每天叫醒你的不是闹钟,而是知识
前面给大家介绍了Meta分析的概念、目的,并以实例讲解了Meta分析的思路(数据的认识、提取、汇总分析、效应量等)。
昨天讲的是有关计量资料(连续性变量)数据的提取和处理(如下图):
针对这类数据,我们已经知道了,我需要提取的是每个研究或者文献中的:样本量、均数、标准差三个值,然后汇总一个新的指标去评价汇总之后的效果(这个新的指标称为效应量,连续型变量的效应量就是:均数差和标准化的均数差)。
那么针对下面的这一类的数据(如下图),应该怎么处理呢?
这类数据就是计数资料,包括多分类变量(如上图)和二分类变量(是否患病、是否恋爱,这种结局只有两种的)。这种情况一般我们都是直接汇总成二分类变量进行分析,比如上图中分了“完全掌握”、“部分掌握”、“不能掌握”三类,我们其实可以直接分成“掌握”、“不能掌握”。那么这样整理完之后,下一步又该怎么提取数据呢?
我们按照提取连续型变量的思路,对这类数据我们提取的是样本量、试验组中事件(event)数、对照组中事件数(其实就是,把样本量和个数提取出来)。那么数据提出之后,我们应该怎么分析或者汇总整合呢?就类似于之前讲的连续型变量效应量的模式,我们提出了针对二分类变量的效应量:①比值比(odds ratio,OR)②相对危险度(risk ratio,RR)③危险差(risk difference,RD)。
具体效应量定义如下:
比值比(odds ratio,OR)
OR是试验组事件的比值与对照组事件数比值的比,即:OR是比值的比。OR可以用于RCTs、队列研究、病例对照研究和横断面研究。
①OR=1,无差异;
②OR<1,试验组事件发生的少;
③OR>1,试验组事件发生的多。
相对危险度(risk ratio,RR)
相对危险度RR(Relative Risk)(也称为风险比)是前瞻性研究(队列研究)中常用的指标,它是暴露组的发病率与非暴露组的发病率之比,用于说明前者是后者的多少倍,是用来表示暴露与疾病联系强度的指标。
①RR=1,无差异;
②RR<1,试验组事件发生的少;
③RR>1,试验组事件发生的多。
危险差(risk difference,RD)
两个发生率的差即为率差,也称危险差(rate difference,risk difference,RD),如,试验组发生率(EER)与对照组发生率(CER)的差,其大小可反映试验效应的大小。
①RD=1,无差异;
②RD<1,试验组事件发生的少;
③RD>1,试验组事件发生的多。
二分类变量Meta分析(Revman)操作步骤:
艾德医讯|艾德课堂|艾德科研
请留下你指尖的温度
让太阳拥抱你
记得这是一个有温度的公众号
联系客服