Meta分析——概述

                                                               META分析第一课

本学期我加入了学校和附属医院合办的医学研究协会,这个组织主要负责将医院和学校联系起来,让学生参与到医生的课题当中,培养科研能力,提前接触科研相关内容,为后期进一步学习做铺垫。

协会招生完毕后第一周,执行会长就为我们提供了meta分析的学习资料,并告诉我们协会每周会组织一次学习,希望大家抓住机会。这一点让我惊喜万分,因为很久之前就想学习meta分析了,但拖延癌晚期,买来的资料堆在书架上积了一指厚的灰,学习起来一点动力也没有。

有了协会的带动,应该会容易坚持一些,学习也不会那么枯燥了吧。果然,打开ppt和学习视频,我的注意力自始至终都没有分散过。下面对学习内容进行一个简单记录。

一、Meta分析概述

1.起源与发展(不重要)

Meta分析的前身源于Fisher1920年“合并P值”的思想;1955年由Beecher首次提出初步的概念;1976年心理学家Glass进一步按照其思想发展为“合并统计量”,称之为Meta分析。

2.概念

Meta分析是一种对单独的研究结果进行统计分析的方法,对研究结果间差异的来源进行检验,并对具有相似性的结果进行定量合成。

3.Meta分析的目的

1)增加统计学检验效能。单个研究结果往往因为样本量小而不能说明问题,而meta分析对多个相似研究进行定量合成,可以扩大样本量,提高检验效能。但要注意所研究的对象必须具有相似性。

2)定量估计研究效应。Meta分析可以对同类研究进行定量分析,结论更明确。

3)发现既往研究的不足之处,提出新的研究方向或临床决策指导。

4.Meta分析的步骤

1)选题。一个好的开始决定了文章的质量,关于选题我会在下一篇文章中简单描述。

2)文献检索。前面提到Meta分析需要对同类研究进行分析,要找到合适的研究,我们必须选择大量的高质量文献,这需要作者有足够的文献检索能力,常用的几个文献检索网站有:Google学术、Pubmed、Cochrane Library等。

3)文献纳入和排除。检索文献之后还要根据纳入与排除标准对检索到的文献进行一个选择,以确保选用的文献是合格的。这也是meta分析中最难的一部分,具体的纳入标准要根据研究目的和专业意义来确定。

4)文献质量评价。此步骤是对纳入研究的文献进行质量评价,文献质量决定了meta分析结果的质量,如果选用的文章都是高质量的,那么meta分析结果自然让人信服,也具有参考意义;但若是纳入文献质量均比较低,则进行meta分析的意义不大。用于评价文献质量的方法很多,大多是针对某一特定研究类型而设计的。

5)提取数据信息。主要是对原文的样本含量、研究对象特征、干预措施、结果数据、图表等进行提取,放在提前制定好的信息表中。

6)异质性分析。狭义的异质性是指统计学异质性,用来描述一系列研究中效应量的变异程度,也表明除可预见的偶然机会外的研究间存在的差异。其实就是把所有文献的效应值放在一起进行异质性分析,若同质性较好,采用固定效应模型分析;若存在明显异质性,应使用随机效应模型。关于异质性检验,后面会继续学习。

7)效应量指标的选择。在你的分析中应选择哪些指标来描述分析结果呢?比如RR、OR等。

8)发表偏倚分析。Meta分析中常见的误差是发表偏倚,一般阳性结果比阴性结果更容易发表,这就导致结果的歪曲,必须对你的文章进行发表偏倚分析以说明结果的可靠性。

二、系统评价概述

1.概念

系统评价是针对某一具体问题的所有相关研究,运用限制偏移的策略进行严格评价和综合,包括定性评价和定量评价。

系统评价强调收集全世界所有已发表和未发表的研究,包括具有固定格式的Cochrane系统评价和非Cochrane系统评价。

2.系统评价与meta分析的关系


图片来源于简书

系统评价不一定使用meta分析

总结一下,今天主要学习了meta分析的定义、步骤以及与系统评价的关系。

继续加油,持续打卡,Duang!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,009评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,808评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,891评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,283评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,285评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,409评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,809评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,487评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,680评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,499评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,548评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,268评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,815评论 3 304
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,872评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,102评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,683评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,253评论 2 341

推荐阅读更多精彩内容