Meta系列 | (三)异质性
发布网友
共1个回答
热心网友
在进行Meta分析时，了解研究间的异质性是关键。异质性是指研究间真实效应值的差异程度。随机效应模型假设异质性来源于真实效应的不同，通过tau方量化这一差异。然而，孤立地看待汇总后的效应值意义有限，高异质性可能暗示着研究间存在不同的亚组效应。本文将介绍异质性的测量工具与解释方法。
基线或研究设计的异质性指不同研究的总体或设计存在差异，例如研究苹果与研究橙子。这可以通过合理的PICO设置减少，以确保纳入的研究具有相似性。统计异质性则是指研究间效应值的差异，受纳入研究的精度和准确度影响。设计异质性也可能导致统计异质性。
Q统计量评估异质性，通过计算每个效应值与总效应值差异的加权平方和。权重基于研究方差的倒数，更精确的研究有更大权重。Q值越高，表明异质性越大。Q检验用于检验变异是否超出预期，I方和H方基于此。I方定义为不是抽样误差引起的变异百分比，H方表示研究间差异的量度。
tau方衡量真实效应值的方差，提供真实效应范围的估计。解释异质性时，使用I方和预测区间是推荐的做法。I方对样本量不敏感，易于理解，但受研究精度影响。预测区间提供未来研究效果的预期范围。
评估异质性时，需使用多种工具，如异常值和影响分析。基本异常值移除方法是检查研究的置信区间与合并效应置信区间是否重叠。使用dmetar包的find.outliers函数自动化这一过程。排除异常值后，异质性显著降低。影响分析则评估特定研究对合并效应值的影响。Baujat图显示研究对异质性贡献和对效应值的影响。影响诊断提供衡量研究影响度量，帮助识别潜在有影响的研究。留一法分析观察不同研究对合并效应值的影响。GOSH图通过聚类展示不同效应大小和异质性的模式，提供亚组分析线索。
综上所述，理解与解释Meta分析中的异质性需要综合运用多种工具。在评估异质性时，应报告I方及其置信区间和预测区间，并解释结果。通过异常值和影响分析，可以识别可能扭曲汇总效应估计的研究，并考虑其对合并效应值的影响。最终，选择合适的策略来处理异质性，以获得更准确的Meta分析结果。
