基于SAS NLMIXED的廣義線性混合效應(yīng)模型在發(fā)病率數(shù)據(jù)Meta分析中的應(yīng)用

鄭建清 黃碧芬 吳 敏 肖麗華

Meta分析被越來越廣泛地用于醫(yī)學(xué)研究，通過匯總來自多個(gè)獨(dú)立研究的資料來評估某種干預(yù)的有效性，也可以用于因果關(guān)系及率的綜合分析。當(dāng)研究人員所關(guān)心的結(jié)局變量是二分類變量時(shí)，這類數(shù)據(jù)可以被視為一個(gè)2×2的列聯(lián)表，每個(gè)單元格對應(yīng)于不同組中的事件數(shù)和無事件數(shù)(例如研究組和對照組中有疾病和無疾病的人數(shù))。然后，可以通過風(fēng)險(xiǎn)差(RD)、相對危險(xiǎn)度(RR)或者比值比(OR)等指標(biāo)來匯總這些研究中收集的信息。臨床中，另外一個(gè)常用的效應(yīng)指標(biāo)為發(fā)生率比率(IRR)，又稱為發(fā)病率密度，是基于每個(gè)研究組單獨(dú)記錄的事件計(jì)數(shù)隨時(shí)間的變化情況，例如每1 000人年。將這種類型的數(shù)據(jù)稱為發(fā)病率數(shù)據(jù)，也稱為發(fā)病率密度數(shù)據(jù)[1]。

目前已經(jīng)提出了兩種方法來進(jìn)行發(fā)病率數(shù)據(jù)的Meta分析，包括倒方差法和基于固定效應(yīng)模型的泊松回歸模型[2-4]。當(dāng)數(shù)據(jù)存在“0事件”(多個(gè)研究在研究的1或2個(gè)組中具有0事件)時(shí)，倒方差法是有問題的，因?yàn)楫?dāng)研究包含0事件時(shí)，研究特定的效應(yīng)值log IRR及其方差都無法定義。因此，最終分析的時(shí)候會省略含0事件研究。一種被廣泛推薦使用的補(bǔ)救措施是應(yīng)用連續(xù)性校正，但這種方法通常僅在只有少數(shù)研究包含0事件的情況下使用，否則會產(chǎn)生明顯的偏倚?；诠潭ㄐ?yīng)模型的泊松回歸模型可以解決暴露時(shí)間變化的情況，也可以用于解決數(shù)據(jù)中存在0事件的問題。另一種選擇是通過基于隨機(jī)效應(yīng)模型的泊松回歸模型來擴(kuò)展先前的模型，但這種方法很少被用于上述情況?！?br>