Meta分析中效应尺度指标的选择_文进
Meta分析2020
Meta分析2020M e t a分析与实践新疆医科大学流行病学与卫生统计学教研室王倩目录01 02 03 04Meta分析系统综述的常见偏倚常用报告规范系统综述与Meta分析进展01O N EMeta分析Meta分析的目的、分析方法、异质性及其来源的分析、敏感性分析一、Meta分析的目的系统综述和Meta分析已被公认为客观评价和合成针对某一特定问题的研究证据的最佳手段 ,通常被视为最高级别的证据Meta分析：系统评价中将多个相似研究结果进行定量综合分析的一种方法R e v i e w M a n a g e r展示系统综述中常见的研究目的和相应的统计方法研究目的统计方法估计总效应及可信区间Meta分析（倒方差法、Peto法、M-H法等）、固定效应模型和随机效应模型分析研究间的异质性Q检验和 I2 统计量探讨研究间异质性的来源亚组分析和Meta回归检测发表偏倚漏斗图及相关统计检验，如Egger回归和Begg秩相关分析矫正发表偏倚和方法基于漏斗图的剪补法展示Meta分析的结果森林图常见的研究目的与效应指标的选择研究目的变量类型可选的效应指标举例探索因果关系（病因、疗效、副作用）二分类变量率比（RR)、比值比（odds ratio，OR）、率差（risk difference，RD）生存时间风险比、生存率比、生存时间差连续变量均数差、标准化均属差、相关系数、回归系数估计平均趋势（现况、发病、疾病转归）二分类变量现患率、发病率、生存率连续变量平均数、中位数评价诊断准确性二分类变量灵敏度、特异度、比值比分级变量诊断似然比连续变量ROC曲线下面积R e v i e w M a n a g e r展示Meta分析中常用的统计量二、Meta分析方法定性分析：将纳入试验的情况进行描述定量合成：当资料适当时采用Meta-分析方法注意：系统评价不一定都要做Meta-分析，更重要的是全面系统收集证据及质量评价Meta分析的原理多个样本来自同一总体，结果应围绕真实值均匀对称分布每个研究样本量不同，对估计真实值的贡献也不同越接近真实值的结果，抽样误差越小，权重越大（二）Meta分析方法1、加权平均值法（样本量加权平均法）：根据研究样本量大小，样本量大，赋予的权重越大2、倒方差加权法：根据效应的方差大小进行加权，效应量方差的倒数就是对应研究的权重，可用于任何结果或效应指标3、Mantel-Haenszel（简称M-H法）：分层分析方法4、Peto法：分层分析、控制混杂。
Meta分析中标准化均差效应量的计算
中国组织工程研究与临床康复第 15 卷 第 4 期 2011–01–22 出版Vol.15, No.4Journal of Clinical Rehabilitative Tissue Engineering Research January 22, 2011Meta分析中标准化均差效应量的计算张 红，王 珍Calculation of standardized mean difference effect size in Meta-analysisZhang Hong, Wang ZhenAbstractBACKGROUND: In most Meta-analysis of two-group comparison study, the outcome variables of original research literature are quite different between different researches, so outcome variables cannot be directly compared, limiting Meta-analysis. OBJECTIVE: To investigate methods for mining the information of original research and enhance the performance of Meta-analysis. METHODS: According to the outcome variables of the original research, 10 common standardized mean difference effect size calculation methods were described. RESULTS AND CONCLUSION: Before conducting Meta-analysis of two-group comparison study, we should consider all kinds of possible situations, especially when there were some distances between the original research literature information and those we have grasped. We have to dig information as much as possible to avoid information loss. Zhang H, Wang Z. Calculation of standardized mean difference effect size in Meta-analysis.Zhongguo Zuzhi Gongcheng Yanjiu yu Linchuang Kangfu. 2011;15(4):737-740. [ ]Medical School of Huzhou Teachers College, Huzhou 313000, Zhejiang Province, China Zhang Hong, Professor, Medical School of Huzhou Teachers College, Huzhou 313000, Zhejiang Province, China hutczhang@ Received: 2010-08-06 Accepted: 2010-09-14摘要背景：大多数情况下，在进行两组比较研究的 Meta 分析时，纳入 Meta 分析的各研究文献结果变量的操作差异较大，不同 的研究结果间不能进行直接的比较，给 Meta 分析带来挑战。
Meta分析 PPT课件
其方差为：
dDL
W* i
di
W* i
S2 1
dDL
Wi*
DerSimonian
and
LWaiir*d方S法2 1中D权重
W* i
的计算方法
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。
其中为固定D效应ma模x 型Q时Wi 各(k研1WW)究ii2 的,0权重，Q为齐性
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）
数值变量可选择的统计量
加权均数差WMD 标准化均数差SMD
由于描述各研究的实验结果，其结果解释与常规 统计描述指标相同
寻求新的假说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meta分析的统计分析过程合并效应量的检验单个研究的统计量比值比oroddsratio相对危险度rrrelativerisk率差rdratedifference由于描述各研究的实验结果其结果解释与常规统计描述指标相同单个研究的方差根据资料类型选择单个研究的统计量di的方差vardi单个研究统计量di的计算方法确定后其方差的计算方法也随之确定方差可用于可信区间和假设检验的计算异质性检验与异质性分析只有同质的资料才能进行合并或比较等统计分析heterogeneity又称同质性检验testshomogeneity用假设检验方法检验多个独立研究是否具有异质性同质性异质性检验方法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chisquaretestchi若异质性检验结果为p010时多个研究具有同质性可选择固定效应模型fixedeffectmodel
第8章 干预性或观察性研究的meta分析
差值的均数和标准差；另外，有些研究没有报道
标准差，只报道了95%可信区间，这时则需要按照 Cochrane Handbook的要求对结果进行转化。
异质性检验
1．检验原理
不可避免地，纳入同一个Meta分析的所有研 究都存在差异，不同研究间的各种变异被称为异 质性。 Meta- 分析的统计学原理要求只有同质的 资料才能进行统计量的合并，即假设各个不同研 究都是来自非同一个总体（ H0 ），各个不同样本 来自不同总体，存在异质性（备择假设 H1 ）。如 果检验结果 P>0.10 ，拒绝 H1 ，接受 H0 ，可认为多 个同类研究具有同质性；当异质性检验结果 P≤0.10，可认为多个研究结果有异质性。
合并效应量
随机效应模型目前多用 D-L 法（ DerSimonian & Laird 法） 。随机效应模型估计合并效应量，实际上是计算多个原始 研究效应量的加权平均值。以研究内方差与研究间方差之
和的倒数作为权重，调整的结果是样本量较大的研究给予
较小的权重，而样本量较小的研究则给予较大的权重。因 此，随机效应模型处理的结果可能消弱了质量较好的大样 本研究的信息，而夸大了质量可能较差的小样本研究的信 息，故采用随机效应模型的Meta-分析在下结论时应慎重。
Meta-分析结果的解释
Meta- 分析最常使用森林图（ forest plots ）来
展示其统计分析的结果。在森林图中，以一条数 值为0或1的中心垂直线为无效标尺线，即无统计
学意义的值。RR或OR的无效线对应的横轴尺度是
1 ，而 RD 、 MD 、 WMD 和 SMD 的无效线对应的横轴尺
度是0。
（4）生存资料的效应量可用风险比（HR）。
meta 随机效应模型
meta 随机效应模型meta随机效应模型是一种统计模型，用于估计多个独立数据集的总体效应大小以及数据集之间的差异。
在许多研究领域中，研究结果往往存在异质性，即不同数据集的效应大小存在差异。
为了解决这个问题，meta随机效应模型应运而生。
在传统的meta分析中，常常使用固定效应模型来估计总体效应大小。
然而，固定效应模型假设各个数据集的效应大小是相同的，忽略了数据集之间的差异。
而meta随机效应模型则允许数据集之间的效应大小存在差异，并且可以估计总体效应的分布范围。
在meta随机效应模型中，每个数据集的效应大小由总体效应和数据集特定的随机效应共同决定。
随机效应反映了每个数据集的特殊性，它们可能是由于方法差异、样本特征等因素引起的。
通过估计随机效应的方差，我们可以判断不同数据集之间的差异程度。
对于meta随机效应模型的参数估计，常常使用最大似然估计方法。
通过最大似然估计，我们可以得到总体效应的点估计以及估计的标准误。
通过标准误，我们可以进行假设检验，判断总体效应是否显著。
meta随机效应模型还可以进行异质性分析。
异质性表示不同数据集之间的效应大小差异程度。
通过计算异质性的指标，如I^2统计量，我们可以评估异质性的程度。
较高的异质性可能意味着不同数据集之间存在较大的差异。
在实际应用中，meta随机效应模型被广泛用于整合多个独立研究的结果，从而得出更准确的结论。
它可以应用于医学研究、社会科学研究等领域，帮助研究者更好地理解总体效应大小以及数据集之间的差异。
meta随机效应模型是一种强大的统计模型，可以解决传统meta分析中固定效应模型的局限性。
它允许数据集之间的效应大小存在差异，并通过估计随机效应的方差来判断差异程度。
通过应用meta随机效应模型，研究者可以更准确地估计总体效应大小，提高研究结论的可靠性。
meta分析中固定效应模型、随机效应模型和混合OLS模型的选择教学教材
meta分析中固定效应模型、随机效应模型和混合OLS模型的选择在Meta分析中最常用的是固定效应模型、随机效应模型。
怎样理解这两种模型呢？举个简单的例子：让十个学生去测量操场中的同一根旗杆，旗杆长度的测量值可以看作是一个固定效应模型；然而如果让一个学生去测量操场上长度不同的十根旗杆，旗杆长度的测量值则是随机效应模型。
一般来说，随机效应模型得出的结论偏向于保守，置信区间较大，更难以发现差异，带给我们的信息是如果各个试验的结果差异很大的时候，是否需要把各个试验合并需要慎重考虑，作出结论的时候就要更加小心。
从另一个角度来说，Meta分析本来就是用来分析结论不一致甚至是相反的临床试验，通过Meta分析提供一个可靠的综合的答案，如果每个试验的结果都一模一样，根本就没有必要作Meta分析，因此要通过齐性检验来解决这对矛盾。
一般来说判断方法是根据I2来确定。
1.就是根据I2值来决定模型的使用，大部分认为＞50%，存在异质性，使用随机效应模型，≤50%，用固定效应模型，有了异质性，通过敏感性分析，或者亚亚组分析，去探求异质性的来源，但是这两者都是定性的，不一定能找到，即使你做了，研究数目多的话，可以做个meta回归来找异质性的来源2.在任何情况下都使用随机效应模型，因为如果异质性很小，那么随即和固定效应模型最终合并结果不会有很大差别，当异质性很大时，就只能使用随机效应模型，所以可以说，在任何情况下都使用随机效应模型3.还有一种，看P值，一般推荐P的界值是0.1，但现在大部分使用0.05，就是说P ＞0.05，用固定，≤0.05用随机效应模型。
但是这些都没有统一的说法，存在争议，如果你的审稿人是其中一种，你和他相冲突了，你只能按照他说的去修改，因为没有谁对谁错，但是现在你的文章在人家手里，如果模型不影响你的结果，你就遵照他们的建议但是，也不必过度强调哪种方法，更重要的是找到异质性根源。
meta分析中，异质性是天然存在的。
meta分析
10
11
2、相关文献的检索
全面、无偏、系统地搜集与课题有关的文献是 进行meta分析的最基本步骤。
首先保证查全率（漏查重要文献可能使分析结果产 生假象，甚至使结论逆转） 尽可能减少产生发表偏倚（注册登记的临床试验） 灰色文献（grey literature)：学位论文，会议资 料等 注意语种、年限以及多重发表问题 注意检索范围：国内、国外？（越来越多的中国学 者用英文在国外学术期刊上发表文献）
OVID EBM Reviews （包含Cochrance Library， 我校购买） 其他网上医学信息资源
目前我校订购的全文生物医学电子刊已有2万种
12
相关文献的检索－中文数据库及其他
文摘型数据库
CBM/SinoMed（中国生物医学文献数据库，收录文献齐全，回溯 年限长，检索功能强大，能直接链接VIP原文） CNKI（中国期刊网全文数据库） 万方数据资源系统 中华医学会数字化期刊 中文科技期刊全文数据库（维普资讯，VIP）
3、怎样做Meta分析？
——严格遵循正确的方法和步骤
8
Meta分析的基本步骤
1. 提出问题，制订研究计划，确定文献纳入和剔除的 标准 2. 相关文献的检索 3. 资料提取 4. 纳入研究的质量评价 5. 资料的统计学处理 6. 敏感性分析 7. 结果的分析和讨论
系统评价的基本步骤
1. 确定题目，制订研究计划 2.检索文献 3.筛选文献 4.文献质量评价 5.资料提取 6.资料分析 7.结果解释，撰写报告 8.更新系统评价 亚组 分析 随机效 应模型 敏感性 分析 定量分析 定性分析
对纳入的RCT，从上述6个方面评判：可以选“是”（ 表示低偏倚风险）、“否”（表示高偏倚风险）或“不 清楚”（表示偏倚偏倚不清楚）
Meta分析及其应用
概述1976年英国教育心理学家G. V. Glass在教育学文献综述中首次命名Meta分析，并将其定义为：“The statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings”。
Meta分析并非一种单纯的统计学方法，而是一个汇总多个同类研究结果，并对研究效应进行定量合并的分析研究过程，包括提出研究问题，收集相关文献、制定文献纳入和排除标准、提取文献信息、统计学处理和报告结果等，是一种定量的系统综述(systematic review)。
Meta分析最先在教育学和心理学领域应用，从80年代后期起，Meta分析文献大量涌现，并逐步引入中国。
近年来，随着循证医学的兴起和发展，在医学领域尤其是临床医学和公共卫生领域的应用日益广泛。
例如，1988年临床上对短暂性脑缺血发作患者是否能应用抗凝药预防中风存在很大争议，研究结果互相矛盾，Meta分析分析结果表明，抗凝药能使脑血管病患者死于中风、心肌梗死的风险减少22%，这一结果使临床上对短暂性脑缺血发作患者使用抗凝药问题取得了公识。
在流行病学研究中，人们常发现一些关联强度较弱但又具有潜在重要公共卫生意义的危险因素，如被动吸烟与肺癌、口服避孕药与乳腺癌、饮咖啡与冠心病等。
例如，美国环保局根据19个病例对照研究结果，对女性被动吸烟与肺癌的关系进行Meta分析，结果表明，被动吸烟使女性患肺癌的风险增加42%，并据此结果将被动吸烟列为致癌物。
M e t a分析基本原理假定从一个均数为1.5、标准差为0.7的正态总体中作随机抽样，样本含量分别为20、50、100、200、300、500、1000，不同样本含量均作20次抽样，共得140个样本。
现以样本均数为横坐标，样本含量为纵坐标作散点图，可见散点以样本含量较大的均数为轴，左右基本对称。
- 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)。
从专业上对其结果进行解释。对二分类变量而言， OR 是最不容易被理解和使用的合并统计量。许多 Meta 分析采用 OR 为合并统计量， 但被错误解释为 RR。因此从可解释性出发， RR 和 RD 比 OR 好。 表 2 列出了二分类变量效应尺度指标的重要特 性。 2.1.4 专业相关因素 主要是从专业角度分析临床 异质性大小、 基线风险差异大小和数据表述在不同 研究间有无差异等， 这些因素也可能影响合并统计 量的选择。 2.2 Meta分析中各种效应尺度指标的选择 从上述效应尺度指标选择时需要考虑的因素分 析中可以知道， Meta 分析中没有一个可以应用于所 有情形的最佳合并统计量。每个合并统计量的不同 特质有时是矛盾的， 例如绝对效应指标很容易被解 释， 但可推广性受限。选择合并统计量时， 常常需要 综合考虑各种因素。 2.2.1 连续性变量合并统计量的选择 当对同一干
关键词 Meta 分析 合并统计量 效应尺度 作者单位 1. 四川大学华西医院 中国循证医学中心 ( 成都 610041) 第一作者简介 文进， 男 （1974 年～） ， 流行病与卫生统 计学硕士， 循证医学在读博士， 以循证 决策和管理为主要研究方向。 Email: huaxiwenjin@ *通讯作者， Email: yzmylab@
20 人死亡， 80 人存活， 则这个样本中发生死亡的比 值为 20/80=1/4 或 0.25。比值也可以定义为某事件 发生的概率与不发生的概率之比， 即 P/(1-P)， 这里 P 表示某事件发生的概率。 表 1 为常见的研究暴露 （干预）与疾病关系时 候的资料总结表。 根据流行病学不同的研究设计类型， 可以获得 以下三种比值比。 1.1.1 发病比值比 （incidence odds ratio） 对于队 列研究或随机对照试验而言， 可以获得发病比值比， 其计算如下：
表 1 暴露与疾病关系的四格表 Fourfold table for data analysis between exposure and disease E E (暴露/ exposure) (非暴露/ un-exposure) D (疾病/ disease) D (非疾病/ nondisease) a c a+c b d b+d a+b c+d
RR = a a+c / b b+d = p1 p2
2 Meta分析中效应尺度指标的选择
2.1 Meta分析中效应尺度指标选择需要考虑的因素 2.1.1 流行病学研究设计类型 前瞻性研究 （队列 研究和随机对照试验） 可以计算相对危险度和发病 比值比； 病例对照研究不能直接获取相对危险度， 只能计算暴露比值比； 横断面研究可以计算患病比 值比。 2.1.2 数据类型与效应尺度指标 [1] Meta 分析中 的数据类型有以下几类： ① 二分类变量： 可计算相对危险度、 风险差或 比值比。 ② 连续性变量： 可以计算加权均数差或标准化 均数差。 ③ 等级变量： 由于方法学上某些局限性， 该类 资料在等级较少时一般转化为二分类变量， 在等级 较多时可以视为连续性变量处理。 ④ 计算个体事件 （重复）发生的次数而获得 的计数和率： 当获得的频数为小概率事件时， 类似 Poisson 数据， 此时如果有详细的人时记录， 可以获 得发病密度 （率） ， 可计算 RR 或 RD； 当频数为非小 概率事件时， 可将计数当作连续性变量处理。 ⑤ 时间事件 （生存） 数据 （time-to-event/survival data） ： 某些时候 （如某个时点上所有患者的情况都 清楚） 当作二分类变量处理， 此时可以采用 RR、 RD 或 OR 等效应指标。但最适合时间事件数据分析的 方法是通过危险比 （hazard ratio, HR）来表示干预 效应的生存分析。Hazard 和 Risk 在概念上相似， 细微的差别在于 Hazard 表述的是瞬时风险而且可 能随时间不断变化。HR 的解释也与 RR 类似。时 间事件数据的 Meta 分析通常需要有单个患者数据 （individual patient data, IPD） 才可以进行。 总之， 多数情况下， 不同类型究和随机对照试验 结果可以直接获得相对危险度。 1.3 RD RD（risk difference）即危险差， 也被称为归因 危险度 （attributable risk， AR） 、 绝对风险差 （absolute risk difference）和 绝 对 风 险 降 低 率 （absolute risk reduction, ARR） ， 是指干预 （暴露） 组和对照组结局 事件发生概率的绝对差值。例如， 感染某种疾病的 风险在干预组为 10％， 对照组是 15％， 则研究的 RD 为 -5％。 RD 反映了暴露 （干预） 组中净由暴露 （干预） 因素所致的发病水平 （从暴露组角度考虑） 。RD=0 表示比较组间没有差异。 当研究结局为不利事件时， RD<0 表示干预可降低结局风险。 通常只有队列研究和随机对照试验结果可以计 算 RD。 1.4 WMD WMD（weighted mean difference）即加权均数 差， 用于 Meta 分析中所有研究具有相同连续性结 局变量 （如体重） 和测量单位时。计算 WMD 时， 需 要知道每个原始研究的均数、 标准差和样本量。每 个原始研究均数差的权重 （例如每个研究对 Meta 分析合并统计量的影响大小） 由其效应估计的精确
Table 1
Chin J Evid-based Med, 2007, Vol.7( 8 )
a/(a+b) a 病例中暴露的比值 病例组暴 = = = 露的比值 病例中非暴露的比值 b/(a+b) b c/(c+d) c 对照中暴露的比值 对照组暴 = = = 露的比值 对照中非暴露的比值 d/(c+d) d 暴露比值比 = 病例暴露的比值 对照暴露的比值 = ORE = a/b c/d = ad bc
证据是循证医学的核心， 系统评价或 Meta 分 析是公认的最高级别证据。来自 Meta 分析的证据 总是通过一定的效应尺度 （effect size, ES; 或 effect magnitude, EM）指标来表示。但国内外杂志上发 表的 Meta 分析在选择效应尺度指标时常存在误用 指标或错误解释指标结果的情况。因此， 深刻理解 Meta 分析中各种常用效应尺度指标的意义， 对正 确选择效应指标、 理解和应用统计结果至关重要。 Meta 分析中使用的定量合成效应尺度指标， 也被称 为合并统计量 （summary statistic） 。
性决定。Cochrane 协作网的 RevMan 统计软件设定 计算 WMD 的权重为方差的倒数。 1.5 SMD SMD（standardized mean difference）即标准化 均数差， 为两组估计均数差值除以平均标准差而得。 由于消除了量纲的影响， 因而结果可以被合并。 风险 （risk） 是观察对象中发生研究事件的人数 与总的观察人数之比， 而比值 （odds） 是观察对象中 发生研究事件人数与未发生研究事件人数之比。例 如， 24 人去滑雪， 其中 6 人跌倒， 那么跌倒的风险为 6/24=0.25=25%， 跌倒的比值为 6/18=1/3=0.33。
中国循证医学杂志 2007 年第 7 卷第 8 期
实 践 与 交 流
为二分类或连续性变量进行 Meta 分析。 2.1.3 效应尺度指标的特性 [2] 2.1.3.1 一致性 （consistency） 一致性主要是指合 并统计量值与所有纳入原始研究或亚组人群效应值 的相似性。关注一致性主要是因为各个原始研究纳 入人群的基线风险常常存在差异， 选择一致性较好 的合并统计量有利于 Meta 分析结果的推广性。 通常相对效应指标比绝对效应指标的一致性 好。 因 此， 可 以 认 为 SMD 的 一 致 性 比 WMD 好， OR 和 RR 的一致性比 RD 好。而且， OR 和 RR 在 一致性方面差别不大。一般不推荐使用基于特定情 况下才最具一致性的效应尺度指标。 例如， 某研究试验组和对照组的 A 事件率分别 是 20％和 10％， 另一相同研究试验组和对照组 A 事 件率分别是 10％和 5％。选择相对效应指标 RR， 则 两个原始研究的 RR 值均为 2； 若选择绝对效应指 标 RD， 则一个研究 RD 为 10％， 另一个为 5％。 如此， 当进行 Meta 分析时， 选择合并统计量为 RR 时可 能异质性检验提示同质性好， 而选择合并统计量为 RD 时则很可能提示原始研究间统计异质性较大。 2.1.3.2 数学特性 （mathematical properties） 最重 要的数学特性就是可靠方差估计值的可得性。研究 表明， 常用的分类变量效应尺度指标中， OR 的数学 特性最好。连续性变量一般都能对方差进行较好的 估计， 故 WMD 与 SMD 的数学特性相近。 数学特性是进行 Meta 分析时需要考虑的因素 之一。例如需治疗人数 （NNT） 虽然非常容易被理 解， 受到临床医生的欢迎， 但由于其没有一个简单的
606
非暴露 （非干预） 组发病的比值 = 发病比值比 = OR1 = p1 / p2
b/(b+d) b p2 = = 1-p2 d/(b+d) d = ad bc
1-p1 1-p2
1.1.2 暴露比值比 （exposure odds ratio） 病例对照 研究不能得到发病比值比， 只能得到暴露比值比。
Meta分析中效应尺度指标的选择
文 进 李幼平*
摘 要
Meta 分析中效应尺度指标的选择对其结果的解释和应用非常重要。本文 首先简要介绍了常见的几种 Meta 分析合并统计量的基本概念。Meta 分析中选 择合并统计量常需要考虑以下因素： 流行病学设计类型， 资料 （数据） 类型， 效应 一致性， 数学特性和可解释性。对连续性变量， 当对同一干预措施效应的测量方 法或单位完全相同时， 宜选择 WMD； 当对同一干预措施效应采用不同的测量方 法或单位， 或不同研究间均数差异过大时， 宜选择 SMD 作为合并统计量。对二 分类变量， 随机对照试验的 Meta 分析推荐首选 RR 为合并统计量。当干预 （暴 露） 组和对照组的事件发生率均非常低时， 可以采用 OR 估计 RR。Meta 分析中 无一个可应用于所有情形的最佳合并统计量。 中国循证医学杂志 , 2007, 7(8): 606-613.