and network plots, to provide references and assistance for further research regarding network meta-analysis.Key words Network meta-analysis; Graphic result; InterpretationDOI: 10.7507/1672-2531.20140263作者简介：易跃雄，男（1984年～），硕士，医师，以妇科肿瘤为主要研究方向。
Email: yiyuexiong@ *通讯作者，Email: zw6676@随着医学研究的深入，干预措施已逐渐呈多样化发展。
面对多种干预措施，受限于两两对比的传统Meta 分析已不能为选择最优干预措施提供有效的方法学支持，而网状Meta 分析的提出 [1]使得多种干预措施之间的对比成为可能。
随着网状Meta 分析的研究和发展，目前国内已有文献介绍其在各种基于马尔科夫链-蒙特卡罗（Markov Chain Monte Carlo ，MCMC ）法软件中的实现 [2-4]，但对其结果的分析解读则鲜有提及。
本文对R 软件gemtc 程序包[5,6]计算出的轨迹图、密度图、Brooks-Gelman-Rubin 诊断图、排序概率表与排序概率图、网站中（http://www.mtm.uoi.gr/）sucraplot 函数计算出的累积排序概率图与累积排序概率图下面积、网状图结果进行分析及阐述，为网状Meta 分析的研究提供参考和帮助。
1 软件、程序包的安装及数据准备R 软件与gemtc 程序包的安装方法及数据处理过程请参照《R 软件gemtc 程序包在网状Meta分析中的应用》一文 [7]。
由于本文所调用的软件为Winbugs 软件，并且数据计算基于随机模型，因此本文将model 及mtc.run 语句改写为model <-mtc.model(network,type = "consistency", factor = 2.5, n.chain = 3, linearModel="random")和results <-mtc.run(model, sampler ="R2WinBUGS", n.adapt = 5000, n.iter = 20000, thin = 1)。
为与前文保持一致，本文选取干预措施G 与干预措施I 之间的比较为例解释。
因suraplot 函数未体现累积排序概率图下面积的结果，本文将suraplot 函数改写，加入累积排序概率图下面积值以进一步解释结果。
2 网状Meta 分析的结果分析及解读2.1 轨迹图（trace plot ）轨迹图为一种在迭代计算过程中表现MCMC 链波动过程的图，可因迭代次数及预设分布不同而表现为不同形式，用于诊断模型的收敛程度（con-vergence ）。
通过轨迹图形可了解各条马尔科夫链-蒙特卡罗链（Markov Chain Monte Carlo chain ，MCMC chain ）在计算过程中是否达到稳定及良好的重叠，以判断模型收敛程度是否满意 [8,9]。
满意的收敛取决于足够的迭代次数，在轨迹图中表现为各条MCMC• 104 •C JEBM © 2015 Editorial Board of Chin J Evid-based Med链相互重叠，视觉观察不能识别任何一条链的迭代过程 [10]。
我们将通过不同的预迭代次数及迭代运算次数进行说明 [11]，具体参数如表1所示。
如图1a 所示，我们先将预迭代次数及迭代次数设定为0和50，结果显示各条MCMC 链未明显拟合，肉眼可识别单条链的波动，收敛程度差。
此时预迭代次数及迭代运算次数均不足，应增加预迭代及迭代次数。
图1b 为保留0次预迭代，增加迭代次数至2 000的结果。
与图1a 比较，图形起始部分各条链经几十次运算后达到稳定，并相互重叠，但重叠面积仅占链波动范围的小部分，收敛程度仍不满意。
由于迭代运算中需使初始值效应最小化，达到稳定前的数据则需剔除。
因此，需增加预迭代及迭代次数，尤其是预迭代次数。
图1c 为预迭代次数及迭代次数设定为1 000及50的结果。
与图1b 比较，图形起始部分的各条链已呈现相互重叠趋势，但由于迭代运算次数不足，肉眼仍可识别单条链的摆动，尤其在1 020～1 040次处明显。
因此，此时需增加预迭代及迭代次数，尤其是迭代的次数。
图1d 为预迭代次数及迭代次数增加至5 000的结果。
各MCMC 链从起始部分达到明显融合，但整体重叠面积仅占链波动范围的小部分。
此时迭代计算次数仍不足，收敛程度不满意，仍需增加迭代次数。
图1e 预迭代次数及迭代次数设定为5 000及20 000的结果。
各条MCMC 链从起始部分已达到稳定融合，并且在后续计算中重叠面积占链波动范围的大部分，且肉眼不能识别单条链的波动，收敛程度满意。
2.2 密度图（de n sity plot ）密度图为一种表现参数的后验数值的分布形态图，其作用与轨迹图一致，均用于诊断模型的程度 [12]。
密度图的评估方法为在预先设定分布的基础上，经过数值模拟计算后，观察后验数值的分布形态是否与预设分布一致 [13]。
Bandwidth 值可作为定量评估，其值越小，表示参数后验数值的分布范围与预设分布范围的差距越小。
经足够迭代运算后，Bandwidth 趋向于0并达到稳定 [14]。
Bandwidth 值则与迭代运算次数相关，而后验数据分布形态与预迭代次数相关 [15]。
良好的收敛在密度图中表现为一条基本符合模型预设分布的平滑曲线，并且曲线分布及Bandwidth 值达到稳定 [16]。
密度图的解释本文仍以不同迭代次数的计算进行说明，具体参数见表2所示。
模型代码可通过命令行cat （model$code ）来获取，通过模型可获知干预措施G 与干预措施I 的对比预设分布为正态分布（d.G.I ～dnorm （0, prior.prec ））。
各图中的N 值代表迭代次数，Bandwidth 值代表后验分布与先验分布的差距程度。
对比图2a 与图2b 的图形及计算结果可见：① 两者的曲线分布均呈现偏态分布，并可见图 1 不同迭代次数的轨迹图表 1 各轨迹图的预迭代及迭代运算次数图序n.adaptn.intera 050b 02 000c 1 00050d 5 0005 000e5 00020 000• 105 •© 2015 中国循证医学杂志编辑部C JEBM双峰，且Bandwidth 值为0.109 7与0.113 4，与预设分布差距偏大。
② 两者的计算结果中均值、95%CI 相差较大（mean （a ）=0.451 0，95%CI （a ）= –0.122 7～1.067 5；mean （b ）=0.3741 1，95%CI （b ）= –0.175 3～0.914 5），计算结果不稳定。
此时模型收敛程度差，应增加预迭代次数及迭代计算次数。
如图2c 所示，我们先将迭代次数增加至5 000次。
与图2b 对比，曲线形态进一步趋向正态分布，且Bandwidth 值下降至0.038 74，与预设分布差距明显减小，且计算结果较图2b 进一步集中（mean （c ）=0.334 7，95%CI （c ）= –0.154 81～0.826 0）。
但曲线仍可见双峰，曲线分布仍可能受初始值影响，模型收敛程度不满意。
此时需增加预迭代次数。
图2d 为将预迭代次数增加至5 000次的结果。
图中曲线形态已由图2c 的双峰变为单峰，分布形态已接近正态分布。
由于迭代次数不变，因此Band-width 值变化较小（Bandwidth （d ）=0.038 85）。
与图2c 计算结果对比，mean 及95%CI 值变化较小（mean （d ）=0.343 5，95%CI （d ）= –0.151 81～0.840 6）。
但由于n.adapt=5 000及n.iter=5 000的轨迹图显示收敛不满意，因此仍需增加迭代次数。
如图2e 所示，我们将迭代次数增加至20 000次。
此时图形分布已呈正态分布，与预设分布差距进一步缩小（Bandwidth （e ）=0.029 55）。
且与图2d 对比，计算结果已基本稳定（mean （e ）=0.3443，95%CI （e ）= –0.152 20～0.840 6）。