论文部分内容阅读
Meta分析作为系统性评价的主要手段之一,常用于临床试验中的不定性结果的合并研究,以期通过合并同类研究,扩大样本量,从而给出定性的研究结果。缺失数据是统计分析中普遍存在的问题,临床试验和流行病学调查中经常出现数据缺失的情况。当研究中存在缺失数据时,对于医学研究者在实际中的应用分析增添了很大的困难。本文运用随机效应模型,Copas选择模型和EM算法等缺失数据统计方法,对Meta分析,出版偏倚检验和校正等问题进行研究。首先,本文分别对缺失数据的产生及发展,Meta分析的相关背景,统计方法等进行了简单阐述。其次,运用随机效应模型,对生物标记物Cystatin C在慢性肾病患者与健康检查者之间的水平差异进行Meta分析。再者,运用漏斗图法、Egger检验法进行出版偏倚检验;运用Copas选择模型对出版偏倚进行校正。最后,在MATLAB中对基于EM算法的Copas选择模型进行数值模拟,并将实际数据代入计算。对Meta分析中的出版偏倚的校正问题对今后Meta分析的应用和发展具备理论意义。主要结果为:(1)关于生物标记物Cystatin C的Meta分析,研究间的异质性较大,从而选择随机效应模型对合并效应量进行估计。结果表明,慢性肾病患者与健康检查者之间的Cystatin C水平平均差异达到0.42mg/d L,95%CI:[0.29,0.56]。敏感性分析结果表明随机效应模型对Meta分析的结果是稳健的。(2)在Cystatin C与另一生物标记物肌酐的灵敏度分析中,ROC曲线表明对于早期的慢性肾病患者,Cystatin C的水平变化比肌酐更灵敏。基于此,当肌酐水平变化不明显,而Cystatin C水平变化超过正常水平0.56mg/d L时,医学检查人员应提高警惕,及时对体检者进行更细致的检查。(3)使用漏斗图法和Egger检验法进行出版偏倚检验,结果表明该项Meta分析存在出版偏倚。基于此,运用Copas选择模型进行偏倚校正,校正后的Cystatin C水平平均差异为0.30mg/d L,95%CI:[0.14,0.45],这意味着当肌酐水平变化不明显时,Cystatin C水平变化的警惕值降低了。(4)在MATLAB模拟研究中,基于EM算法估计的Copas似然选择模型对小样本的参数估计效果良好,累积误差小于0.01。基于此,对Meta分析中的14项研究进行出版偏倚校正,得到Cystatin C水平平均差异为0.60mg/d L,95%CI:[-0.03,1.23],研究间方差为1.44。在出版偏倚选择机制下,研究结果出版与研究效应量的相关性为0.67。