SPSSAU-在線SPSS分析軟件

與連續(xù)性數(shù)據(jù)或者二分類數(shù)據(jù)進(jìn)行Meta分析類似，單個(gè)率Meta分析是對(duì)比率,比如死亡率，感染率等原始文獻(xiàn)資料數(shù)據(jù)進(jìn)行綜合評(píng)價(jià)。其分析與解析與連續(xù)性數(shù)據(jù)或者二分類數(shù)據(jù)類似。

單個(gè)率Meta薈萃分析案例

1 背景

當(dāng)前有五篇文獻(xiàn)進(jìn)行隨機(jī)對(duì)照實(shí)驗(yàn)，數(shù)據(jù)如下：包括文獻(xiàn)名稱（Study）、事件數(shù)和各文獻(xiàn)的研究總樣本量，由于案例不進(jìn)行亞組分析（或Meta回歸），因而沒(méi)有放入Subgroup，或協(xié)變量數(shù)據(jù)，如下圖所示：

2 理論

Meta分析時(shí)涉及較多的專業(yè)名詞和分析步驟，具體可見(jiàn)連續(xù)性數(shù)據(jù)或者二分類數(shù)據(jù)幫助手冊(cè)。

單個(gè)率Meta分析時(shí)，SPSSAU默認(rèn)提供IV倒方差法進(jìn)行效應(yīng)量計(jì)算，并且提供單個(gè)率連續(xù)校正方式，當(dāng)率的比例非常小（接近于0）或者非常大（接近于1）時(shí)，建議使用連續(xù)校正法，SPSSAU提供Logit校正和Log校正兩種方式，通常使用Logit校正較多。連續(xù)校正是指對(duì)原始率效應(yīng)量進(jìn)行轉(zhuǎn)換成新的效應(yīng)數(shù)字然后進(jìn)行計(jì)算，待計(jì)算完成后會(huì)自動(dòng)逆轉(zhuǎn)換回去。Logit校正時(shí)，其公式為ESnew=ln(ES/(1-ES))，ln指取對(duì)數(shù)，ES指率效應(yīng)量，ESnew指轉(zhuǎn)換后的新效應(yīng)值；如果是Log校正，其轉(zhuǎn)換公式為：ESnew=ln(ES)。另外，在進(jìn)行計(jì)算時(shí)，如果出現(xiàn)率為0，即事件為0時(shí)，此時(shí)會(huì)自動(dòng)加入0.5后進(jìn)行計(jì)算，但在后續(xù)時(shí)會(huì)逆轉(zhuǎn)處理。

與此同時(shí)，單個(gè)率Meta分析時(shí)的分析步驟也與其它Meta分析類似，建議查閱連續(xù)性數(shù)據(jù)或者二分類數(shù)據(jù)幫助手冊(cè)。

3 操作

本例子中操作截圖如下：

4 SPSSAU輸出結(jié)果

Meta模型一共輸出7個(gè)表格和5個(gè)圖，說(shuō)明如下：

另需要提示的是：

• 如果有提供‘subgroup亞組’數(shù)據(jù)，那么系統(tǒng)自動(dòng)會(huì)進(jìn)行亞組分析，其會(huì)改變森林圖/效應(yīng)量表格結(jié)果等；

• 如果有提供協(xié)變量數(shù)據(jù)，并且要求進(jìn)行Meta回歸，那么系統(tǒng)還會(huì)提供Meta回歸結(jié)果，以及Meta回歸后的異質(zhì)性指標(biāo)信息等。

5文字分析

上表格展示單個(gè)率Meta分析的基本配置參數(shù)信息，上表格中研究個(gè)數(shù)k值是指研究文獻(xiàn)數(shù)量，本案例僅為5個(gè)較少。除此之外，tau2估計(jì)方法即指Meta分析模型估計(jì)方法，在異質(zhì)性檢驗(yàn)表格中會(huì)展示tau2值。Hartung and knapp調(diào)整參數(shù)選中后，‘合并效應(yīng)’的95%置信區(qū)間會(huì)改變，該參數(shù)是對(duì)合并效應(yīng)置信區(qū)間的校正，與此同時(shí)，其會(huì)對(duì)下述的z檢驗(yàn)（檢驗(yàn)率是否為0的檢驗(yàn)）產(chǎn)生影響。

上表格展示效應(yīng)量率的結(jié)果，并且展示各文獻(xiàn)對(duì)于‘合并效應(yīng)’的貢獻(xiàn)情況即權(quán)重值，權(quán)重越大意味著該文獻(xiàn)對(duì)于Meta合并效應(yīng)的貢獻(xiàn)越大，即該文獻(xiàn)對(duì)于合并效應(yīng)的影響力度越大。本案例共5篇文獻(xiàn)，其中“ATBC 2011”這篇文獻(xiàn)的權(quán)重最低僅為8.215%，合并效應(yīng)為0.443即44.3%的率，明顯偏離0（z=21.041, p=0.000）,此處z檢驗(yàn)意義較小，因?yàn)樽畹吐识际菑?起，僅展示該指標(biāo)值。

合并效應(yīng)是關(guān)鍵結(jié)果，但需要說(shuō)明的是，Meta分析還需要確?！愘|(zhì)性問(wèn)題’，‘發(fā)表偏倚問(wèn)題’等均通過(guò)科學(xué)論證之后，才能認(rèn)為該結(jié)果具有科學(xué)性，即還需要有下要這的異質(zhì)性檢驗(yàn)和發(fā)表偏倚檢驗(yàn)等，并且一般還需要通過(guò)敏感性檢驗(yàn)。

森林圖直觀展示Meta分析結(jié)果，森林圖中包括信息為：各文獻(xiàn)的效應(yīng)量及其95%置信區(qū)間，各文獻(xiàn)的權(quán)重信息，以及異值性檢驗(yàn)關(guān)鍵指標(biāo)結(jié)果（tau2值，I2值，Q檢驗(yàn)），并且展示z檢驗(yàn)結(jié)果（檢驗(yàn)合并效應(yīng)率是否為0的檢驗(yàn)）。森林圖中中間部分可視化展示效應(yīng)量及其置信區(qū)間，以及中間部分黑色矩陣的大小表示權(quán)重相對(duì)大小。菱形為合并效應(yīng)及其95%置信區(qū)間的展示，如果菱形越小，則意味著合并效應(yīng)的置信區(qū)間越小。中間豎著虛線表示合并效應(yīng)大小。

從森林圖可以看到，‘ATBC 2011’這篇文獻(xiàn)的95%置信區(qū)間較寬，其權(quán)重值較低為8.21%，合并效應(yīng)值為0.44。至于森林圖中的異質(zhì)性檢驗(yàn)結(jié)果等，其在‘異質(zhì)性檢驗(yàn)’表格中也有呈現(xiàn)。并且從森林圖整體來(lái)看，5篇文獻(xiàn)的效應(yīng)量有一定的偏差。

異質(zhì)性檢驗(yàn)有多種方式，包括：Q檢驗(yàn)，I2值判斷，H值判斷等。通常情況下Q檢驗(yàn)時(shí)p值>0.1，即說(shuō)明無(wú)異質(zhì)性（即同質(zhì)性）；I2指標(biāo)衡量組間異質(zhì)性的占比情況，通常I2大于50%時(shí)認(rèn)為異質(zhì)性較高，I2大于75%時(shí)認(rèn)為異質(zhì)性過(guò)高；通常H值大于1.5則說(shuō)明存在異質(zhì)性，H值小于1.2說(shuō)明不存在異質(zhì)性問(wèn)題，如果H介于1.2 ~ 1.5之間時(shí)，如果95%區(qū)間包括1說(shuō)明沒(méi)有異質(zhì)性，反之說(shuō)明具有異質(zhì)性。

從上表格可以看到：Q檢驗(yàn)顯示p值=0.759>0.1，意味著沒(méi)有異質(zhì)性問(wèn)題，并且I2為0則H值為1，進(jìn)一步說(shuō)明沒(méi)有異質(zhì)性問(wèn)題。假設(shè)出現(xiàn)異質(zhì)性問(wèn)題時(shí)，處理方式有兩種，最常見(jiàn)是使用隨機(jī)效應(yīng)（本次案例直接就使用隨機(jī)效應(yīng)），與此同時(shí)，還可以進(jìn)一步深入探索和分析具體異質(zhì)性問(wèn)題所在，處理掉導(dǎo)致出現(xiàn)異質(zhì)性的文獻(xiàn)后，再次進(jìn)行分析等。進(jìn)一步深入探索異質(zhì)性問(wèn)題，則需要使用亞組Subgroup分析和Meta回歸分析等，本案例不進(jìn)一步深究。當(dāng)然如果沒(méi)有異質(zhì)性問(wèn)題可直接使用固定效應(yīng)就好。

上表格中還包括tau2值 和H2值，tau2表示效應(yīng)量的離散異質(zhì)程度，其一般使用D-L法或REML法進(jìn)行估計(jì)，其為隨機(jī)效應(yīng)時(shí)輸出指標(biāo)值，該值越大表示組間異質(zhì)性越大，該值涉及隨機(jī)效應(yīng)計(jì)算的底層方式，但該值無(wú)法進(jìn)行相對(duì)大小對(duì)比，通常在森林圖中進(jìn)行展示即可。與此同時(shí)，H2值表示總變異除以組內(nèi)變異，其為H的平方，H和H2越大意味著異質(zhì)性越高。

Meta分析時(shí)還有個(gè)關(guān)鍵問(wèn)題是發(fā)表偏倚。有較多的方式可進(jìn)行發(fā)表偏倚的查看和檢驗(yàn)等，SPSSAU提供Egger檢驗(yàn)和Begg檢驗(yàn)，漏斗圖和Trim剪補(bǔ)法。

Egger檢驗(yàn)時(shí)p值大于0.05，則認(rèn)為不存在發(fā)表偏倚，反之說(shuō)明可能存在發(fā)表偏倚；Begg檢驗(yàn)時(shí)p值大于0.05，則認(rèn)為不存在發(fā)表偏倚，反之說(shuō)明可能存在發(fā)表偏倚。通常情況下，研究文獻(xiàn)數(shù)量較少時(shí)可能更偏向于使用Begg檢驗(yàn)，以及當(dāng)研究數(shù)量較少時(shí)（通常小于10時(shí)認(rèn)為較少），使用Egger檢驗(yàn)或Begg檢驗(yàn)均不能很好地對(duì)發(fā)表偏倚進(jìn)行檢驗(yàn)，因而可使用漏斗圖這種直觀式方式進(jìn)行查看發(fā)表偏倚問(wèn)題。本案例時(shí)顯示通過(guò)Egger檢驗(yàn)和Begg檢驗(yàn)，意味著并沒(méi)有發(fā)表偏倚問(wèn)題，當(dāng)然也直觀查看漏斗圖情況。

漏斗圖時(shí)，橫坐標(biāo)為效應(yīng)量（本案例為率值），縱坐標(biāo)為標(biāo)準(zhǔn)誤差值（并且縱坐標(biāo)進(jìn)行逆向），如果說(shuō)各散點(diǎn)介于漏斗內(nèi)兩側(cè)并且基本上呈現(xiàn)出對(duì)稱狀態(tài)，那么意味著沒(méi)有發(fā)表偏倚問(wèn)題。上圖顯示5個(gè)研究文獻(xiàn)散點(diǎn)均在漏斗內(nèi)側(cè)并且對(duì)稱，因而直觀上看數(shù)據(jù)并沒(méi)有發(fā)表偏倚問(wèn)題。與此同時(shí)，當(dāng)研究資料出現(xiàn)發(fā)表偏倚問(wèn)題時(shí)，還可使用Trim剪補(bǔ)法進(jìn)行正‘合并效應(yīng)’值。

Trim剪補(bǔ)法時(shí)剪去漏斗圖中不對(duì)稱項(xiàng)，并且沿漏斗圖中心兩側(cè)填補(bǔ)上被剪切部分，并且基于剪補(bǔ)后數(shù)據(jù)重新進(jìn)行效應(yīng)量計(jì)算，以校正異質(zhì)性問(wèn)題帶來(lái)的效應(yīng)量偏差。上表格中列出的第1行為真實(shí)數(shù)據(jù)結(jié)果，第2行為填補(bǔ)后的校正數(shù)據(jù)結(jié)果；如果兩行結(jié)果完全一致，則意味著并沒(méi)有進(jìn)行填補(bǔ)處理。本次案例進(jìn)行Trim剪補(bǔ)法后，并沒(méi)有填補(bǔ)項(xiàng)，因而剪補(bǔ)前和剪補(bǔ)后結(jié)果完全一致，這也進(jìn)一步說(shuō)明并沒(méi)有發(fā)表偏倚問(wèn)題，與此同時(shí)，SPSSAU提供Trim剪補(bǔ)后的漏斗圖（由于剪補(bǔ)前和剪補(bǔ)后完全一致，因而漏斗圖也完全一致）。

敏感性檢驗(yàn)表格使用逐一剔除檢驗(yàn)法進(jìn)行研究。每行表示移除該項(xiàng)后剩余項(xiàng)的meta合并效應(yīng)量結(jié)果，效應(yīng)量率是否為0的z檢驗(yàn)結(jié)果及I2指標(biāo)值；比如第1行表示如果不納入‘Hartman 2008’這篇文獻(xiàn)數(shù)據(jù)，余下4篇文獻(xiàn)進(jìn)行Meta分析的合并效應(yīng)結(jié)果等。另外，表格最后一行展示所有研究的合并效應(yīng)結(jié)果；

綜合上表格來(lái)看，任意移除一篇文獻(xiàn)資料時(shí)，I2值均為0%，意味著該文獻(xiàn)移除后無(wú)論如何均不存在異質(zhì)性問(wèn)題，并且移除各文獻(xiàn)后，率的變化非常小，基本均還是在0.45左右，意味著通過(guò)敏感性檢驗(yàn)。

與此同時(shí)，還可使用森林圖直觀展示敏感性檢驗(yàn)結(jié)果，如下圖中可以看到，逐一移除單獨(dú)一篇文獻(xiàn)后，合并效應(yīng)并沒(méi)有發(fā)表非常明顯的改變，因而也意味著本案例數(shù)據(jù)通過(guò)敏感性檢驗(yàn)，合并效應(yīng)結(jié)果具有良好的穩(wěn)健性。

累積效應(yīng)結(jié)果展示逐一納入新的研究后的效應(yīng)量、95%置信區(qū)間及效應(yīng)率值是否為0的z檢驗(yàn)結(jié)果和I2等； SPSSAU中進(jìn)行累積效應(yīng)時(shí)，默認(rèn)自上而下不停地納入文獻(xiàn)，如果需要改變順序，那么可通過(guò)修改放入的原始數(shù)據(jù)順序進(jìn)行改變。

下面森林圖是累積效應(yīng)的可視化呈現(xiàn)結(jié)果。

6 剖析

Meta分析涉及以下幾個(gè)關(guān)鍵點(diǎn)，分別如下：

• Meta分析通常關(guān)注三項(xiàng)內(nèi)容，分別是異質(zhì)性問(wèn)題，發(fā)表偏倚問(wèn)題和穩(wěn)健性問(wèn)題；異質(zhì)性問(wèn)題具有多個(gè)檢驗(yàn)指標(biāo)，有時(shí)候可能出現(xiàn)不一致結(jié)論，建議綜合進(jìn)行決擇判斷，類似地，發(fā)表偏倚也有多種檢驗(yàn)和查看方式，通常使用漏斗圖查看和分析即可，Meta敏感性檢驗(yàn)常用逐一剔除法。

• 單個(gè)率Meta分析時(shí)，如果資料數(shù)據(jù)中有任意一項(xiàng)率接近于0，或者接近于1，此時(shí)建議使用連續(xù)校正法，一般使用Logit轉(zhuǎn)換或者Log轉(zhuǎn)換均可，使用Logit轉(zhuǎn)換相對(duì)較多。

疑難解惑

• 連續(xù)校正是什么意思？

連續(xù)校正是指對(duì)原始率效應(yīng)量進(jìn)行轉(zhuǎn)換成新的效應(yīng)數(shù)字然后進(jìn)行計(jì)算，待計(jì)算完成后會(huì)自動(dòng)逆轉(zhuǎn)換回去。Logit校正時(shí)，其公式為ESnew=ln(ES/(1-ES))，ln指取對(duì)數(shù)，ES指率效應(yīng)量，ESnew指轉(zhuǎn)換后的新效應(yīng)值；如果是Log校正，其轉(zhuǎn)換公式為：ESnew=ln(ES)。

• 如果不滿足異質(zhì)性檢驗(yàn)時(shí)如何辦？

如果基本沒(méi)有異質(zhì)性問(wèn)題，那么建議使用固定效應(yīng)即可，當(dāng)然此時(shí)使用隨機(jī)效應(yīng)也可以；如果說(shuō)異質(zhì)性問(wèn)題不太嚴(yán)重，那么直接使用隨機(jī)效應(yīng)模型即可；如果說(shuō)異質(zhì)性問(wèn)題非常嚴(yán)重，建議進(jìn)一步查看導(dǎo)致異質(zhì)性問(wèn)題的原因并且處理后分析使用。

• 如果不滿足發(fā)表偏倚怎么辦？

如果漏斗圖發(fā)表散點(diǎn)不在漏斗內(nèi)側(cè)并且明顯不對(duì)稱，那么建議使用剪補(bǔ)法，并且最終使用修正后的合并效應(yīng)結(jié)果。當(dāng)然也可找出導(dǎo)致不對(duì)稱的文獻(xiàn)，并且移除該文獻(xiàn)后再次分析。

• 如果沒(méi)有通過(guò)敏感性檢驗(yàn)怎么辦？

SPSSAU中，敏感性檢驗(yàn)使用逐一剔除法，綜合對(duì)比和分析結(jié)論上的變化等。當(dāng)然還可以有其它處理方法，比如一次性剔除兩篇文獻(xiàn)等，建議綜合對(duì)比決擇等。如果剔除某一文獻(xiàn)后合并效應(yīng)發(fā)表非常明顯的變化，可考慮將該文獻(xiàn)不納入分析范圍。