【原】#如何根据异质性选择Meta分析模型？

（图源：pexels）

作者 | soul

责编 | Nursing小班长

首先，说到模型的选择，我们就不得不提到异质性。《Cochrane手册》将meta分析中异质性分为3类：

1. 临床异质性：参与者、干预措施、结局指标等不同所导致的差异；

2. 方法学异质性：由于实验设计和质量方面的原因引起的差异，如盲法、分配隐藏的应用，或者对结局指标的定义、测量方法的不同；

3. 统计学异质性：各研究的效应指标统计量是不同质的，即是基于来自不同总体的独立随机样本，各研究效应指标统计量之间的差异不能用抽样误差来解释，各研究间的异质性较大，每个研究的效应指标统计量对应各自的总体参数。

那么根据这些异质性到底应该怎么选择Meta分析模型呢？

第1步 识别最本质的东西——临床、方法学异质性。

在进行meta分析时，首先要保证临床和方法学同质性，比如研究的设计类型、实验目的、干预措施等相同，否则就要采用亚组分析等消除异质性后，再考虑统计学异质性（非常重要，不能一味追求统计学同质性，首先考虑专业和临床同质性）。

第2步 量体裁衣——统计学异质性检验。

在Revman中采用Chi²的P和I²进行判断。当统计学异质性显著（P<0.10或I2＞50%）时,选择随机效应模型；当统计学异质性不显著（P≥0.10或I2≤50%）时，选择固定效应模型。

But......（以下内容为与优秀选手拉开差距的附加内容）

我们也会看到有的文章，在统计学异质性不显著的时候，仍然选择了随机效应模型......这就要讲到两者采用的计算方法和本质的区别了！

1. 算法差异：以计量资料为例，在合并效应量时，固定效应模型一般采用Inverse-variance法；随机效应模型则在Inverse-variance法基础上，采用D-L法，引入校正因子对固定效应模型中的权重进行校正后再计算合并效应量及其95%可信区间。

2. 本质区别：随机效应模型是不需要以假定各个研究来自同一个总体为前提，而仅对总体参数的近似无偏估计，这个与固定模型不一样（必须要同质为基础），所以随机模型在有无异质性的情况下都可以用。如果无异质性存在的时候，随机效应模型就等同于固定效应模型，即两个模型的合并效应值是相等的。

但是绝大数文章还是采用常规的方法，而非简单粗暴的直接使用随机效应模型.

最后用一张图来总结：

参考文献：苏醒,范炯同,黄圣宴,秦殿菊.消化性溃疡出血危险因素的Meta分析[J].中国老年学杂志,2020,40(18):3883-3886

[欢迎批评指正，邮箱[e-mail]]