本期将会详细的说明亚组分析与回归分析的图片解读。
判断亚组分析的变量是否为异质性来源要点：
当异质性较大时（I2>50%），对某个变量进行亚组分析后，应满足各组内的异质性I2均小于50%方可认为该变量为异质性来源（通俗理解：各个亚组本身异质性都不大，但经过对这些亚组合并，异质性变大了，可认为是由于将这些不同亚组合并才导致的异质性增大。若本身某个亚组的异质性就较大，经过对不同亚组合并后发现异质性还是较大，则不能认为异质性大是由于将这些不同亚组合并的原因）。
图片解读示例：
上图是由revman软件亚组分析所得到的图。由图可知所有研究合并汇总后的异质性I2为87%，异质性较大，所以根据不同部位组织进行了亚组分析，在分为5组后，发现thyroid biopsy group (I²=18%) ，breast biopsy group (I²=9%) ，bone marrow biopsy group (I²=67%) ，prostate biopsy group (I²=93%) ，renal biopsy group (I²=NA) ，并未满足所有亚组内的I2均小于50%的条件，所以不认为部位组织是异质性来源。
上图是由stata软件亚组分析所得到的图。由图可知所有研究合并汇总后的异质性I2为65.9%，异质性较大，所以根据研究类型进行了亚组分析，分析发现cohort studies group(I²=18.5%) 与case control studies(I²=0.0%) ，满足所有亚组内的I2均小于50%的条件，所以可以认为研究类型是异质性来源。
上图是由R软件亚组分析所得到的图。由图可知所有研究合并汇总后的异质性I2为79%，异质性较大，所以进行了亚组分析，而亚组分析发现Yes group(I²=92%)与No group(I²=62%)的异质性也较大，所以这也不是异质性来源。但R软件亚组分析可以得到一个revman与stata的没有的结果，即亚组结论是否有统计学差异的P值，从上图中可发现，组间差异的P=0.37，说明Yes group与No group的结果差异无统计学意义。
判断回归分析的变量是否为异质性来源要点：
当异质性较大时（I2>50%），对某个变量进行回归分析后，应满足所得到P<0.05方可认为该变量为异质性来源。
以上为Stata输出的回归结果。P>|t|值: 0.000，表明几个协变量对结果的影响显著（通常以0.05为显著性水平），即这个协变量均为异质性来源。
以上为R输出的回归结果。p=0.003，表明year对结果的影响显著（通常以0.05为显著性水平），即year为异质性来源。
Meta亚组分析与回归分析异同：
相同之处：均用于探索异质性来源。
不同之处：
-
亚组分析：仅针对分类变量（如性别、干预类型），且每次仅分析一个变量。
-
Meta回归：可同时处理连续变量（如发表年份、平均年龄、干预计量、研究持续时间、质量评分）和分类变量；可分析一个变量或同时分析多个变量。
如果你想学习这种通过Meta分析发表SCI的方法，难于找不到一个合适的选题、苦于研究过程中遇到的问题太多无法持续推进，那么可以了解一下统计之光Meta分析一对一教学指导。
评论列表