导语:Meta分析的写作流程和要点分享。
对于许多Meta分析的初学者来说,首先要掌握的是meta分析的写作流程,一般来说,meta写作有其固定的写作流程:
1. 提出需要并可能解决的问题,制定研究计划
2. 检索相关文献
3. 确定纳入和排除标准,筛选文献
4. 评价纳入文献的质量
5. 提取纳入文献的数据
6. 数据的统计学处理
7. 异质性相关处理分析
8. 结果讨论与分析
每部分的写作也是有技巧而言的,这里小编分享一点meta分析写作时的干货:
选题方面
只有具有比较重要的临床意义的问题才适合作meta分析。一般而言,具有争议性的问题最适合做meta分析。通过汇总多个研究结果,得到总的更可靠的结论。同时选题还应该具有创新性,即国内外还没有人做过这方面的meta分析。选题大小要合适,太大纳入的研究太多,问题也不明确,研究难以完成。选题太小,纳入研究的文献太少,汇总证据缺乏说服力。一般而言,纳入研究的文献以10-30篇比较适合做meta分析。
文献检索方面
制定合适的检索词立求全面检索相关文章。制定合适的纳入排除标准。
纳入标准:各研究假设和研究方法相似;有研究开展或发表的年限;各研究对样本大小有明确规定;各研究中患者的选择和病例的诊断及其分期有明确标准,干预和对照的措施明确;计数资料可提供OR/RR或由样本例数和发病例数计算得之,计量资料可提供均数、标准差和样本量。
排除标准:重复报告;存在研究设计缺陷,质量差;数据不完整、结局效应不明确;统计方法错误且无法修正;计数资料无法提供OR/RR、样本例数和发病例数,计量资料无法提供均数、标准差和样本量。
数据的统计学处理方面
效应量的选择——计量资料:WMD;计数资料:OR/RR
异质性检验——基本思想:假设研究资料间的真实效应量一致,则实际效应量间的差异可认为由抽样误差造成的;但若效应量间的差异过大,超出了抽样误差所能解释的范围,则应考虑异质性。
效应尺度的参数估计——固定效应模型(P>α),Inverse-variance法(倒方差加权法);随机效应模型(P<α),在Inverse-variance法基础上,采用DerSimonian-Laird法,引入校正因子对固定效应模型中的权重进行校正后再计算效应尺度及其95%CI。
若效应尺度的95%CI包含0(计量资料)或1(计数资料),则表明其与0或1的差异无统计学意义,即试验组和对照组的差异无统计学意义。否则,表明试验组和对照组的差异有统计学意义。