Meta分析：解读森林图和漏斗图

Meta分析：解读森林图和漏斗图

前面已经介绍过二分类资料的Meta分析，今天给大家介绍连续性资料的Meta分析实现步骤，解读森林图和漏斗图。

1数据整理对于连续性资料，效应量有均数差（MD）和标准化均数差（SMD），原始资料的数据我们需要提取试验组和对照组的均数，标准差和样本量。数据整理成上面的形式。02连续性资料的Meta分析在Reman上的步骤纳入研究和添加比较的过程和二分类资料的过程一样，我就不再介绍了。接下来直接介绍添加结局指标和添加结局指标数据的步骤：（1）添加结局指标

（2）添加结局指标数据按照上述步骤纳入所有的研究： 将纳入的研究的数据添加到相应的位置，结果如下： （3）解读森林图图中的点代表单个研究的效应量，点的大小代表该研究的权重，即该项研究对Meta分析的贡献度；横线代表该效应值的可信区间；图中的菱形则代表合并后的结果。图中的直线是无效线，用于判定合并效应量有无统计学意义。若菱形与该直线相交，则代表两组的差异没有统计学意义。从上图也能看出异质性检验结果，在Revman中，主要通过Q统计量和I2统计量进行异质性检验。Q统计量是服从自由度为K-1的卡方分布，本质是卡方检验，属于异

质性定性分析的方法，一般认为当P<>上图的异质性检验结果为：Q检验：P=0.02（<0.1）; i2=\注意纳入的研究较少时，Q检验法的检验效能过低，纳入的研究很多时，它的检验效能又过高。I2值是消除了纳入的研究数目对检验效能的影响后，通过Q转换得到的，一般认为I2统计量较Q统计量敏感。

（4）解读漏斗图漏斗图是一种以视觉观察来识别是否存在发表偏倚的方法，该法以效应量为横坐标，纵坐标为标准误。小样本所得的离散度较大，因此常处于漏斗图的底部，大样本离散度则较小，因此处于顶部。正常情况下应该是顶小而底大，如果不是这样，则可能存在较大偏倚。注意漏斗图的判断存在主观性，并且当纳入研究太少时，难以判断对称性，常用的判断发表偏倚的方法还有Egger法，Begg法，Trim法及计算失安全系数的方法，但是Revman只能使用漏斗图。

本文来源：https://www.bwwdw.com/article/1fgr.html