第25章-Meta分析思考與練習(xí)參考答案

《第25章-Meta分析思考與練習(xí)參考答案》由會員分享，可在線閱讀，更多相關(guān)《第25章-Meta分析思考與練習(xí)參考答案（5頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、 第25章　Meta分析 思考與練習(xí)參考答案 一、 最佳選擇題 1. Meta分析中，如果異質(zhì)性檢驗不拒絕H0，一般采用（ A ）進行效應(yīng)合并。 A．隨機效應(yīng)模型 B. 固定效應(yīng)模型 C．混合效應(yīng)模型 D. 回歸模型 E. 貝葉斯模型 2. 關(guān)于meta分析，以下（ C ）說法不正確。 A．meta分析本質(zhì)上是一種觀察性研究，因而可能存在各種偏倚 B．meta分析是用定量的方法綜合同類研究結(jié)果的一種系統(tǒng)評價 C．采用隨機效應(yīng)模型能使meta分析的結(jié)果更加可靠 D．meta分析時，如果研究間異質(zhì)性很

2、大，應(yīng)認真考察異質(zhì)性的來源，并考慮這些研究的可合并性 E．亞組分析能使meta分析的結(jié)果更有針對性 3. 對連續(xù)型變量資料的meta分析，如果各納入研究的測量單位不同，應(yīng)采用（ A ）作為效應(yīng)合并指標(biāo)。 A．標(biāo)準(zhǔn)化均數(shù)差 B. 加權(quán)均數(shù)差 C．均數(shù)差 D. 標(biāo)準(zhǔn)化P值 E. 危險度差值 4. 異質(zhì)性檢驗采用的統(tǒng)計量是（ B ）。 A．F統(tǒng)計量 B. Q統(tǒng)計量 C．t統(tǒng)計量 D．H統(tǒng)計量 E. Z統(tǒng)計量 5. 關(guān)于發(fā)表偏移，以下說法（ C

3、 ）不正確。 A．通過漏斗圖可大致判斷是否存在發(fā)表偏倚 B．產(chǎn)生發(fā)表偏倚的主要原因是作者往往只把統(tǒng)計學(xué)上有意義的陽性研究結(jié)果拿來寫文章并投稿 C．若發(fā)表偏倚對meta分析的影響較大，則需要增加很多個研究，才能使meta分析的結(jié)果被逆轉(zhuǎn) D．盡量搜集未發(fā)表的陰性研究結(jié)果，可減少發(fā)表偏倚 E．漏斗圖的基本思想是納入研究效應(yīng)的精度隨著樣本含量的增加而增加 請預(yù)覽后下載！ 二、思考題 1. Meta分析的基本步驟有哪些？ 答：Meta分析的基本步驟包括：提出問題，制定研究計劃；檢索相關(guān)文獻；選擇符合要求的納入文獻；提取納入文獻的數(shù)據(jù)信息；納入研究的質(zhì)量評價；資料的統(tǒng)計學(xué)處理；敏

4、感性分析；結(jié)果的分析和討論。 2. Meta分析的目的和意義是什么？ 答：通過meta分析能增加統(tǒng)計功效，評價研究結(jié)果的一致性，增強結(jié)論的可靠性和客觀性，通過亞組分析，得出新結(jié)論，尋找新的假說和研究思路。 3. Meta分析時，固定效應(yīng)模型和隨機效應(yīng)模型有什么不同？如果研究間有異質(zhì)性，應(yīng)如何處理？ 答：Meta分析進行效應(yīng)合并時的變異可能來源于兩個部分，一是研究內(nèi)變異，二是研究間變異。采用固定效應(yīng)模型只考慮研究內(nèi)變異，即認為研究間的差別只是抽樣引起，納入meta分析的各個獨立研究來自一個相同的總體，各個獨立研究的效應(yīng)是效應(yīng)合并值這一總體參數(shù)的估計值。采用隨機效應(yīng)模型則同時考慮了

5、研究內(nèi)變異和研究間變異，即認為研究間的差異不僅僅是抽樣引起的，納入meta 分析的各個獨立研究分別來自不同但互有關(guān)聯(lián)的一些總體，每個研究有其相應(yīng)的總體參數(shù)，meta分析的效應(yīng)合并值是多個不同總體參數(shù)的加權(quán)平均。 Meta分析時，如果異質(zhì)性檢驗的結(jié)果不拒絕H0，即研究間的差異沒有統(tǒng)計學(xué)意義，可采用固定效應(yīng)模型得到效應(yīng)合并值。如果拒絕H0，則認為研究間存在異質(zhì)性，此時應(yīng)考察異質(zhì)性來源，并通過敏感性分析或亞組分析等異質(zhì)性處理方法，使之達到同質(zhì)后，再采用固定效應(yīng)模型。若經(jīng)異質(zhì)性分析和處理后，多個獨立研究的結(jié)果仍然不具有同質(zhì)性，可選擇隨機效應(yīng)模型、meta回歸及混合效應(yīng)模型進行效應(yīng)合并。如果異質(zhì)性很大

6、，應(yīng)考慮這些研究結(jié)果的可合并性，或放棄meta分析，只對結(jié)果進行定性分析。 4. Meta分析有哪些常見的偏倚？ 答：Meta分析本質(zhì)上是一種觀察性研究，在meta分析的各個步驟中均有可能產(chǎn)生偏倚。偏倚的存在對meta分析的結(jié)果產(chǎn)生較大影響。偏倚的類型主要包括文獻發(fā)表偏倚、文獻查找偏倚和文獻篩選偏倚。 請預(yù)覽后下載！ 三、計算題： 教材表25-9給出了20世紀(jì)70年代到80年代完成的有關(guān)阿司匹林降低心肌梗死后死亡風(fēng)險的7個臨床試驗的研究結(jié)果。試分別用固定效應(yīng)模型Peto法及隨機效應(yīng)模型D-L法進行效應(yīng)合并，給出效應(yīng)合并值的點估計及區(qū)間估計，并比較兩種方法得到的合并效應(yīng)值。

7、教材表25-9 阿司匹林降低心肌梗死后死亡風(fēng)險的7個隨機臨床試驗資料 研究 阿司匹林 安慰劑 死亡數(shù) 病例數(shù) 死亡數(shù) 病例數(shù) 1 49 615 67 624 2 44 758 64 771 3 102 832 126 850 4 32 317 38 309 5 85 810 52 406 6 246 2 267 219 2 257 7 1 570 8 587 1 720 8 600 解： （1）Peto法 1）異質(zhì)性檢驗

8、 H0：7個研究來自同一總體，即效應(yīng)的總體水平相同。 H1：7個研究來自不同總體，即效應(yīng)的總體水平不全相同。 由Peto法的異質(zhì)性檢驗公式計算統(tǒng)計量Q。 首先計算每個研究的期望Ei、方差Vi、優(yōu)勢比ORi以及處理組實際陽性數(shù)與期望之差Oi-Ei、(Oi-Vi)2/Vi，結(jié)果見練習(xí)表25-1。 本例df=6，c2(0.1,6)=10.6>10.1，P>0.1，不拒絕H0，即認為7個研究間異質(zhì)性不大，可以采用固定效應(yīng)模型。 2）計算合并OR及其95%CI 合并OR： 合并OR的95%CI： 請預(yù)覽后下載！ 3）合并的檢驗 H0： 合并=1。

9、 H1：合并1。 采用c2檢驗， df=1，c2(0.05,1)=3.64<10.8，P<0.05，拒絕H0，即阿司匹林能減少患者心肌梗死后死亡的風(fēng)險。 練習(xí)表25-1 阿司匹林預(yù)防心肌梗死后死亡的7個臨床試驗及meta分析(Peto法) 研究 阿司匹林 安慰劑 Ei Oi-Ei Vi ORi (Oi-Ei)2/Vi 死亡 病例 死亡 病例 1 49 615 67 624 57.6 -8.6 26.3 0.720 2.8 2 44 758 64 771 53.

10、5 -9.5 25.1 0.681 3.6 3 102 832 126 850 112.8 -10.4 49.3 0.803 2.4 4 32 317 38 309 35.4 -3.4 15.5 0.801 0.7 5 85 810 52 406 91.3 -6.3 27.1 0.798 1.5 6 246 2 267 219 2 257 233.0 13.0 104.3 1.133 1.6 7 1 570 8 5

11、87 1 720 8 600 1643.8 -73.8 665.1 0.895 8.2 合計 … … … … … -99.4 912.7 … 20.8 （2）D-L法 Peto法進行異質(zhì)性檢驗時，Q檢驗在界值附近，為保證結(jié)論的可靠，用D-L法進行效應(yīng)合并，比較效應(yīng)合并值的差異。 先求D值。計算OR、ln(OR)及權(quán)重wi，結(jié)果見練習(xí)表25-2。 請預(yù)覽后下載！ 由D值求wi*，，結(jié)果見練習(xí)表25-2。 合并OR及其95%為 =(0.77, 0.99) 比較一下固定效應(yīng)模型和隨機效應(yīng)模型的結(jié)果：OR合并值的點估計很接

12、近(分別為0.90和0.88)；95%的寬度，隨機效應(yīng)模型 (0.99-0.77=0.22)大于固定效應(yīng)模型(0.96-0.84=0.12)。因此，隨機效應(yīng)模型的結(jié)果趨向保守，但兩種方法得出的結(jié)論是一致的，即平均而言，阿司匹林能使心肌梗死的死亡風(fēng)險降低10%。 練習(xí)表25-2 阿司匹林預(yù)防心肌梗死后死亡的7個臨床試驗及Meta分析(D-L法) 研究 yi=ln(ORi) wi wi2 wi* wi*yi 1 -0.328 5 25.710 661.004 20.54 -6.747 2 -0.384 2 24.291 590.053 19.

13、63 -7.542 3 -0.219 4 48.801 2381.538 33.04 -7.219 4 -0.219 4 15.440 238.394 13.42 -2.944 5 -0.233 2 28.409 807.071 22.24 -5.186 6 0.124 9 103.985 10 812.880 51.58 -6.442 7 -0.110 9 663.923 44 0793.750 88.68 -9.835 合計 … 910.559 45 6284.690 249.13 -33.061 （周旭毓） （注：可編輯下載，若有不當(dāng)之處，請指正，謝謝!） 請預(yù)覽后下載！