publication bias,发表偏倚,由于阳性结果更易于发表,而有些阴性结果的文章可能没有公开发表,如此meta分析就可能更多的是基于阳性结果,使得合并效应发生高估或者低估效,或者把无统计学差异的合并效应变成了有统计学差异的合并效应,亦或者相反。发表偏倚用egger 和begg检验。P<o.o5这表明存在发表偏倚。
❷ 如何进行敏感性分析和发表偏倚分析
敏感性分析一般以Meta分析结果所绘制的森林图为依据,把肉眼可见的与总体样本95%CI分布差异相对较大的研究(由最明显的开始)予以排除直至可用固定效应模型分析为止(即I方值小于等于50%,同时P大于等于0.1),如敏感性分析后依然无法用固定效应模型分析,则需通过继续逐一排除剩余数据样本以动态观测Meta分析结果变化,如结果变化不大(具体标准暂未在2014版考克兰系统评价员手册中有体现,我个人则是以I方和RR/SMD等统计量变化率作为判断标准),则说明数据合并后稳健性可,可采用随机效应模型作Meta分析,所得结论有效,但不宜过于绝对。
而敏感性分析不宜排除过多数量的数据样本,我个人以50%作临界值,如一个结局指标需要排除至少50%的纳入研究数据样本,方能使数据合并结果稳健,则说明原始纳入研究异质性大,无法明确所有纳入研究在该结局指标的测量标准、方法基本一致。同时敏感性分析后剩余数据样本数我个人认为最好大于等于3,以便能获取较有说服力的Meta分析结果。
当然我也比较同意上一个答案的观点,敏感性分析的纳入研究排除标准可参照Jadad质量评分或RoB风险偏倚评估结果,但我认为应补充一个前提:纳入研究中需有相当部分高质量研究,即Jadad评分大于等于4分(满分7分)或符合Standard RCT标准(兼有随机化、盲法、安慰剂三要素),如纳入研究方法学质量普遍不高,则通过参照方法学质量评价结果进行敏感性分析的做法意义不大。
发表性偏倚目前主要通过倒漏斗图法判断,当然也有Egger&Begger’s Test,可将偏倚程度量化(适用于纳入数据数小于10的结局指标,然而RevMan无法做此检验),发表性偏倚一般用于对纳入数据样本数(敏感性分析后)大于等于10结局指标的讨论。
个人的小小体会:系统评价/Meta分析并没有太多固定的模版,每个研究者所关注的点可以不一样,但最好做到有理有据,能自圆其说。
以上谨为个人粗浅看法,如有纰漏之处,欢迎指正!