同样是率的比较，有序数据的Meta分析，有什么特别之处？

2023-08-02 08:47 作者:尔云间meta分析 0人读过 | 我要投稿

对于有序数据的资料，采用经典的Meta分析方法较难处理，在实际中我们会遇到有序分类的数据，例如疗效（无效、有效、显效、痊愈）。

根据Cochrane手册，有序分类数据的处理方法有两个：

一是可以选取适当的切割点，将数据合并为二分类数据（这是很多文献常用方法）；

二是通过计分转化为连续型数据，但这样难以利用全部资料的信息。

有研究认为，当有序变量数据转换为二分类数据时，数据由“高级”向“低级”转化，这个过程中可能损失很多有用的信息，而转化为连续型数据，在很多情况下对结果是很难解释的[1]。

那么，利用有序变量数据进行meta分析，还可以怎么处理呢？有一种基于累积比数模型的分析方法[2]，但是文献介绍的是基于SAS软件的操作，对于初学者而言，SAS的操作是比较困难的。这可怎么办？

小case啦！方法总比问题多，我们可以用SPSS和RevMan实现这一过程。

累积比数模型也就是有序logit模型(ordinal logit mode1)，是二分类logit模型的扩展，主要用于处理反应变量为有序分类变量的资料，该模型对资料要求相对不严，解释变量可以是连续型数据，也可以是无序分类变量或有序分类变量，此法适用范围较为广泛[3-4]。

Meta分析的步骤

本文基于累积比数模型以实例说明用两步法对有序数据进行Meta分析的步骤：

第一步，以累积比数模型，采用SPSS计算产生每个研究的效应量及其标准误；

第二步，采用RevMan的GenericInverse Variance方法来实现Meta分析。

下面将介绍具体的操作过程：

第一步，计算每个研究的效应量及其标准误

数据来源《有序数据的Meta分析方法及SAS实现》一文中的数据，中西医结合治疗咳嗽变异性哮喘的疗效，治疗组干预措施为宣肺止咳中药+用西药，对照组为单纯西药，共11个符合标准的研究（表1）。

我们把每一个研究的数据录入SPSS，其中变量“组别”中，2代表治疗组，1表示对照组，变量“疗效“中1代表临床控制，2代表显效，3代表有效，4代表无效，变量“例数”是对应组中的人数（如图1）。

对变量“例数”进行加权，然后进行有序的Logisti回归，Dependent选入变量“疗效”，Factor(s)选入变量”组别”，得到结果第一个研究的效应量(1ogor)及其标准误(selogor)为1.335和0.500，其含义为，与对照组相比，治疗组疗效提高一个及一个以上的等级(如由“有效”提高到“临床控制”)的可能性增加了279.6%(e^1.335-1)，同样的利用SPSS可以得到其他研究的效应量及其标准误（表2）。

注意：原文中“霍会爱,2008”和“武慧,2008”两个研究的效应量和标准误计算有误，已用SPSS和SAS软件验算。

第二步，RevMan完成meta分析

采用RevMan的Generic Inverse Variance方法来实现Meta分析，在RevMan软件中，录入已经计算出的效应量和对应的标准误。

在“Data and analyses”部分添加研究“Add Comparison”，在Name部分可以输入“中西医结合治疗咳嗽变异性哮喘随机对照试验”，点击“Finsh”就出现了我们建立的Comparison。

然后添加具体的结局“Add Outcome”，在Data Type部分选择“Generic Inverse Variance”，然后点击Next，在Name部分输入“疗效”，然后继续点击Next，出现New Outcome Wizard，在Effect Measure部分选择Odds Ratio，其余的部分默认，然后可以点击完成（其它部分选择系统默认）。

这样就添加了“疗效”这个结局，继续添加相关的研究，一共11个，全部添加进去。出现疗效的这一界面，然后在log[Odds Ratio]和SE中添加相应的研究中的数值即可。

这样结果就出现了，我们可以选择随机效应模型和固定效应模型，也可以用漏斗图来判定发表偏倚，这样整个分析就完成了。

点击右上方的森林图和漏斗图标志，可以把结果保存成EPS，PNG和PDF等格式的。从结果中我们发现，Heterogeneity: Tau² = 0.00; Chi² = 5.62, df = 9 (P =0.78); I² = 0%，适合用固定效应模型, 合并结果有OR=3.20, 95%CI: 2.39- 4.28。证明治疗组与对照组相比，治疗组疗效提高一个及一个以上的等级的可能性是对照组的3.20倍。