對於許多Meta分析的初學者來說,首先要掌握的是meta分析的寫作流程,一般來說,meta寫作有其固定的寫作流程:
1. 提出需要並可能解決的問題,制定研究計劃
2. 檢索相關文獻
3. 確定納入和排除標準,篩選文獻
4. 評價納入文獻的質量
5. 提取納入文獻的數據
6. 數據的統計學處理
7. 異質性相關處理分析
8. 結果討論與分析
每部分的寫作也是有技巧而言的,這裡小編分享一點meta分析寫作時的乾貨:
選題方面
只有具有比較重要的臨床意義的問題才適合作meta分析。一般而言,具有爭議性的問題最適合做meta分析。通過彙總多個研究結果,得到總的更可靠的結論。同時選題還應該具有創新性,即國內外還沒有人做過這方面的meta分析。選題大小要合適,太大納入的研究太多,問題也不明確,研究難以完成。選題太小,納入研究的文獻太少,彙總證據缺乏說服力。一般而言,納入研究的文獻以10-30篇比較適合做meta分析。
文獻檢索方面
制定合適的檢索詞立求全面檢索相關文章。制定合適的納入排除標準。
納入標準:各研究假設和研究方法相似;有研究開展或發表的年限;各研究對樣本大小有明確規定;各研究中患者的選擇和病例的診斷及其分期有明確標準,干預和對照的措施明確;計數資料可提供OR/RR或由樣本例數和發病例數計算得之,計量資料可提供均數、標準差和樣本量。
排除標準:重複報告;存在研究設計缺陷,質量差;數據不完整、結局效應不明確;統計方法錯誤且無法修正;計數資料無法提供OR/RR、樣本例數和發病例數,計量資料無法提供均數、標準差和樣本量。
數據的統計學處理方面
效應量的選擇——計量資料:WMD;計數資料:OR/RR
異質性檢驗——基本思想:假設研究資料間的真實效應量一致,則實際效應量間的差異可認為是由抽樣誤差造成的;但若效應量間的差異過大,超出了抽樣誤差所能解釋的範圍,則應考慮異質性。
效應尺度的參數估計——固定效應模型(P>α),Inverse-variance法(倒方差加權法);隨機效應模型(P<α),在Inverse-variance法基礎上,採用DerSimonian-Laird法,引入校正因子對固定效應模型中的權重進行校正後再計算效應尺度及其95%CI。
若效應尺度的95%CI包含0(計量資料)或1(計數資料),則表明其與0或1的差異無統計學意義,即試驗組和對照組的差異無統計學意義。否則,表明試驗組和對照組的差異有統計學意義。
閱讀更多 sci美輯編譯 的文章