meta分析原理和步骤

《meta分析原理和步骤》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Metaanalysis原理和实施步骤陈泽鑫浙江大学医学院附属第二医院临床流行病与生物统计研究室样本与总体研究总体离不开研究它的个体．但在许多实际问题中，不可能对所有个体逐一进行研究，而只能从总体中抽取一部分个体进行观察（或试验），根据对这部分个体的观察结果来推断总体的分布情况．样本总体推断样本与总体统计学用抽样分布的理论来描述样本统计量的变化规律单一样本推断总体存在不足：存在抽样误差，并且抽样误差的大小与样本量的大小有关。为了减小抽样误差，需要足够的样本量样本推断总体存在抽样误差足够的样本量减小误差从一个均数为1.5，标准差为0.7的正态总体中进行随机抽样，样本量分

2、别为20，50，100，200，300，500，1000，不同的样本量均进行20次抽样，共得到140个样本。分别计算每个样本的均数，标准差和标准误。以样本的均数为横坐标，以样本量为纵坐标作散点图由于抽样过程存在抽样误差，样本量较大时抽样误差较小。所以从图中可以看出所有的点以样本量较大时的均数为轴，左右是基本对称的。用方差分析的方法对不同的样本所对应的总体均数是否相等进行检验，方差分析的结果为F=0.862,P=0.878。说明140个样本对应的总体均数是相同的。用这140个样本的信息来估计总体的均数和标准差，=1.501,=0.699。这样做的结果是提高了估计的精度

3、。理想状态我们把不同作者对相同问题进行的研究可以看作从同一总体中进行抽样得到的一个随机样本，如果他们都是按照相同的设计得到的研究结果，并且我们可以找到每一项研究的结果，这样就可以根据上面的原理得到一个更为可靠的结果。实际情况不同作者：所使用的设计方案会有一定的差别选择的实验对象有所不同样本量差异因此实际能够得到的资料可能是不完整的，甚至是有偏性的，如阳性结果的文章，以及和目前大家普遍能够接受的观点一致的文章可能更容易发表在专业杂志上。Meta分析Meta(after,morecomprehensive,secondary)希腊词定义以综合研究结果为目的，通过查阅文献收集

4、与某一特定问题相关的多个研究并对这些研究的结果所进行的统计分析优点几个、甚至上百个研究者在不同地区进行研究并发表研究结果进行整合后所得到的综合结果（证据）更有说服力Meta分析的意义海量信息需要整合避免“只见树木不见森林”克服传统文献综述的缺陷连接新旧知识的桥梁传统文献综述的缺陷主观综合缺乏共同遵守的原则和步骤注重统计学是否“有意义”等价对待每篇文献，无权重定性而非定量Meta分析的功能定量综合提供系统的、可重复的、客观的综合方法通过对同一主题多个小样本研究结果的综合，提高原结果的统计效能，解决研究结果的不一致性，改善效应估计值回答原各研究未提出的问题Meta分析原理固

5、定效应模型（fixedeffectmodel）假设各个研究之间只有一个真效应值（trueeffectsize），研究直接观测到的效应值的差别来源于抽样误差（正态分布）随机效应模型（random-effectmodel）假设各个研究间（如不同国家，不同种族等），的真效应值是相互不同的，且各个研究的值服从正态分布，因此最后观测值的差别既包括真效应值的随机误差也包括抽样误差（正态分布）。固定效应模型圆形代表各个研究的真效应值方形代表各个研究的实际观测值ε代表抽样误差真效应值相同观测值的差异仅来源于抽样误差抽样误差符合正态分布根据此分布特征，可以根据各个研究的值估计真效应值（类

6、似于通过样本的效应值来推断总体的效应值）估计真效应值的方法考虑到各个研究间抽样误差大小不同，因此对每个研究需要根据误差大小进行加权。权重为：VYi为每个研究内部的方差因此所有研究加权均数为Yi为研究的观测值估计的总效应均数的方差为：（估计均数的权重等于方差的倒数）从而得到总效应值均数标准差：得到均数估计的95%置信区间：随机效应模型各个研究的真效应值不是同一的，而是服从正态分布的各个研究观测值的差别包括真效应值的误差（ζ）和抽样误差（ε）μ为各研究真效应值的平均值估计真效应值的方法估计方法和固定效应模型一样，区别在与随机效应模型需要考虑到真效应值之间的差异，即各个研究之

7、间的方差各个研究的权重：其中Τ2表示各个研究之间的方差从而加权以后的平均值为估计的总效应均数的方差为从而得到总效应值均数标准差：得到均数估计的95%置信区间：估计Τ2的方法（类似于样本均数求方差的过程）加权离均差平方和（weightedsumofsquares，WSS）（此部分为总的变异度）因此随机效应部分应该是加权总和减掉预期的离均差平方和，即超额变异（excessvariance）预期的总变异的假设是各个研究真效应值相同，即其预期变异度为其自由度因此，超额变异=观测WSS-预期WSS=Q-df但是此时的超额变异是标准化后的总和，不依赖