頻率統(tǒng)計方法網(wǎng)狀Meta分析在STATA軟件中的實現(xiàn)

田金徽 李 倫 楊克虎,3

·循證醫(yī)學方法學·

頻率統(tǒng)計方法網(wǎng)狀Meta分析在STATA軟件中的實現(xiàn)

田金徽1,2李 倫2,3楊克虎1,2,3

2002年，Lumley[1]提出了網(wǎng)狀Meta分析，在其后的10多年時間內(nèi)，網(wǎng)狀Meta分析迅速得到臨床科研工作者青睞，并得到國際衛(wèi)生技術(shù)評估組織的認可[2,3]。網(wǎng)狀Meta分析可以采用頻率統(tǒng)計學方法和貝葉斯方法來實現(xiàn)。頻率統(tǒng)計學方法通過統(tǒng)計樣本，基于假設(shè)檢驗和推斷結(jié)論；貝葉斯方法基于貝葉斯原理，根據(jù)先驗概率推斷后驗概率。貝葉斯方法計算能力靈活且強大， 但需要較高的統(tǒng)計學知識；頻率統(tǒng)計學方法簡單易懂。有研究顯示頻率統(tǒng)計學方法和貝葉斯方法的網(wǎng)狀Meta分析結(jié)果同樣可靠[4]。本文以1個實例系統(tǒng)介紹如何利用頻率統(tǒng)計學方法在Stata 軟件中實現(xiàn)網(wǎng)狀Meta分析的數(shù)據(jù)分析，并呈現(xiàn)證據(jù)關(guān)系圖、證據(jù)貢獻圖、不一致性檢驗圖、發(fā)表偏倚檢驗圖、網(wǎng)狀Meta分析結(jié)果圖和排序圖，以期更好地開展網(wǎng)狀Meta分析。

1 數(shù)據(jù)來源

以Li等[5]最近發(fā)表在PLoSOne的網(wǎng)狀Meta分析中單孔腹腔鏡膽囊切除術(shù)(A)、三孔腹腔鏡膽囊切除術(shù)(B)、四孔腹腔鏡膽囊切除術(shù)(C)和四孔小切口腹腔鏡膽囊切除術(shù)(D)術(shù)后麻醉劑應用情況的數(shù)據(jù)作為本文數(shù)據(jù)來源，4種術(shù)式結(jié)局的原始數(shù)據(jù)如表1所示。

表1 原始數(shù)據(jù)

注n/N:各組術(shù)后麻醉劑應用的病例數(shù)/接受治療措施總病例數(shù)

2.2 網(wǎng)狀Meta分析的常用命令

2.2.1 mvmeta命令(方法1) 由Chaimani等[6]提出，主要基于White開發(fā)的mvmeta程序包[7,8]。需將數(shù)據(jù)整理為直接比較格式和網(wǎng)狀Meta分析格式。直接比較格式將所有的研究拆分成兩兩比較的形式，如存在3臂研究拆分為3組數(shù)據(jù)，4臂研究拆分為6組數(shù)據(jù)。表2顯示了表1原始數(shù)據(jù)經(jīng)整理后的直接比較數(shù)據(jù)。

表2 直接比較數(shù)據(jù)

注n/N:各組術(shù)后麻醉劑應用的病例數(shù)/接受治療措施總病例數(shù)

網(wǎng)狀Meta分析格式的數(shù)據(jù)呈現(xiàn)2個變量y和S。y指相對于共同對照結(jié)果的對數(shù)。在頻率統(tǒng)計法網(wǎng)狀Meta分析中，需要設(shè)立一個共同對照，然后基于共同對照計算其他干預措施的效果。在本文實例中，由于四孔腹腔鏡膽囊切除術(shù)為傳統(tǒng)腹腔鏡膽囊切除術(shù)，設(shè)為共同對照。但對于不存在共同對照的研究，需要賦予一個共同對照，使其總樣本數(shù)和反應數(shù)較小，如分別為0.01和0.001，進而計算其他所有干預措施的結(jié)果。S為方差(VAR)，是標準誤差(對數(shù)標準誤差)平方。對于雙臂研究，VAR為相對于共同對照結(jié)果對數(shù)的方差；對于3或4臂研究，除了共同對照之外的干預措施間還存在協(xié)方差。以3臂研究為例，分別存在3個干預措施A、B和C，VarAB、VarAC、VarBC分別表示3者兩兩比較時的方差，3者之間的關(guān)系如下：VarBC=(VarAB+VarAC- VarBC)，即VarBC=(VarAB+VarAC)/2。表2結(jié)果可以進一步整理為表3的形式。

之后根據(jù)mvmeta程序包的相關(guān)命令(表4)，可以呈現(xiàn)網(wǎng)狀Meta分析所有結(jié)果的圖形表示方法，如證據(jù)關(guān)系圖、證據(jù)貢獻圖、不一致性檢驗圖、發(fā)表偏倚檢驗圖、網(wǎng)狀Meta分析結(jié)果圖和網(wǎng)狀Meta分析結(jié)果排序圖。該程序包的網(wǎng)狀Meta分析結(jié)果為一致性模型下的分析結(jié)果，同時提供不一致性因子對網(wǎng)狀Meta分析的不一致性進行分析，彌補了該程序包不能提供不一致性模型結(jié)果的局限。本文實例證據(jù)貢獻圖結(jié)果顯示，如在A與B網(wǎng)狀Meta分析中，A與B、C和D直接比較的權(quán)重分別為57.9%、11.3%和6.9%；B與C、D間接比較的權(quán)重分別為33.9%和3.4%。結(jié)果排序顯示，對于術(shù)后麻醉劑應用，A、B、C和D術(shù)式成為最佳干預措施的概率分別為0.64、0.10、0.02和0.24。

表3 網(wǎng)狀Meta分析格式的數(shù)據(jù)

注 yA、yB、yD分別為單孔腹腔鏡膽囊切除術(shù)、三孔腹腔鏡膽囊切除術(shù)、四孔小切口腹腔鏡膽囊切除術(shù)相對于四孔腹腔鏡膽囊切除術(shù)術(shù)后麻醉劑的應用結(jié)果OR的對數(shù)，SAA、SBB、SDD分別為對應的方差，SAB、SAD、SBD分別為多臂研究中協(xié)方差。本研究賦予共同對照時，反應數(shù)賦予0.000 331，總樣本數(shù)賦予0.001

表4 mvmeta主要命令和功能

2.2.2 network命令(方法2) 為White等[9]開發(fā)，也是基于mvmeta進行網(wǎng)狀Meta分析，該程序包置入Dias等[10]點分法，可對網(wǎng)狀Meta分析的不一致性進行分析。可以一步實現(xiàn)網(wǎng)狀Meta分析數(shù)據(jù)的準備?？梢缘玫揭恢滦院筒灰恢滦阅Ｐ偷木W(wǎng)狀Meta分析結(jié)果，以森林圖的形式呈現(xiàn)，但network命令無法制作證據(jù)貢獻圖，提供的森林圖不顯示比較結(jié)果。本文實例排序結(jié)果顯示，對于術(shù)后麻醉劑應用，A、B、C和D術(shù)式成為最佳干預措施的概率分別為0.66、0.10、0.02和0.21，與方法1結(jié)果基本一致。

2.3.3 Indirect命令(方法3) 由Miladinovic等[11]提出的

表5 network命令和功能

Indirect命令可以同時分析和呈現(xiàn)直接比較和間接比較Meta分析結(jié)果，僅用于簡單的網(wǎng)絡，具體命令為indirect logOR selogOR study order, random eff(OR) eform trta(t1) trtb(t2)，其中random/fixed是效應模型，eff()是結(jié)果效應的名稱，trta()和trtb()分別是所要分析的干預措施。

本文實例中，如當A和B的效果可以通過C和D得到間接比較結(jié)果的時候，該命令就不可以同時對多個路徑的間接比較結(jié)果進行分析。且在采用該程序包的時候，必須嚴格地進行編號，即先運行哪一組，根據(jù)兩組直接比較的結(jié)果計算間接比較的結(jié)果，編號不同該程序包可能不產(chǎn)生結(jié)果或者產(chǎn)生錯誤的結(jié)果。

3 總結(jié)

如采取頻率統(tǒng)計法進行網(wǎng)狀Meta分析，上述3個程序包或者命令單一應用都不足以制作完美的網(wǎng)狀Meta分析。如方法1和方法2均可實現(xiàn)干預措施相對于共同對照的治療效果，不能夠產(chǎn)生不同干預措施之間的效果差異，方法3只適用于不存在直接比較的情況下。因此，可以利用方法工程序包制作數(shù)據(jù)，進行不一致性的檢驗、結(jié)果排序；利用方法1的程序包，采用圖的形式展示證據(jù)關(guān)系圖、網(wǎng)狀Meta分析結(jié)果、不一致性、結(jié)果排序以及證據(jù)貢獻圖；利用方法3呈現(xiàn)間接比較的結(jié)果。

[1]Lumley T. Network meta-analysis for indirect treatment comparisons Stat Med,2002, 21(16): 2313-2324

[2]Lee AW. Review of mixed treatment comparisons in published systematic reviews shows marked increase since 2009. J Clin Epidemiol,2014, 67(2):138-143

[3]Li L, Tian J, Tian H, et al. Network meta-analyses could be improved by searching more sources and by involving a librarian. J Clin Epidemiol,2014, 67(9):1001-1007

[4]Carlin BP, Hong H, Shamliyan TA, et al. Case Study Comparing Bayesian and Frequentist Approaches for Multiple Treatment Comparisons Agency for Healthcare Research and Quality (US) ,2013

[5]Li L, Tian J, Tian H, et al. The Efficacy and safety of different kinds of laparoscopic cholecystectomy: a network meta analysis of 43 randomized controlled trials. PLoS One, 2014, 9(2): e90313

[6]Chaimani A, Higgins JP, Mavridis D, et al. Graphical tools for network meta-analysis in STATA. PLoS One, 2013,8(10): e76654

[7]White IR. Multivariate random-effects meta-regression: updates to mvmeta. Stata Journal,2011,11(2): 255-270

[8]White I. MVMETA: Stata module to perform multivariate random-effects meta-analysis. https://ideas.repec.org/c/boc/bocode/s456970.html

[9]White IR, Barrett JK, Jackson D, et al. Consistency and inconsistency in network meta-analysis: model estimation using multivariate meta-regression. Research Synthesis Methods,2012, 3(2): 111-125

[10]Dias S, Welton NJ, Caldwell DM, et al. Checking consistency in mixed treatment comparison meta-analysis. Stat Med,2010, 29(7-8): 932-944

[11]Miladinovic B, Hozo I, Chaimani A, et al. Indirect treatment comparison. Stata Journal,2014,14(1):76-86

(本文編輯：丁俊杰)

10.3969/j.issn.1673-5501.2014.06.014

1 蘭州大學基礎(chǔ)醫(yī)學院循證醫(yī)學中心 蘭州，730000；2 甘肅省循證醫(yī)學與臨床轉(zhuǎn)化重點實驗室 蘭州，730000;3 蘭州大學第一臨床醫(yī)學院 蘭州，730000

楊克虎，E-mail：yangkehuebm2006@163.com

2014-09-03

2014-11-15)