meta分析sas程序

七：Meta分析 （一）几个概念 在讨论Meta分析的时候有必要先说明几个相关的概念，并明确他们之间的关系。 1 循证医学： 指医护人员利用发表的文献证据解决临床问题对证据进行严格分级,提供指导对医学文献评价分级的实践指南,并充分考虑病人的需求和意愿解决具体临床问题和其他健康问题的医疗实践活动。 这里已发表的文献证据分级指： • 一级：所有RCT的系统评价/Meta-分析。 • 二级：单个样本量足够大的RCT。 • 三级：设有对照组但未用随机方法分组的研究。 • 四级：无对照的系列病例观察。 • 五级: 专家意见。 上述的分级我们发现最好的证据是系统评价/Meta-分析，那么就有了下面的概念。 2 Systematic reviews（系统评价）： 是循证医学重要的手段。是根据某一具体的临床问题，采用系统、明确的方法收集、选择和评估相关的临床原始研究，筛选出合格者并从中提取和分析数据，为疾病的诊治和预防提供科学的依据。 3 Meta分析： 是在系统性综述时为了合并多个独立的研究结果，所使用的统计方法。可以将针对同一问题的，多个独立的研究结果进行定量分析。目前，国外文献常常将系统评价与Meta-分析交叉使用。 （二）Meta analysis原理和基本思想 在用样本信息推断总体参数时，是存在抽样误差的，并且抽样误差的大小与样本量的大小有关，样本量较大时抽样误差较小。统计学用抽样分布的理论来描述样本统计量的变化规律，从一个总体中的多次随机抽样，样本的均数和标准差服从正态分布。所以所有的点以样本量较大时的均数为轴，左右是基本对称的。 用方差分析的方法对不同的样本所对应的总体均数是否相等进行检验，结果说明这多个样本对应的总体均数是相同的。用这些样本的信息来估计总体的均数和标准差，使总体的样本量增大，这样做的结果是提高了估计的精度。 理想状态下我们把不同作者对相同问题进行的研究可以看作从同一总体中进行抽样得到的一个随机样本，如果他们都是按照相同的设计得到的研究结果，并且我们可以找到每一项研究的结果，这样就可以根据上面的原理得到一个更为可靠的结果。 实际情况是不同作者：所使用的设计方案会有一定的差别，选择的实验对象有所不同，研究结果不一定都能发表到专业杂志上。因此实际能够得到的资料可能是不完整的，甚至是有偏性的，如阳性结果的文章，以及和目前大家普遍能够接受的观点一致的文章可能更容易发表在专业杂志上。 Meta analysis的目的就是： ①增加统计功效。 ②解决各研究结果的不一致性。 ③寻求新的假说。 （三）实例分析---戒烟对肺功能的影响 肺功能的检测是COPD诊断和病程进展评估的最为重要的指标，因此戒烟对COPD发病和死亡的影响作用可以通过肺功能的研究得到一个初步结论。目前戒烟的作用相比持续吸烟者来说，不同研究的结论有所差异。而且在一些人群中认为，如果是长期吸烟者，突然戒烟会造成机体功能紊乱，死亡时间可能提早。因此，本文将应用系统综述的方法，对中国大陆地区所有已发表在专业杂志上的有关文献进行相关meta分析，对戒烟对肺功能 FEV1,FEV1%,FVC,MMEF ，MVV和RV/TLC%等肺功能指标的影响进行了定性和定量的分析。 收集1989～2005年间国内外公开发表的中国大陆关于吸烟、戒烟和肺功能关系的研究文献。总共检索到相关文献169篇，经过阅读摘要和题名筛检出了26篇关于吸烟和戒烟与肺功能关系的研究经过研究小组严格的文献质量评价后其中有7篇文献纳入了Meta分析。 1）以FEV1%为例，SAS软件实现效益量合并的过程如下，表1（合并文献的效应参数）。

表1 纳入Meta 分析的文献参数 Study ID smoking cessation N smoking cessation Mean

smoking cessation SD smoking N smoking Mean smoking

SD

daizhenshou06 51 80.10 5.50 18 75.00 5.10 huangbo10 17 80.10 10.32 17 79.54 9.40 sub-10 14 79.02 9.40 14 75.45 8.94 wangping02 58 76.60 4.60 32 66.70 4.20 wangxiaoge12 24 80.46 2.48 24 63.32 1.76 zhanghongwen09 100 86.60 14.30 100 84.30 15.20 zhaochunbi08 29 76.20 7.90 38 62.70 9.10

2）SAS程序： data a ; input n1 x1 st1 n2 x2 st2; /*n1 n2 st1 st2 ；/*分别为戒烟和吸烟样本，均数和标准差*/ ssc=sqrt(((n1-1)*st1**2+(n2-1)*st2**2)/(n1+n2-2)); /*计算各研究合并标准差*/ di=(x1-x2)/ssc; /*计算各研究合并均差*/ wi=n1+n2; /*权数*/ wid=wi*di; /*加权均差*/ wid2=wi*di**2; s_num=7; cards; /*输入各研究原始数据*/ 51 80.10 5.50 18 75.00 5.10 17 80.10 10.32 17 79.54 9.40 14 79.02 9.40 14 75.45 8.94 58 76.60 4.60 32 66.70 4.20 24 80.46 2.48 24 63.32 1.76 100 86.60 14.30 100 84.30 15.20 29 76.20 7.90 38 62.70 9.10 ;

data b; set a; swi1+wi; swid1+wid; swid21+wid2; /*计算合计权数，加权均数差*/ id=_n_; if _n_=s_num then do; swi=swi1;swid=swid1;swid2=swid21; end; run; proc sort; /*将计算结果显示在第一行*/ by descending id; run; data c; set b; avd=swid/swi; /*avd为平均加权均数差*/ sd2=(swid2-avd**2*swi)/swi; /加权方差 se2=4*s_num/swi*(1+avd**2/8); chisq=s_num*sd2/se2;df=s_num-1; /*齐性检验的chi值和自由度*/ p=1-probchi(chisq,df); /*齐性检验的P值*/ if sd2>se2 then sdel2=sd2-se2; /*sdel2随机效应总体方差*/ else sdel2=0; low=avd-1.96*sdel2**0.5; up=avd+1.96*sdel2**0.5; sdbar=se2**0.5/s_num**0.5; /*sdbar 为效应量加权均数的标准误*/ flow=avd-1.96*sdbar; fup=avd+1.96*sdbar; /*flow fup ,low up 分别为固定效应和随机效应的95%CI上下限*/ proc print; run;

3）结果输出显示如下： Obs n1 x1 st1 n2 x2 st2 ssc di wi wid wid2 1 29 76.20 7.90 38 62.70 9.10 8.6036 1.56911 67 105.130 164.96 2 100 86.60 14.30 100 84.30 15.20 14.7569 0.15586 200 31.172 4.86 3 24 80.46 2.48 24 63.32 1.76 2.1503 7.97080 48 382.598 3049.62 4 58 76.60 4.60 32 66.70 4.20 4.4632 2.21815 90 199.633 442.82 5 14 79.02 9.40 14 75.45 8.94 9.1729 0.38919 28 10.897 4.24 6 17 80.10 10.32 17 79.54 9.40 9.8707 0.05673 34 1.929 0.11 7 51 80.10 5.50 18 75.00 5.10 5.4013 0.94421 69 65.151 61.52

swi1 swid1 swid21 id swi swid swid2 avd sd2 se2 536 796.511 3728.12 7 536 796.511 3728.12 1.48603 4.74716 0.066659 469 691.381 3563.16 6 . 269 660.209 3558.30 5 . 221 277.610 508.68 4 . 131 77.977 65.87 3 . 103 67.080 61.63 2 . 69 65.151 61.52 1 . chisq df p sdel2 low up sdbar flow fup 498.513 6 0 4.68051 -2.75433 5.72639 0.097584 1.29476 1.67729 经齐性检验结果显示P<0.000,采用随机效应模型计算可信区间结果std=1.48(-2.75,5.72) ,效应值可信区间包含了无效效应值零，故本研究经合并效应量不认为戒烟对肺功能FEV1%具有明显的改善作用。