系统评价的敏感性分析.doc

系统评价的敏感性分析.doc系统评价的敏感性分析
首先要弄明白作敏感性分析的目的和意义是什么，就容易根据实际 情况，决定如何做了。系统评价，如果要做meta分析，应该仔细 研究所要整合的各个临床试验之间的异同性。各个临床试验之间的 异质性（heterogeneity）,分为三种：
临床差异：病人的因素（疾病轻重程度，病史，年龄，生活习 惯等等与疗效相关的因素），干预方面（例如药物的剂量、剂型、给 药方法时间频度等等与疗效相关的因素），等等，这类因素在各个试 验之间的差异。
方法学差异：各临床试验的方法学上的差异，例如试验所采取的 盲法，疗效的定义和测量方法，等等
统计学差异：即各临床试验所得出的关于疗效的结果之间的差 异，这个差异，是前两种差异所导致的。
meta分析里的卡方检验，就是测试各个试验所得的疗效结果之间的 差异是否有显著性。固定效应模型，是假设整合所得的疗效结果， 没有受到上述差异的影响，而纯粹是那种临床干预（治疗）的疗效结 果。用随机效应模型所得的结果，是融会了上述差异的因素存在的 情况下所得的结果。
敏感性分析，是测试各个临床试验的疗效结果经meta整合之后，所 得出的总体的关于那种干预的疗效结果，到底离开它的真实疗效结果 有多远，整合所得的结果是受了哪些因素的影响。
那么，根据纳入整合的各个临床试验的情况，你就可以考虑哪些因素 可能会影响你的整合结果，从而根据实际情况决定如何做敏感性分 析。
如果异质性测试显示各试验结果之间没有显著性差异，固定效应模型 和随机效应模型所得的结果会很相似，说明所纳入整合的各试验无论 从临床方面、试验设计的方法学方面等等都没有什么差异，各试验所 得出的关于疗效的结果也都一致或者极其相似。那么，就没有必要
去掉某个试验来重新做meta整合。固定效应模型和随机效应模型所 得的结果一致，本身就是敏感性测试，本身就说明了所整合的结果 很稳定。
如果各临床试验结果之间差异很大（例如有的显示疗效很好，有的显 示没有疗效或者疗效很小），异质性测试显示有显著性差异，那么这 些试验一定在临床或/和方法学方面也存在着异质性。 这种情况 下，就可以将疗效结果与其它各试验显著不同的一个（或数个）试验 去掉，再做me t a整合，对比去掉前后的结果，就知道这（几）个 试验的疗效结果对于整合的结果是否起到什么影响。例如，假设十 个研究饮食和锻炼对冠心病发病率影响的试验，其中两个显示疗效不 理想，其余显示效果不错，而这两个疗效不理想的试验所研究的对象 中高血压高血脂及吸烟者比例较多。那么关于饮食和锻炼的疗效的分 歧结果，很可能与病人风险程度的差异有关，敏感性分析时去掉这两 个高风险病人比例多的试验，就有意义。
各临床试验结果之间的差异，也可以是因为所选择的疗效结果的计量 方法不同所导致，例如，测量连续性资料时所选择的尺度不同，可导 致各试验的疗效结果不同，而或许实际上这种差异并不存在，只是因 为计量方法不同导致了数据不同。 这种情况下，做敏感性分析时， 可以改变计量方法重新整合，对比改变前后的整合结果。
Meta只是个统计过程，是个资料合并的统计过程，有时不一定叫系 统评价，但是经过严格的文献质量评价的Meta分析也叫系统评价， 不知我这么理解对吗？如果做系统评价的话肯定要进行文献质量评 价，文献质量评价见下：
1）随机方法（r