循证医学讲稿-常用统计方法.docx

《循证医学讲稿-常用统计方法.docx》由会员分享，可在线阅读，更多相关《循证医学讲稿-常用统计方法.docx（19页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、第六章循证常用统计方法第一节常用统计指标一、分类变量资料常用统计指标(-)常用指标.率循证医学临床防治实践证据中经常用到的率有两种：(1)试验组事件发生率(experimentaleventrateJER ):如对某病采用某些 防治措施后该疾病的发生率。(2 )对照组事件发生率(controleventrate.CER):如对某病不采取防治措施 的发生率。样本率的可信区间可用于估计总体率，计算总体率的可信区间时要考虑样本率p 的大小。当n足够大，如n100,样本率p与1-p均不太小，且np与n( 1-p ) 均大于5时，可用下式(正态近似法)求总体率的可信区间。1 .率差试验组某事件的发生率P

2、1与对照组某事件的发生率p2之差即为率差 (ratedifference,RD )，也称危险差(riskdifference,RD 工在疾病的病因、治疗及预后试验中，常用发生率来表示某事件的发生强度，其大小可反映试验效 应的大小，其可信区间可用于推断两个率有无差别。率差的可信区间包含0时， 两个率无差别。率差的可信区间不包含0,则两个率有差别。率差的可信区间由 下式计算：2 .相对危险度相对危险度(relativerisk,RR )是试验组某事件的发生率P1与对照组某事件的发生率P2之比。前瞻性研究(如队列研究、随机对照试验研究等)2 .具有进行资料合并的合理性在Meta分析之前，研究人员首先

3、需要认真严格地分析纳入的资料，只有当这些资料符合合并条件时，才能进行Meta分析。3 .异质性检验所存在的异质性可以接受异质性包括：(1)临床异质性：通过P1CO原则来判定。(2 )方法学异质性：如研究设计、研究质量等。(3 )统计学异质性：由于Meta分析的核心计算是将相同的多个研究的统计量 合并(相加、汇总)，按统计学原理，只有同质的资料才能进行统计量的合并，反之 则不能。通过异质性检验,检查各个独立研究的结果是否具有一致性或可合并性。!1!)异质性的处理L获得个体病例数据(individualpatientdataJPD )若能得到每个研究的个体病例数据，可以探讨异质性的来源，并可对每个

4、研究采用统一的多重回归模型进 行分析从而避免由于模型不一致不同的变量选择和定义，混杂因素的调整等) 导致的异质性。2 .亚组分析(subgroupanalysis )即按不同的临床特征,研究质量等分组后进 行Meta分析。3 .叙述性合成(narrativesynthesis )通过表格对合格研究的研究特征，如研究设计、研究对象、研究结局、研究质量等，与研究结果进行结构化的比较和总结，定性评价研究结果在不同研究特征上是否相似，即研究结果是否与某些研究特征 有关。4 .选用随机效应模型随机效应模型假定：所有研究估计的是不同的但服从某个对 称分布的多个干预效应；对称分布的中心反映了这些效应的平均值

5、；研究结果之 间的差异不仅来源于机遇，也来源于干预效应的不同。5 .不进行Meta分析只是对结果进行一般性的统计描述。图61异质性的处理流程图二、分类变量资料的Meta分析(-)数据资料整理形成四格表资料如表6-3,若有k个独立研究对其中的分类变量指标进行Meta分析，数据整理如表6-4。表6-3四格表资料的基本格式表6-4k个研究两组分类变量Meta分析数据整理表(二)计算效应量(三)异质性检验异质性检验(testsforheterogeneity )又称同质性检验(testsforhomogeneity)，用于检验多个相同研究的统计量是否存在统计学异 质性。1 .Q检验Q检验，即检验统计量

6、Q是否服从自由度为k-1的卡方分布，当计算得到Q后，需由卡方分布获取概率，故又将此检验称作卡方检验。检验步骤：1建立假设，确定检验水准H。:各纳入研究来自同一总体。H:各纳入研究来自不同总体。检验水准为a,a=0.10 (双侧I2计算Q统计量计算公式为：3确定P值，做出推断.T指数P是用于衡量多个研究结果间异质程度大小的指标。效应量估计的总变 异，是由随机误差和异质性两部分组成，其中异质性部分在总变异中所占的比重 就是P指数。借助P指数粗略评价异质性程度，若异质性明显，则应探讨异质性的来源并做 相应处理；若异质性过大，应放弃Meta分析，只对结果做统计描述。式中Q为异质性检验的卡方值x2,df

7、为自由度，k为纳入Meta分析的研究个 数。在Cochrane系统综述中，只要尸不大于50%,其异质性可以接受，若P 50%,则说明存在比较明显的异质性。(四)合并效应量的U检验 当异质性检验P0.10,分类变量资料的Meta分析采用固定效应模型，用M-H法(Mantel-Haenszelmethod )和 Peto 法(Yusuf-Petomethod );当异质性检验PW0.10,分类变量资料的Meta分析采用随机效应模型，用D-L法进行 数值变量资料的Meta分析。合并统计量的检验除使用Z(U)检验外，还可以使用可信区间法，当试验效应指标为OR或RR时，其值等于1时试验效应无效，此时其9

8、5%的可信区间若 包含了 1,等价于P0.05,即无统计学意义；若其上下限不包含1 （均大于1或均小于1），等价于PW0.05,即有统计学意义。当试验效应指标为RD. MD或SMD时，其值等于0时试验效应无效，此时其95%的可信区间若包含了 0,等价于P0.05,即无统计学意义；若其上下限不包含0 （均数大于0或小于0 ）,等价于PW0.05,即有统计学意义。:LMH法1建立假设，确定检验水准H。:多个同类研究的合并统计量有意义。H:多个同类研究的合并统计量无意义。检验水准为a,a=0.05 （双侧工2计算Z统计量根据选定模型的公式，计算z（或U）值。3计算P值，做出推断根据z （ U ）值得

9、到该统计量的概率P值：若P40.05,表明多个研究的合并统计 量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学意义。2 .Peto 法1建立假设，确定检验水准2计算Z统计量3计算P值，做出推断根据z ( U )值得到该统计量的概率P值：若P40.05,表明多个研究的合并统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学意义。3 .D-L 法D-L法，是1986年由DerSimonian和Laird首先提出，可用于分类变量资料和数量变量资料的随机效应模型分析。主要特点是对W,进行校正。1建立假设，确定检验水准H。:多个同类研究的合并统计量无统计学意义。H:多个同

10、类研究的合并统计量有统计学意义。检验水准为a,a=0.05 (双侧工2计算Z统计量3计算P值，做出推断根据z ( U )值得到该统计量的概率P值：若P40.05,表明多个研究的合并统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学意义。三、数值变量资料的Meta分析（-）数据资料整理整理费料：假如有k个研究，则每一个研究整理如表65。表6-5k个研究两组数值变量Meta分析数据整理表（二）计算效应量加权平均的均数差和方差（WMD）:（三）异质性检验.Q检验异质性检验的步骤为：1建立假设，确定检验水准2计算Q统计量3确定P值，做出统计推断结论.T检验P的计算公式同公式6-41o

11、（四）合并效应量的U检验当异质性检验Poo,数值变量资料的Meta分析采用固定效应模型，可采用 倒方差法；当异质性检验PW0.10,数值变量资料的Meta分析采用随机效应模型，可采用D-L法。L倒方差法1建立假设，确定检验水准2计算Z统计量SMD合并及其方差和可信区间的计算3计算P值，做出推断根据Z （ U ）值得到该统计量的概率P值：若PW0.05,表明多个研究的合并统计量有统计学意义；若P0.05,表明多个研究的合并统计量没有统计学意义。2.DL法DL法，方法同前。根据不同的资料类型，不同的效应量和统计模型选择不同的统计方法，见表66。表6-6常用Meta分析方法一览表 四.结果表达和解释

12、（-）森林图结构 森林图（forestplot）是以统计指标和统计分析方法为基础，用数值运算结果绘 制出的图形。它在平面直角坐标系中，以一条垂直的等效线（横坐标刻度为1 或0 ）为中心，用平行于横轴的多条线段描述每个被纳入研究的效应量和可信区间，用一个菱形（或其他图形）描述多个研究合并的效应量及可信区间。（二）森林图判读L为每项研究的编号（包含作者姓名和发表年代X2 .为每项试验中治疗组和对照组的原始数据。3 .为比较的类型和结局指标。4 .表示Meta分析中每项研究所占的权重值。5 .为选用的Meta分析模型和方法（如图中Random”为随机效应模型,M-H法工6 .图中数据为各项研究对应的

13、效应值及可信区间。7 .森林图位于正中的垂直线（等效线）表示治疗组与对照组措施具有相同效应, 即两组疗效没有统计学差异；图中每项研究赋予一方块，表示研究的效应值，方 块大小与该项研究所占权重成正比，横线为可信区间，表示该项研究结果的随机 变异情况，横线越宽，我们对效应值的把握越小。8 .各研究合并后的效应量以菱形表示，菱形上下两端最宽处表示点估计值，菱形 左右两端的宽度表示可信区间。9 .森林图底部有一平行线，表示测量效应量大小的尺度。10 .合并效应量及其可信区间。M.结果解释：包括Heterogeneity即异质性检验得到的统计量（随机效应模型Meta分析时的研究间变异Tau卡方检验、P统

14、计量I检验效应Z值。图6-2Cochrane系统综述森林图（三）结果解释.分类变量资料的森林图当所研究事件的发生率较低时，即四格表中的a和c 均较小时，OR近似于RR,OR的可信区间与RR的可信区间也很相近，且OR 的计算较RR更为简单。在临床研究中为简化计算过程，多用OR估计RR,用OR的可信区间来估计RR的可信区间，因此，就临床工作者而言，可简单地将OR的临床意义和解释理解成与RR相同。（1）当总体RR二L无论是95%CI的高端还是低端与RR等效线相交，都表示 两组效应量的差异无统计学意义。(2 )当总体RR1,研究的95%CI的高端和低端都不与等效线相交，图形位于 等效线右侧时，表示治疗

15、组效应量大于对照组。(3 )当总体RR0f95%CI的高端和低端都不与等效线相交，图形位于等 效线右侧时，表示治疗组效应量大于对照组。(3 )当效应量WMD1时，EER大于CER,表 示试验组的处理因素与对照组相比可以增加其病死率.患病率等，该因素是不利 因素，且RR越大，处理因素的不利影响越大。若P1和p2是有效率.治愈率等健康增益指标时，当RRv 1时，EER小于CERf表示试验组的有效率,治愈率等低于对照组，该因素是不利因素，且RR越小, 处理因素的不利作用越大；当RR1时，EER大于CER,表示试验组的有效率.治愈率等高于对照组，该因素是有益因素，且RR越大，处理因素的有益作用越 大。

16、RR的可信区间，采用自然对数法进行计算，即计算RR的自然对数值InRR的可信区间，再取其反对数，即为RR的可信区间，其计算公式：(1)按不同的研究特征(如研究的方法学质量高低,不同的统计方法,样本量大小、是否包括未发表的研究等)对纳入文献进行分层Meta分析，比较合并效应 量间有无显著性差异。(2)采用不同统计方法或模型分析同一资料，计算效应合并值的点估计和区间 估计，比较合并效应量间有无显著性差异。(3 )在研究的纳入和剔除标准改变后，对纳入研究重新进行Meta分析，比较合并效应量间有无显著性差异。(4 )从纳入研究中剔除质量相对较差的文献后重新进行Meta分析，比较前后合并效应量间有无显著

17、性差异。若排除后结果未发生大的变化，说明敏感性低, 结果较为稳健可信汁目反，若排除后得到差别较大甚至截然相反的结论，说明敏 感性较高，结果的稳健性较低。(二)失安全系数(fail-safenumberfNf)失安全系数用Nfs表示，具显著性水平p=0.05和p=0.01的公式分别为：Z为各独立研究的Z值，通过P值反查Z值(或U值)表获得，k为研究个数。如果发表性偏倚影响较大时，只需要新增少数几个无统计学意义的研究，就能使 合并效应量的显著性检验无统计学意义；如果发表性偏倚较少时，则需新增相当 多数量的研究，才会改变研究结果。(三)漏斗(funnelplot)最初是用每个研究的处理效应估计值为X

18、轴，样本含量大小为Y轴的简单散点 图。对处理效应的估计，其精确性是随样本含量的增加而增加，小样本研究的效 应估计值分布于图的底部，其分布范围较宽，大样本研究的效应估计值分布范围较窄。当无偏倚时，其图形呈对称的倒漏斗状，故称为“漏斗图。图6-3漏斗图示意图漏斗图主要用于观彳漏斗图主要用于观彳Meta分析结果是否存在偏倚。如果资料存在偏倚，会出现不对称的漏斗图，不对称越明显，偏倚程度越大。导致漏斗图不对称的主要原因 可能有选择性偏倚（如发表偏倚.语言偏倚.引用偏倚.重复发表偏倚等I小样本研究,真实异质性,抄袭等。进行Meta分析的研究个数较少时不宜做漏斗图，原则上Meta分析的研究个 数在5个及以

19、上时才需要做漏斗图。二、统计分析方法的比较（一）M-H 法M-H法具有理想的统计特征，其x2为。时，其效果为1,比较符合数学理论，但 它需要每个研究有完整的2x2表。它忽视了在研究中需要考虑混杂因素。在随 机对照研究和病例对照研究中，由于混杂因素已被配对，所以用M-H法计算问 题不大。然而在有些病例对照研究中，若某些混杂因素没有配对，这时应用此法 可导致很大的误差。（二）Peto法Pet。法是一种比较简单的OR指标的Meta分析但没有流行病学的背景意义,并且它同样存在M-H法的缺陷，并且在资料不平衡时，其结果会产生很大的偏 性。Peto法只能用于OR值的处理，很少用于非试验性研究。（三）D-L

20、法DL法是用于随机效应模型的方法，它也适用于各种统计量，但此法并没有校正偏倚,没有控制混杂或其他引起各研究之间异质性的原因，所以当研究间存在异 质性时不能盲目应用D-L法，它无法代替对研究间异质性原因的探索，所以此法有增加质量差的证据而牺牲好的证据的危险。对于控制混杂因素的Meta分析方法，可根据以下情况进行考虑。若各研究之间 的OR差异较小且OR异质性检验无统计学差异建议用固定效应模型。反之, 各个研究之间的OR差异较大时，建议用随机效应模型。三、Meta分析结果的应用Meta分析结果除要考虑是否有统计学意义外，还应结合专业知识判断结果有无临床意义。若结果仅有统计学意义，但合并效应量小于最小

21、的有临床意义的差值 时，结果不可取。若合并效应量有临床意义，但无统计学意义时，不能定论，需 进一步收集资料。在无肯定性结论时，应注意区别两种情况，一是证据不充分而不能定论，二是有证据表明确实无效。Meta分析结果的推广应用，应注意干预对象的生物学特征，以及干预场所.干预措施.依从性、辅助治疗等方面的差异。对于具体的医学实践.临床病例，要 根据实际参考采纳Meta分析的结论。Meta分析的结论不是一成不变的，随着新的研究证据的出现，其结论应加以更新。四.Meta归及混合效应模型在临床研究中，即使研究目的完全相同，总会或多或少地存在一些差别。如在药 物生产厂家.剂量.研究对象年龄,病情轻重,测量时

22、间.随访时间等方面有所不同，这些都是异质性的潜在原因。若这些因素能够被准确测量，可以选用Meta归(Meta-regression )模型分析归(Meta-regression )模型分析，估计合并效应量。若无异质性的影响，。B,=0,则Meta归模型可简化为定效应模型。Meta用于敏感性分析。但是Meta归容易产生聚集性偏倚，特别是当资料存在异质性或纳入分析的研究数目较少时，应放弃Meta归分析。归模型可适用于RCT及病例对照研究等研究类型的Meta分析，也可尽管模型中纳入了一些混杂因素，仍不能完全解释研究间的变异，需在上述模型中加入随机效应项，那么该模型就成为混合效应模型（mixedeff

23、ectmodel工其中明是随机效应项，其他与Meta归模型相同。混合效应模型的参数估计可采用加权最小二乘法或极大似然估计法，能够最大限度 解释异质性来源。但存在两大缺点，即如果研究个数较少，不能建立混合效应模 型，不能进行剂量反应回归分析。小结本章主要介绍了统计方法在循证医学中的应本章主要介绍了统计方法在循证医学中的应第一节介绍了常用的统计指标,包括分类资料与数值资料指标两大类；第二节介绍Meta分析的发展,原理，适 用性条件，异质性的处理，分类和数值变量资料的统计学分析过程，了解Meta 分析结果的表达和解释；第三节介绍Meta的注意事项，如评价Meta分析结 果的稳定性和可靠性，对统计学方

24、法的比较等内容由于RR=1时为试验因素与疾病无关，故其可信区间不包含1时表示有统计学意义，反之，其可信区间包含1时为无统计学意义。4.比值比回顾性研究往往无法得到某事件的发生率（如CER. EER ），也就无法计算出RRo但当该发生率很低时，可以计算出RR的一个近似值，该近似值称 为比值比（oddsratioQR），计算OR的四格表见表62。表6-2计算OR的四格表（二）防治效果指标.绝对危险度降低率当EERvCER时，某疗效事件发生率（如病死率）的差值即 为绝对危险度降低率（absoluteriskreductionfARR），用来反映试验组某疗效事件的发生率比对照组减少的绝对量，其计算公式

25、为：ARR=CEREER,临床意 义简单, B月确。需要注意的是，当ARR值很小时会出现难以判定其临床意义的问题，如试验组人群中某病的发生率为090038%,而对照组人群该病的发生率为 0.00048%,ARR = CEREER=0.00048%000038%=0.000：L% 的意义彳艮难 解释。1 .NNT及可信区间多减少1例不利结果或多得到1例有利结果需要治疗的患者 数（numberneededtotreat,NNT ），即对患者施加某种处理因素（干预措施）后，试验组比对照组多防止1例不良事件或多得到1例有利结果需要治疗的病 例数。其计算公式如下：从公式可见，NNT的值越小，处理因素的防

26、治效果越好。如现有一种干预措施 的ARR=10%,那么NNT=l/10%=10,即只需要治疗10个病例就可以得到1 例额外的有利结果。另有一种防治措施的NNT= 1/0.0001%=1000000,即需要 治疗一百万个病例，才能得到1例额外的有利结果，充分显示不同的防治措施 的效果大小差异及不同的临床意义。需要注意的是，如果对照组是阳性对照，则 同一处理因素（干预措施）的EER与不同阳性对照的CER所得到的NNT间不 能比较。由于N NT= 1/ARR,所以N NT的95%可信区间可以利用ARR来计算。2 .相对危险度降低率相对危险度降低率（relativeriskreduction,RRR

27、）反映试 验组与对照组比某病发生率减少的相对量，计算公式为：而对照组人群的发生率为50% （ CER=50% ）,但若另一研究中对照组疾病的发生率为0.00050%,试验组疾病发生率为 0.00038%,M RRR 仍为 24%03 .绝对获益增加率及相对获益增加率EERCER时试验组中某有益结果（如治愈、 显效、有效等）发生率EER与对照组某有益结果发生率CER的差值即为绝对获 益增加率（absolutebenefitincrease,ABI X 计算公式为：该指标可反映试验组施加处理因素（干预措施）处理后，患者的有益结果增加的 绝对值。从计算原理上与ARR是一致的，只不过意义有所不同。相对

28、获益增加率（relativebenefltincrease,RBI）即试验组中某有益结果（如 治愈、显效、有效等）的绝对获益增加率（ABI）与对照组某有益结果的发生率CER的比值，该指标可反映试验组施加处理因素后，其有利结果的发生率比对照组增加的相对量。计算公式为：4 .绝对危险度增加率观察指标为某不良事件发生率，且EERCER时率第RD ）即为绝对危险度增加率（absoluteriskincrease.ARI 1ARI用于度量对试验组施加处理因素后其不利结果（如死亡、复发、无效等）的发生率比对照组增加的绝对量。5 .NNH多出现1例不良事件或不利结果所需观察的人数 （numberneeded

29、toharmfNNH ）是指与对照组相比较，多出现1例不良事件或不利结果所需观察的人数，其计算公式为：该公式中的EER和CER在防治性研究中定义为施加处理因素（干预措施）后某 不良事件或不利结果的发生率。因此，NNH值越小，该干预措施引起的不利结 果（不良事件或副反应等）就越大。例如，某治疗措施引起的不良反应发生率为 65%,而对照组出现类似不良反应率为 38%,ARI=65%-38%=27%,NNH = 1/27%h4,即该治疗措施每处理4个病例, 就会出现1例不良反应；假设该治疗措施引起的不良事件发生率为48%,则 NNH = l/（48%-38%） =10o需要注意的是：与NNT类似，N

30、NH中的对照组通常是安慰剂对照，如果对照 组是阳性对照，则同一处理因素（干预措施）的EER与多个阳性对照的CER所得到的NNH间不能比较。NNH的可信区间由ARI的上下限倒数计算得到。6 .相对危险度增加率当EERCER时，试验组某事件的发生率比对照组增加的相 对量即为相对危险度增加率(relativeriskincrease,RRI)，计算公式为：7 .干预性措施受益与危害的似然比干预性措施受益与危害的似然比 (likelihoodofbeinghelpedvsharmed,LHH )也是循证医学中常用的统计指标，其计算公式为：该指标反映了干预措施给受试者带来的受益与危害的比值，LHH1,利

31、大于弊， 反之，LHH1,利小于弊。例如:某干预措施的NNT为9,其NNH为4,其 LHH=4/9=0.44,即此种干预措施对受试者带来的危害是其受益的2倍多。若从患者的角度出发，估计某个具体患者的LHH时，应按照下式计算：式中的f为对患者不采取干预措施时，将会有多大的危险发展成为对照组患者的 不利结局，f2为对患者采取干预措施所出现副作用的危险性是对照组的多少倍。如当对患者不给予处理时1有2倍的危险出现对照组患者的不利结局则fl=2;如只有一半的机会发生对照组患者的不利结局，则f=0.5o例如：某防治措施的NNT为9,其NNH为4。我们判断某个患者若不采取防治措施，将会有3倍的危险性发展成为

32、对照组患 者一样的不良结局(f =3 ),而采取防治措施所出现不良反应的危险性与不采取防治措施的患者相同（fz=l），那么校正的LHH为：这个患者接受此种防治措施时，受益是危害的L3倍。二,数值变量资料常用统计指标（一）均数.样本含量n足够大时，可按正态分布原理近似计算其95%的可信区间，n越大近似程度愈好。公式如下：1 .样本含量较小，其95%可信区间可使用以下公式计算：（二）两均数差.均数差（meandifference,MD,或 weightedmeandifference,WMD ）两均 数的差值即WMD,该指标以原有的研究测量单位，真实地反映了试验效应，消 除了绝对值大小对结果的影响

33、，在实际应用时，该指标容易被理解和解释。均数 差的可信区间还可用于两个均数的比较，如果均数差的可信区间不包含0 （上下 限均大于0或上下限均小于0），则两个均数差有统计学意义，反之，两个均数 差的可信区间包含0,则无统计学意义。两个均数差的95%的可信区间由下式计算：其95%可信区间为（L00,4.40 ），该区间包含了 0,两均数差别无统计学意义。1 .标准化均数差某个研究的标准化均数差（standardizedmeancHfference,SMD ），可简单地理解为两均数的差值再除以合并标准差的商，它不仅消除了某研究的绝对值大小的影响，还消除了测量单 位对结果的影响。因此，该指标尤其适用于

34、单位不同或均数相差较大的数值资料分析。但是，SMD是一个没有单位的值，因此，对SMD分析的结果解释要慎 重。SMD可按下式计算:第二节Meta分析一.概述(-)发展沿革Meta分析的前身源于flsherl920年合并P值的思想3955年由Beecher首次 提出初步概念；1976年英国心理学家首先将合并统计量对文献进行 综合分析研究的方法称为MetaAnalysis ；1979年英国临床流行病学家ArchieCochrane将此方法应用于他发表的激素治疗早产孕妇降低新生儿死亡率随机对照试验的系统综述一文中。1 .概念Meta分析的定义目前尚有不同意见。Cochrane图书馆将其定义为：Meta

35、分析是将综述中的多个研究结果合并为一个量化指标的统计技术 (statisticaltechniqueforassemblingtheresultsofseveralstudiesinarevi ewintoasinglenumericalestimate工近年来越来越多的学者认为Meta分析 应该看作是一种统计分析方法，或称之为狭义的Meta分析。主要有以下两种定义：Meta分析是对具备特定条件的、同课题的诸多研究结果进行综合的一类统计方 法(thestatisticalanalysisoflargecollectionofanalysisresultsfromindividualstudie

36、sforthepur-poseoflntegratingtheflndings 工Meta分析是将多个独立.针对同一临床问题可以合成的临床研究综合起来进行定量分析的统计方法。2 .Meta分析的目的(1)提高检验效能：合并数个小型研究可能使其测出疗效的概率提高。(2)改进精确性：纳入多个试验，可提供较多信息，提高疗效评价的精确性。(3)经过对原始研究的选择，可获得对某一具体问题不同角度的研究结果，进行 全面汇总和分析。(4)找出研究之间存在差异的原因或产生新的假设，分析研究中的矛盾程度, 探讨并定量分析出现不同结果的原因。(二)Meta分析的基本原理Meta分析的本质是将多个研究综合起来，以提高精度/统计效能；研究的样本 量越小，效应估计的精度越低，可信区间越宽;研究的样本量越大，效应估计的 精度越高可信区间越窄。(三)Meta分析适用条件1.具有良好的研究间基线同质性要求纳入的临床研究相同或相似，如相同疾病及对象特征相近，多个研究的干预措施与对照措施相同，测量的结局指标相同等。 例如，若只评价一种治疗方案的疗效，应将该治疗方案与另一方案进行比较，若 各研究的指标一致无论这些研究是否有存在疗效的证据均可采用Meta分析。