Meta分析异质性大，如何处理？

分享meta的 尔云间 2020-05-15

审稿人嫌弃异质性太高，让做meta回归？这个因素也有影响，那个因素也有影响，怎么办？有发表偏倚？都是什么乱七八糟的，到底是什么意思呢？

异质性/meta回归/发表偏倚/亚组分析/敏感性分析之间的关联和区别是什么？

我们知道，meta分析是把不同的研究汇总到一起分析的，这其中必然是有异质性的，是不能避免的。

但是异质性超出合理范围的meta分析，得到的结论常常让人觉得不可靠，没有意义。所以异质性是必然存在的，但要在合理的范围。

由此可见，异质性分析也是必不可少的。一般来说I square<50%，P>0.05是被认为可接受的。

而超出这一范围也是常见的，如果异质性真的非常大，应该怎么办呢？不妨试试这两种方法。

Meta回归

Meta回归，看到底是哪个因素导致的异质性，当然了，如果影响因素很明显或者涉及因素很少的话，也没有必要做meta回归，直接做亚组分析就好了。

亚组分析

亚组分析可以把研究对象细分，得出更为准确的结论。看看异质性是不是还很大，判断哪些因素是显著的异质性来源。

到这里就有人问了：我怎么知道以哪些因素为基础进行亚组分析呢？

以下方法供大家参考：

1) 根据临床经验，判断哪个因素可能对结果有较大影响。

2) 其实我想说，把原始文献中分了组的都分析一下就好了。您可能觉得这样太粗放，太不严谨了。那就试试第三种方法咯。

3) 第三种方法是啥？就是上面讲到的meta回归啊！将meta分析得到的有统计学意义的因素（P<0.05）作为分组指标，进行亚组分析。

那么审稿人觉得结果不稳定怎么办呢？

敏感性分析啊！

敏感性分析一般有三种方法：

1）逐个剔除纳入文献，

2）改变合并模型；

3）剪补法。

不管是哪一种方法，核心都是观察合并结果是否发生较大变化（一般看是否逆转）。

如果逆转就说明结果不稳定，那么恭喜你，这篇文章对结果产生较大影响，需要细致讨论了（还在担心讨论不知道写什么吗）。

如果结果未发生较大变化，那么同样恭喜你，你的结果是稳定的，你可以自信地在结果部分说（chui）明（niu）了。

那么发表偏倚又是怎么回事呢？

这个其实很好理解啦。如果你花了几万块钱，做了个实验，想证明A和B是有关系的，结果发现结果是阴性的，验证了曾经让你激动的那个猜想，原来两者是没有联系的，是不是有些失望呢？

如果你能保持镇定，想到即使阴性结果也是有意义的，心中窃喜，投出文章后，杂志社也有很大几率因为你花了这么长篇幅说明了个胡乱的猜想是不成立的而拒稿，这就导致阴性结果不容易发表，也就是所谓的发表偏倚。

Meta分析是基于已发表研究进行的，所以就有可能继承了这种偏见，而导致meta分析结果不可靠，所以需要做发表偏倚检验。

发表偏倚检验，一般有定性和定量方法。

定性方法即所谓的漏斗图法，但是这个方法在研究数量少时带有强烈的主观性，你看着哎呀，很对称啊，但是审稿人说：我怎么觉得有点偏啊。说不清楚。所以一般在纳入文章小于10篇时都不建议用。那么可以用另外两种定量方法，就是egger法和begg法。

好了，说了这么多，好渴，快让我喝口水~~

最后一句：亚组分析、meta回归、敏感性分析、发表偏倚检验，是都要做的吗？

其实，做哪种分析是根据研究需要而选择的，能说明问题就行，并不是越多越好。

还是不懂？多学习和思考吧！