Meta分析学习笔记

一、Meta分析简介

        荟萃分析,又称“Meta 分析”,Meta意指较晚出现的更为综合的事物,而且通常用于命名一个新的相关的并对原始学科进行评论的学问,不但包括数据结合,而且包括结果的流行病学探索和评价,以原始研究的发现取代个体作为分析实体。荟萃分析产生的主要的理由是:对于多个单独进行的研究而言,许多观察组样本过小,难以产生任何明确意见。by:百度百科。


        医学上的Meta-analysis是用统计的概念与方法,去收集、整理与分析之前学者专家针对某个主题所做的众多实证研究,收集已发表文章中研究数据,希望能够找出该问题或所关切的变量之间的明确关系模式,可弥补传统的Review Articles(文献综述)的不足。

 Meta分析已被广泛应用于流行病学、心理学、教育学、循证医学、遗传病学等领域之中。主要步骤如下:文献检索及筛选,数据提取,数据统计学分析

    最钟爱Meta的杂志:CDSR(Cochrane Database of Systematic Reviews),Plos One,Medcine,Oncotarget,Sci Rep等。


二、Meta分析—文献检索和入选评价

1.文献检索

        英文文献:pubmed,Google scholar,Web of science (高级搜索,主题词搜索等手段缩小检索范围);中文文献:CNKI,万方,维普等。

PS:文献不要太多,具体参考相关文献

2.特征表制作

        应详细和充实。把所有文献的所有信息整合到一个表中,便于读者理解,如下图所示。

3.质量评价表:对入选文献打分

        主要方法:①Cochrane手册(最常用);②Jadad量表;③Delphi共识。如下图所示。

三、数据分析

1.Meta分析软件:

Revman:Review manager软件,傻瓜式操作 ,Cochrane专用的电脑软件

Stata:功能强大,小编没用过

R语言:这才是我擅长的

2.数据类型:

    ①二分类变量:即为那些结局只有两种可能性的变量,如有效与否,心梗,心血管不良事件,死亡等,一般将发生事件的人数除以样本量总数得到的事件发生率作为结局考察。

常见的二分类变量包括:OR (Odds Ratio) 值,RR (Risk Ratio) 值,RD (Risk Difference) 值。

    ②连续性变量:在统计学中,变量按变量值是否连续可分为连续变量与离散变量两种。在一定区间内可以任意取值的变量叫连续变量,其数值是连续不断的,相邻两个数值可作无限分割,即可取无限个数值。

3.常用图片

  ①森林图:有n个指标就会有n个森林图

异质性检验:一般用是否大于50区分,也可以用其他数值

P值:有效性

效应尺度:二分类和连续型

效应模型:随机/固定效应模型

 ②漏斗图:看是否对称来判断是否存在发表性偏倚。当存在发表性偏倚时, 则表现为漏斗图出现不对称, 则呈偏态分布。纳入文献10篇以上就需要做发表偏倚研究。

四、有异质性时

分析异质性来源:敏感性分析和亚组分析

①敏感性分析:改变分析模型,逐篇排除文献、剪补法(stata软件)

②亚组分析:分析不同因素分组是否是来源

五、Mate分析书写套路及杂志

1.套路:

⑴Introduction前言

    疾病一般情况介绍

    目前研究的不足

    此mate分析的必要性

⑵Methods方法

    文献选择和纳入(文献检索)

    评价纳入文献的质量(质量评价表)

    统计分析手段

⑶Results结果

    特征表

    质量评价结果(打分)

    Meta分析结果(森林图和漏斗图)

    亚组分析or敏感性分析

⑷Discussion讨论

    Meta分析的主要发现

    结果阐述

    分析结果的启示

文章的不足之处

2.杂志推荐

    4大水刊(综合性期刊)+1专业期刊(CDRS)

    当然中文的Meta分析也可以发表到C刊哦!

        笔记分享就到这了,但是科研路漫漫其修远兮!Meta终究是发表论文所引用到的一种工具,决定不了文章的真正高度。就像做饭,即便你用的是章丘铁锅,没有好的食材,也没法做出可口的饭菜!

心得:要想提升文章的水平,还是要在选题上下功夫!好方向、好课题事半功倍啊!平时多看文献,多积累数据才是正道!



参考文献:

1.Wang W W , Xie C L , Lu L , et al. A systematic review and meta-analysis of Baihui (GV20)-based scalp acupuncture in experimental ischemic stroke[J]. Scientific Reports, 2014, 4.

2.王萍, 周伯庭, 朱樱, et al. 基因多态性与癫痫患者卡马西平耐药相关性的Meta分析[J]. 中国药房, 2014(48):86-90.

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,376评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,126评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,966评论 0 347
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,432评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,519评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,792评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,933评论 3 406
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,701评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,143评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,488评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,626评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,292评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,896评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,977评论 1 265
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,324评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,494评论 2 348

推荐阅读更多精彩内容