稀疏二分類數(shù)據(jù)貝葉斯Meta分析方法及實現(xiàn)

張?zhí)灬?/p>

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]。眾多醫(yī)學Meta分析中涉及稀疏二分類數(shù)據(jù)的現(xiàn)象十分常見，即感興趣的測量結局(如某種干預措施的不良事件)為二分類數(shù)據(jù)且十分稀疏，特別是在納入Meta分析的單個研究中有1個或2個臂的事件發(fā)生數(shù)為0(分別稱為“單零研究”或 “雙零研究”)，一項對500項Cochrane系統(tǒng)評價隨機抽樣調查的研究表明，有30%的系統(tǒng)評價中至少有1個研究1個臂的事件發(fā)生數(shù)為0[2]。經典的Meta分析方法不適用于稀疏數(shù)據(jù)(sparse data)，特別是納入Meta分析中含有多個單零研究或雙零研究時，在數(shù)據(jù)分析方法學方面面臨著眾多挑戰(zhàn)，已引起國內外研究者的關注，相繼提出多種模型和方法[3-6]。本文介紹二項式-正態(tài)層次模型(BNHM)和貝塔-二項式模型(BBM)，以及基于這兩種模型框架下的貝葉斯Meta分析方法，并通過實例來介紹軟件實現(xiàn)過程。

1 方法

1.1 研究數(shù)據(jù) 數(shù)據(jù)來源于1項Cochrane系統(tǒng)評價[7]，其主要觀察長效β2受體拮抗劑(LABA)合用糖皮質激素吸入劑(ICS)對兒童慢性哮喘的干預作用，對照組為單純應用ICS。本文選取測量結局為嚴重不良事件且FEV1平均基線值≥ 80% 預計值亞組的數(shù)據(jù)，共納入13個研究，其中含有3個單零研究、4個雙零研究，表1顯示，數(shù)據(jù)中變量名study、rtrt、ntrt、rctrl、nctrl分別表示研究名稱、治療組事件發(fā)生人數(shù)和總人數(shù)、對照組事件發(fā)生人數(shù)和總人數(shù)。

表1 分析數(shù)據(jù)

1.2 模型與方法

1.2.1 BNHM 針對二分類數(shù)據(jù)，經典Meta分析基于異質性假設可分為固定效應和隨機效應2種模型，隨機效應采用正態(tài)-正態(tài)層次模型(NNHM)最為流行[8],但在某些情況下，該模型假設難以成立，因此，更多的研究者建議采用BNHM。……