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<0.1时，表明各研究间存在异质性。I2值是根据Q统计量转换而得到的，一般认为，当I2≥50%时提示存在异质性。

上图的异质性检验结果为：Q检验：P=0.02（<0.1）; I2=67% 说明各研究存在异质性。

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。