网状Meta分析质量评价与风险评估

网状Meta分析（Network Meta-Analysis, NMA）是一种重要的循证医学统计方法，它不仅能够整合直接比较的证据（如A vs B），还能利用间接证据（通过共同对照C来推断A vs B的效果）进行比较。目前受到循证医学的研究者广泛关注。然而，为了确保NMA结果的可靠性和有效性，必须对纳入的研究进行严格的质量评价和风险评估。以下是关于“网状Meta分析质量评价与风险评估”的详细介绍。

Cochrane偏倚风险评估工具（RoB 2.0）

RoB 2.0是目前最广泛使用的工具之一，专门用于评估RCT的质量。它涵盖了五个核心领域：

• 随机化过程（Randomization process）：评估随机分配是否被正确实施。

• 偏离既定干预（Deviations from intended interventions）：检查是否存在未按计划执行干预的情况。

• 缺失数据（Missing outcome data）：分析是否有足够的理由解释数据丢失的原因及其影响。

• 结局测量（Measurement of the outcome）：结局评估是否受盲法缺失影响。

• 结果报告（Selection of the reported result）：是否存在选择性报告或数据操纵。

每个领域都会被评分为“低风险”、“高风险”或“有一些担忧”。

Confidence in Network Meta-Analysis (CINeMA)

在传统的成对Meta分析中，研究者通常使用如Cochrane偏倚风险工具来评估单个研究的质量。然而，在NMA中，除了考虑单个研究的质量外，还建议评估整个网络的一致性和间接证据的可靠性。CINeMA正是为此目的而生，它不仅关注单个RCT的质量，还特别强调了网络内部的一致性、异质性等因素，以全面评估NMA的整体可信度。提供结构化框架，对NMA结果的可信度进行透明、标准化的分级（高、中、低、极低）。CINeMA框架主要从六个方面来评估每个比较的可信度：

❶ 研究内偏倚（Within-study Bias）

• 评估内容：纳入的原始研究是否存在方法学缺陷（如随机化不当、盲法缺失）。

• 降级规则：若>10%的研究存在高风险偏倚，则降级1级；若>30%则降级2级。

❷ 间接性（Indirectness）

• 评估内容：间接比较的证据是否因人群、干预、结局或背景差异而降低适用性。

• 降级规则：若间接性导致结果与目标临床问题显著偏离，则降级1-2级。

❸ 不一致性（Inconsistency）

• 评估内容：直接比较与间接比较的结果是否冲突。

• 降级规则：若存在显著不一致且无法合理解释，降级1-2级。

❹ 异质性（Heterogeneity）

• 评估内容：研究间效应量的变异程度（如I²统计量、预测区间）。

• 降级规则：若I²>50%或预测区间包含临床重要差异（如RR跨过1.0），则降级1级。若异质性来源明确（如亚组分析可解释），则可不降级。

❺ 发表偏倚（Publication Bias）

• 评估内容：小样本研究或阴性结果是否缺失。

• 降级规则：若漏斗图不对称且无法合理解释（如存在阴性结果缺失），降级1级。

❻ 不精确性（Imprecision）

• 评估内容：效应估计值的不确定性（置信区间宽度）。

• 降级规则：若置信区间包含临床重要差异的阈值（如RR=1.25或0.8），则降级1级。若样本量极小（如总样本<400例），直接降级1级。

优势和局限性

优势

• 结构化与透明性：标准化流程减少主观判断差异。

• 交互式界面：无需编程基础，适合临床研究者快速应用。

• 与GRADE兼容：可直接整合到系统评价的证据总结中。

局限性

• 依赖原始数据质量：若NMA未充分报告异质性或不一致性检验结果，评估受限。

• 部分维度主观性：如间接性的判断需依赖临床经验。

总结

网状Meta分析是优化临床决策的利器，但其结论的可靠性高度依赖于方法学严谨性。在开展过程中需要对原始研究进行严格的偏倚风险评估及质量评价。此外，近年来也逐渐呈现出部分基于队列研究的网状Meta分析，这种类型的质量评价工具需要考虑使用Newcastle-Ottawa Scale(NOS)。