基于二項式-正態層次模型框架下比例的貝葉斯Meta分析方法及實現

張天嵩

Meta分析可以定量、科學地合成研究結果，已在許多科學領域取得革命性的成果，有助于建立循證實踐、解決相互矛盾的研究結果問題[1]。經典的Meta分析是針對兩種干預措施基于頭對頭(head to head)的直接比較，主要觀察兩種干預措施的效果差異，相關方法已較成熟。近年來，國內外出現大量的系統評價采用Meta分析方法合并比例(proportions)或率(rates)[2-6]，但這些文獻均是基于經典的正態-正態層次模型(normal-normal hierarchical model，NNHM)，獲得的結果可能會存在偏倚，實際情況下，某些比例或率等數據(如接近于0或1時)并不適用于該模型。本文介紹一種更適用于比例的Meta分析模型及方法，即二項式-正態層次模型(binomial-normal hierarchical model，BNHM)和基于該模型框架下貝葉斯Meta分析方法，并通過實例來介紹軟件實現過程。

1 方法

1.1 研究數據 數據來源于2個研究。數據1：來自Saber等的Meta分析文獻[4]，共納入29個研究(所有研究比例均<0.3，5個研究比例為0)，觀察Pipeline栓塞裝置(Pipeline embolization device，PED)治療顱內動脈瘤的不良反應，本文選取擬分析的數據為缺血性并發癥測量結果。數據2：來自Pritz等的Meta分析文獻[7]，共納入14個研究(10個研究比例>0.7,2個研究比例為1)，觀察高動力療法(hyperdynamic therapy)治療血管痙攣的療效，以神經功能缺失的臨床癥狀改善為治療成功的標準。表1中“n”和“r”分別表示每個研究總人數和事件發性(缺血并發癥或治療成功)人數。

表1 分析數據

該模型可以SAS、Stata和R等軟件來擬合。但在實踐中會遇到很多問題[9,10]：①如果某些研究的事件發生比例很小(如接近于0)、或很大(如接近于1)，則抽樣模型正態分布假設是否滿足值得懷疑，且因研究估計值的方差會趨向于0，則該研究會得到一個很大的權重，計算所得的研究估計值95%CI可能會在[0,1]之外，此時需要采用logit轉換法或雙反正弦法等方法對數據進行轉換；……