在Meta分析匯總的結(jié)果中，最常見的兩個(gè)圖形就是森林圖和漏斗圖，但是筆者發(fā)現(xiàn)在實(shí)際的運(yùn)用中，經(jīng)常有人誤讀和誤用這兩個(gè)圖形，從今天起，我講具體介紹一下這兩個(gè)圖形的解讀。

1.森林圖的定義：

森林圖是以統(tǒng)計(jì)指標(biāo)和統(tǒng)計(jì)分析方法為基礎(chǔ)，用數(shù)值運(yùn)算結(jié)果繪制出的圖型。它在平面直角坐標(biāo)系中，以一條垂直的無效線(橫坐標(biāo)刻度為1或0)為中心，用平行于橫軸的多條線段描述了每個(gè)被納入研究的效應(yīng)量和可信區(qū)間，用一個(gè)棱形(或其它圖形)描述了多個(gè)研究合并的效應(yīng)量及可信區(qū)間。它非常簡(jiǎn)單和直觀地描述了Meta分析的統(tǒng)計(jì)結(jié)果，是Meta分析中最常用的結(jié)果表達(dá)形式。

2.分類變量中的森林圖

當(dāng)某研究RR(OR,RD)的95％CI包含了1，即在森林圖中其95％CI的橫線與無效豎線相交時(shí)，可認(rèn)為試驗(yàn)組發(fā)生率與對(duì)照組發(fā)生率相等，試驗(yàn)因素?zé)o效。

當(dāng)某研究RR(OR,RD)的95％CI上下限均>1，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線右側(cè)時(shí)，可認(rèn)為試驗(yàn)組的發(fā)生率大于對(duì)照組的發(fā)生率，若研究者所研究的事件是不利事件(如發(fā)病、患病、死亡等)時(shí)，試驗(yàn)組的試驗(yàn)因素會(huì)增加該不利事件的發(fā)生，試驗(yàn)因素為有害因素(危險(xiǎn)因素)；若研究者所研究的事件是有益事件(如有效、緩解、生存等)時(shí)，試驗(yàn)因素會(huì)增加該有益事件的發(fā)生，試驗(yàn)因素為有益因素。

當(dāng)某研究的95％CI上下限均小于1，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線左側(cè)時(shí)，可認(rèn)為試驗(yàn)組的發(fā)生率小于對(duì)照組的發(fā)生率，若研究者所研究的事件是不利事件(如發(fā)病、患病、死亡等)時(shí)，試驗(yàn)組的試驗(yàn)因素會(huì)減少該不利事件的發(fā)生，試驗(yàn)因素為有益因素(保護(hù)因素)；若研究者所研究的事件是有益事件(如有效、緩解、生存等)時(shí)，試驗(yàn)因素會(huì)減少該有益事件的發(fā)生，試驗(yàn)因素為有害因素。

2 連續(xù)性變量的森林圖

當(dāng)某研究的95％CI包含了0，即在森林圖中其95％CI橫線與無效豎線(橫坐標(biāo)刻度為0)相交時(shí)，可認(rèn)為試驗(yàn)組某指標(biāo)的均數(shù)與對(duì)照組相等，試驗(yàn)因素?zé)o效。

當(dāng)某研究的95％CI上下限均大于0，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線右側(cè)時(shí)，可認(rèn)為試驗(yàn)組某指標(biāo)的均數(shù)大于對(duì)照組，若研究者所研究的指標(biāo)是不利事件時(shí)，試驗(yàn)因素為有害因素(危險(xiǎn)因素)；若研究者所研究的事件是有益事件時(shí)，試驗(yàn)因素為有益因素。

當(dāng)某研究的95％CI上下限均小于0，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線左側(cè)時(shí)，可認(rèn)為試驗(yàn)組某指標(biāo)的均數(shù)小于對(duì)照組，若研究者所研究的指標(biāo)是不利事件時(shí)，試驗(yàn)因素為有益因素(保護(hù)因素)；若研究者所研究的事件是有益事件時(shí)，試驗(yàn)因素為有害因素。

例如：下面的數(shù)據(jù)為R軟件中自帶的一個(gè)二分類數(shù)據(jù)，F(xiàn)leiss93，阿司匹林預(yù)防心肌梗死的一個(gè)實(shí)驗(yàn)，其中研究的結(jié)局事件是死亡，結(jié)果如下圖所示，我們發(fā)現(xiàn)結(jié)果落在了無效線的左側(cè)，證明實(shí)驗(yàn)組的發(fā)生率小于對(duì)照組，也就是說，死亡率阿司匹林組不如對(duì)照組，因此可以認(rèn)為阿司匹林對(duì)心肌梗死來說是一個(gè)保護(hù)因素。

3.RevMan繪制的森林圖

RevMan繪制的森林圖，系統(tǒng)默認(rèn)的研究事件是“不利事件”，如發(fā)病、患病、死亡等，即系統(tǒng)默認(rèn)森林圖橫坐標(biāo)的左側(cè)為“favours treatment”，其橫坐標(biāo)的右側(cè)為“favours control”也就是說，無論是二值變量的指標(biāo)OR或RR，還是連續(xù)變量的指標(biāo)WMD或SMD，RevMan繪制的森林圖，只要其系統(tǒng)默認(rèn)某個(gè)研究的95％CI的橫線不與森林圖的無效線相交且落在無效線左側(cè)，可認(rèn)為試驗(yàn)組的試驗(yàn)因素會(huì)減少不利事件的發(fā)生，試驗(yàn)因素為有益因素(保護(hù)因素)，即試驗(yàn)因素有效。

如圖1，表示某種手術(shù)并發(fā)癥的發(fā)生率。并發(fā)癥的發(fā)生率是不利事件，落在了左側(cè)，不利于并發(fā)癥的發(fā)生，因此是保護(hù)因素。

但是，當(dāng)研究的事件是“有利事件”(如生存率等)時(shí)，若需要在RevMan中繪制森林圖，則應(yīng)修改其系統(tǒng)默認(rèn)值，即將橫坐標(biāo)的左側(cè)修改為“favours control”，將橫坐標(biāo)的右側(cè)修改為”favours treatment”。否則，采用系統(tǒng)默認(rèn)值的森林圖是錯(cuò)誤的。圖2 研究的事件是生存率，從結(jié)果中我們發(fā)現(xiàn)OR=1.35,95%CI: 1.15- 1.60，差異有統(tǒng)計(jì)學(xué)意義，認(rèn)為實(shí)驗(yàn)組的發(fā)生率高于對(duì)照組的，但是在森林圖中，我們發(fā)現(xiàn)點(diǎn)估計(jì)值，落在了右側(cè)，顯示應(yīng)該是對(duì)照組的OR值大，顯然與實(shí)際是不相符合的，因此我們應(yīng)該糾正。如圖3，是正確的森林圖。

4.其它類型的森林圖

累積森林圖

傳統(tǒng)Meta分析只在某個(gè)時(shí)點(diǎn)進(jìn)行一次綜合分析，而累積Meta分析可以對(duì)各時(shí)點(diǎn)情況進(jìn)行分析，按一定順序排列累積Meta分析的結(jié)果，結(jié)合圖示可以進(jìn)一步反映研究結(jié)果的動(dòng)態(tài)變化趨勢(shì)，有助于盡早發(fā)現(xiàn)有統(tǒng)計(jì)學(xué)意義的干預(yù)措施：并且可用于評(píng)估各研究對(duì)綜合結(jié)果的影響。

例如，R軟件中自帶的數(shù)據(jù)進(jìn)行累積Meta分析(Fleiss93)，如圖1。

圖形解釋：①按年代先后順序累積分析后，RR點(diǎn)估計(jì)值及可信區(qū)間趨于穩(wěn)定且有較好的變化趨勢(shì)：②在選定檢驗(yàn)標(biāo)準(zhǔn)下，可發(fā)現(xiàn)最初證實(shí)療效具有統(tǒng)計(jì)學(xué)意義的時(shí)間為1976年；③大型研究(ISIS-2)加入進(jìn)來后，對(duì)結(jié)果產(chǎn)生了徹底影響，不僅僅縮窄了可信區(qū)間的范圍．增加了總體療效估計(jì)的準(zhǔn)確性，也使得結(jié)果有意義。

敏感性分析的森林圖

前面介紹過敏感性分析，在這里不詳述，舉一個(gè)R軟件自帶數(shù)據(jù)的例子(Fleiss93)，展示一下敏感性分析的森林圖，如圖2。

圖形解釋：總體的結(jié)果有統(tǒng)計(jì)學(xué)差異，但是當(dāng)去掉ISIS-2這個(gè)研究的時(shí)候，我們發(fā)現(xiàn)總體的RR變得沒有意義(RR=0.91,95%CI=0.82-0.91),證明我們的結(jié)果是不穩(wěn)定的，我們應(yīng)該重點(diǎn)討論一下次結(jié)果，尤其是ISIS-2這個(gè)研究。

亞組分析的森林圖

? ? ? ? 此類森林圖和普通森林圖實(shí)際上沒有什么區(qū)別，只是根據(jù)我們的分組的一些因素(地區(qū)、性別等)，把我們的研究分成了不同的亞組，然后分別進(jìn)行探討。我們也舉一個(gè)R軟件自帶數(shù)據(jù)的例子(Fleiss93cont)，展示一下亞組分析的森林圖，如圖3。

圖形解釋：總體的結(jié)果有差異性(固定效應(yīng)模型)，以地區(qū)亞洲和歐洲做亞組分析。在亞組分析，歐洲組的有統(tǒng)計(jì)學(xué)差異，然而亞洲組并沒有統(tǒng)計(jì)學(xué)差異。

（轉(zhuǎn)自360圖書館 ）

（?炬業(yè)烽曇?http://www.360doc.com/content/17/1210/12/50665408_711778485.shtml）