紧接上期我们谈到的发表偏倚，由于在同类研究中，有统计学意义的研究结果比无统计学意义的研究更容易投稿和发表，使得meta分析过分夸大治疗效应量或者危险因素的关联强度，最终导致临床个体化治疗及卫生决策的失误。本期，我们就聊聊如何识别发表偏倚。首先，为了避免发表偏倚的出现，作为原始研究人员，遇到阴性研究也能够坚持发表。并且，2005年开始，所有的临床研究都必须提前注册，否则无法发表相关文章；作为系统评价者，开展前瞻性meta分析、检索灰色文献、对于可能出现的偏倚进行估计。在实施Meta分析时，必须对存在的偏倚的可能性进行检测。但是，发表偏倚很难避免，对于它的识别，比较熟悉Meta分析的小伙伴们可能都知道有以下方法：1.漏斗图（funnel plot）2.线性回归法（egger’s test）3.秩相关检验（begg’s test）4.剪补法（trim and filling）5.失安全系数（fail-safe number）6.漏斗图回归法（Macaskill‘s test）7.Richy法8.敏感性分析（sensitivity analysis）最常用的就是漏斗图法，漏斗图的表达方式可以比较直观的目测有无偏倚，如果需要对偏倚进行量化检测，则需要用到stata软件进行更加复杂的begg法和egger法。今天我们就带大家认识下漏斗图。漏斗图是由Light等在1984年提出，一般以单个研究的效应量为横坐标，样本含量为纵坐标做的散点图。效应量可以为RR、OR和死亡比或者其对数值等。理论上讲，被纳入Meta分析的各独立研究效应的点估计，在平面坐标系中的集合应为一个倒置的漏斗形，因此称为漏斗图。l样本量小，研究精度低，分布在漏斗图的底部，向周围分散；l样本量大，研究精度高，分布在漏斗图的顶部，向中间集中。实际使用时，做Meta分析的研究个数较少时不宜做漏斗图，一般推荐Meta分析的研究个数在10个及以上才需做漏斗图。漏斗图主要用于观察某个系统评价或Meta分析结果是否存在偏倚，如发表偏倚或其他偏倚，如下图：1）若被纳入的研究无bias，漏斗图上的点是围绕各独立研究效应点估计真实值对称地散开分布，呈现倒置对称的漏斗形；2）若存在bias，呈现不对称的漏斗图，不对称越明显，提示偏倚程度就越大，可能会高估计治疗效果；但是，发表偏倚并不是漏斗图不对称的唯一原因，还有其他来源，如：1）低质量小样本试验：方法设计差、分析不足、造假；2）真实的异质性：因研究尺度不同导致效应量的差异，例如：具有罹患某种疾病高风险的患者接受干预措施后，可能比低风险患者获得的效果更好，而高风险的患者参加早期小样本研究的可能性更大，此外，小样本研究一般先于大样本研究，故在大样本临床试验进行时，干预措施已被改善和标准化，这往往导致大样本临床试验中干预措施的效果较小，这就是因干预措施的强度不同导致的效应量差异；3）假象；4）机遇：偶然的机会性因素。漏斗图法的优点是：l简单易行，只需要被纳入的独立研究的样本含量和效应量便可绘制。漏斗图法的缺点是：l漏斗图的对称仅通过目测，无严格限定，不同观察者可能有不同的结果；l漏斗图只能对发表偏倚进行粗略的定性判断，特别是在被纳入的独立研究个数较少时，又增加了判断漏斗图中散点是否存在对称性的难度；l可以使系统评价人员意识到存在的问题，但不能提供解决方法。可见，对于发表偏倚的控制，可从以下方面着手：1）选择治疗的效应量或合并分析的方法；2）纳入/排除低质资料；3）纳入/排除某些研究；4）敏感性分析。对于如何制作漏斗图，未来我们也会有详细介绍哦，期待我们吧！
下一篇：预防HIV性传播