Video在线视频

好 我们刚才花了一些时间

把我们做META的分析的时候

最常用到的三大类指标

做了一个简单的概括

希望同学们能够再去复习一下

把这些掌握了

这对于我们后续的学习非常重要

现在我们就开始正式讲解

META分析的森林图

在这里同学们可以看到两张图片

它们二者有什么区别呢

有同学一定发现了颜色不一样

对了上面这张图是蓝色的

它的效用量是Risk Ratio

就是RR值相对危险度

下面这张图绿色的它的效应值是

Mean Difference是均数差

这两张森林图

分别使用了不一样的统计量

第一张用RR值的是计数资料

第二张是计量资料

我们可以来首先看一下第一张图

上面这张图大家可以看到

它分为这几个结构

首先一条贯穿左右的横线

上面是它的表头

第一列是Study or Subqroup

代表的是什么

往下这一列所列的都是研究的名称

或者是亚组的名称

第二列又分为两小列

叫Experimental是实验组的干预措施

Events代表事件发生人数

Total代表是实验组的总人数

往后面这一大列叫Control

第一Control下面的两小列

第一列也是Events事件发生人数

第二列Total是它的总人数

我们拿第一个实验做例子

现在大家跟我看第一个研究

第一个研究实验组总人数为30人

对照组总人数也是30人

那么它们所不同的是

实验组中间有27例发生了结局

假设这个结局是痊愈的话

也就是说30个人有27人痊愈

那么在对照组中

就是30个人有22个人痊愈

这是一个原始研究

能够提供给我们的最基础的数据

好 我们再接着森林图看

下面那一列叫做Weiqht

在这里Weiqht指的是权重

我们可以看到

我们第一个META分析

纳入了四项研究

四项研究每一项研究

它们的权重都不一样

第一项研究它的权重是9.5%

那么大家可以看

四项研究它们的权重之和

加起来刚刚好是百分之百

我们来看数字的最后一列

第一项研究它的Risk Ratio

也就是它自己的RR值是1.23

后面的方括号代表的是它的95可信区间

它的估计值是1.23

95可信区间是0.96到1.57

也就是说真实的效应值

会有95%的概率

出现在这个范围之内

对应着第一排研究的所有数据

在这个表的最末尾

出现了一条横线

这条横线看起来还是很宽的

这条横线的上限和下限

分别对应了95%可信区间的那两个数字

既0.96和1.57

大家注意到0.96是比1小的数字

1.57是大于1的

我们知道相对危险度

是两个率的比值

那么1就可以作为一个界限

在我们森林图正中间的那一条纵线

它的横轴就落在1上

我们现在第一个研究

它压到了这条纵线

这条纵线我们把它叫做无效线

也就是研究1

它的研究结果横跨了无效线

说明组间比较统计学上没有显著性的差异

实验组和对照组

没有显著的统计学疗效上的差别

以此类推我们来可以分析

这个森林图里面

第二 三 四项研究

它们分别所获得的效用值

从森林图里面我们可以直观的

看到研究的结果

既研究二的横线没有压到无效线

既研究二的横线没有压到无效线

说明组间有显著性差异

而实验组的痊愈率更高

研究三擦边

研究四跨了横线

那么这四个研究

有两个研究说明

实验组对照组没有显著性差别

而有一个研究

认为它有显著性差别

另外一个研究是一个临界的

如果我们没有META分析

当我们看到这四个研究的时候

我们应该相信哪一个呢

这是一个不太好回答的问题

但是有了META分析

我们可以回忆我们上节课所讲的内容

它的一大功能就是增加样本量

并且基于此可以解决临床上的分歧意见

我们看在四条横线下面

有一个菱形

这个菱形就是汇总了上面四个研究

得到的汇总效应量

这个菱形它的宽度

实际上是代表了汇总效应量的

95%可信区间的宽度

它越宽代表估计的越不精确

越窄代表估计的就越精确

那么在上面这个图的图示里面

菱形没有压无效线

说明四个研究汇总之后

实验组的痊愈率

显著的高于对照组

那么有同学肯定现在心里在想

为什么上面这四条横线

中间的那个正方形的点

大小不一样呢

大家可以去看一下它们的权重

权重最大的研究

在这里面是第三项

那么它的点儿面积也就是最大的

这是森林图用来体现权重的一种方法

让我们可以一目了然的发现

哪一个研究所做的贡献

在我的汇总效应里面

所占的比例最大

那么这个森林图的最下方

提供了一些非常有用的信息

大家可以跟着我一起看

Total events是实验组总共发生了

170例治疗失败的患者

而对照组发生了123例治疗失败的患者

Heterogeneity就是它的异质性

异质性后面这一些效应量

是做META分析的一些基本的统计学指标

同学们需要知道的是

这里面的P值和它的i方值

P值在这里它的界限是0.10

小于0.10认为它有显著性的差异

大家注意这里的界限

并不是我们常规意义上的0.05

而i方在这里代表的是

异质性的直观体现

i方的大小是排除了机遇之外的

其他因素临床设计或者是统计因素

对于结果差异的影响

在这里i方等于0是最理想的状态

i方可以最高达到百分之百

当i方出现百分之百的时候

这就说明

纳入这一个META分析的研究异质性太大

因此不建议进行合并

那好在我们这个例子里面i方等于0

说明上述四个研究

它虽然数据上并不完全一样

但是除去基于以外

其他方面带来的异质性的影响

是非常小的等于0%

好 最后一行就叫Test for overall effect

指的是整个研究的它的P值

也就是实验组和对照组汇总之后

进行比较它的P值有多大

它的P值是0.0002小于0.05

说明实验组和对照组

有显著的统计学差别

好 这是我们对第一个图的解释

有了前面的这些解释

我们可以更好的理解第二个图

我们来简单的说一下

下面这张图是它的均数差

以均差为结局的指标的研究一共有三项

第一项研究它纳入了30例患者

在实验组中

而也是30例患者在对照组中

实验组的均数是3.26

它的标准差是1.53

对照组的均数是5.94

它的标准差是1.49

第一项研究所占的总权重是40.6%

那么两组相比

实验组比对照组

均数下降了2.68个单位

它的95%可信区间是负的3.52到负的1.84

全都小于0

它对应的META分析森林图的横线是第一条

这条横线没有压过无效线

提示组间有显著性的统计学差别

而实验组这一个指标的数值

明显低于对照组

那么大家一定在想

刚才上面的RR值的森林图

无效线对应的是1

而在下面这个森林图

均差的无效线对应值是0

这是为什么呢

因为均差是两个均数做差

当它们没有差别的时候

应该差值等于0

所以大家一定要注意

这个无效线所对应的横坐标不同的数值

在第二张图中三项研究

其中头两项研究

提示实验组比对照组数值更小

而第三个研究

提示两组没有显著的统计学差异

经过META分析汇总之后

发现菱形没有压无效线

落在了左边

提示汇总结果

显示实验组该指标的数值低于对照组

有统计学的显著性差异

该合并的i方等于9%

提示有很小的临床异质性

总的汇总效应量

组间比较P值为0.00001

提示统计学存在显著的差别

实验组数值明显的低于对照组

好 这是我们基于这两个模型

给同学们讲解了一下

森林图的一个基本解读方法

好 同学们

现在我们把前面的内容进行一下总结

我们常用的森林图

我们可以看到

这些图示是以统计学指标

和统计分析方法为基础的

用数值运算的结果把它绘制成图形

能够使得看起来更加直观

那么图中的每一条水平线

表示一个被纳入研究的结果效应量

及其可信区间

那么线中央的方块

代表研究结果效应的点估计值

而方块的大小

反映的该研究在META分析中间的权重

线段的长短分别代表了研究效应量的

百分之可信区间的宽窄

垂直线代表无效线

图中的菱形块

表示各个研究合并后的效应估计值

该估计值也有95%可信区间