Revman软件操作.ppt
Revman软件操作 刘敏 感染科,主要内容,Revman软件的下载与文章新建二分类变量资料的Meta分析实现连续变量资料的Meta分析实现亚组分析的构建漏斗图与森林图的解读敏感性及异质性分析,Revman软件的下载与安装,Review Manager（简称 RevMan）是国际 Cochrane 协作网为系统评价（systematic review）工作者所提供的专用软件，是 Cochrane 系统评价的一体化、标准化软件。下载地址：,打开Revman软件，点击“create a review”新建一个Meta分析,诊断准确性系统评价,为研究取一个名字,Protocol 是制作cochrane review 时候用的，其他时候不用，所以选“full review”,点finish,左边为revman的功能区，右边则为主体区,左边可以看到5把“钥匙”，点击第1把Review information 可以修改这个review的基本信息,点击第2把“钥匙”main text,可以看到这个Review 的提纲，初学者可以参照来写,第3把钥匙 tables 表格区。主要有两个功能：1.各个研究的特点和偏移；2.呈现Summary of finding tables。,Data and analysis 是Revman的核心，统计和计算都在这里,Figures，图片区，纳入研究的流程图和偏移风险图都在这里，此外，其他区基本不用,先点击Studies and refrences，然后点 Add Study，则可以开始录入研究,点击 studies and refrences,然后点击右边的 Add Study,自动跳转到这个界面，输入研究者名字和年份，如 Jack 2007,连续默认“next”，则会出现如图界面，如所有研究都已录入完毕，则选择“nothing”，若还需录入新的研究，则选择第3项添加另一个研究到这里,第二部分 二分类变量资料的Meta分析实现,概述,有些变量的测量结果只有两种类别，譬如：男性和女性、有效与无效、生或死等等，这种按事物的某一性质划分的只有两类结果的变量，称为二分类变量 Meta分析中，二分类变量汇总的是发生率、死亡率、有效率这些数据,完成一个Meta分析的数据合并，需要进行至多三层工作：第一层是“Comparison”，代表的是一个对比（试验组vs对照组）第二层是“Outcome”，代表对比的是什么（结局指标）第三层是“Subgroup”，亚组分析时才会用到，可以没有,研究全部录入后，就来到数据区：Data and analysis,开始数据分析，点Add comprison,为这个对比取一个名字，如“A vs B”,比较已经建好，Add outcome,点“Dischotomous”，然后 next,为这个结果取一个名字，如这个结果是分析安全性，如：Safety,这一界面主要选择：1.统计学方法2.统计模型3.统计指标,统计学方法Peto：只能用于二分类变量里的OR值MH法：只能用于二分类变量IV法：连续型变量和二分类变量都可以,效应模型的选择FE：固定效应模型，当纳入的各研究间异质性较好，即P值0.1或I250%时，可以用；RE：随机效应模型，通用,效应指标的选择OR：比值比，万金油，可用于所有的二分类变量的研究RR：相对危险度，仅用于队列研究和RCTRD：率差，仅用于队列研究和RCT,Left/Right Gragh Lable:试验组和对照组的标签，可以自定义一下Scale：森林图的尺度，默认100,Sort By：研究的排序方法，一般选第一个，选Study ID的首字母进行排序,全部设置完毕点Nothing,然后 finish,Outcome就建好了，点击它,可以看到这个outcome现在还是空的,这时需要点击右上角 添加研究，,选择这个outcome所需纳入的研究，然后Finish,分别将每个研究试验组及对照组事件数及样本量录入,譬如这个原始数据，对应相应的研究，将数据直接复制进去,总OR值的统计学检验（Z检验）结果，总OR值的P值,下面来介绍一下这几个小按钮的功能,这个按钮可以用来添加新的研究,这个按钮可以切换效应指标，也就是OR、RR、RD,这个按钮可以切换效应模型，即RE(随机效应模型)、FE(固定效应模型），鼠标点击即可完成切换,这个按钮是用来打开森林图的,这个按钮是用来打开漏斗图的,这个按钮是可打开计算器,这个 可以设置这个Outcome的所有条件，包括分析方法、分析数据类型、细节、图表等,第三部分 连续型变量资料的Meta分析实现,概述,连续型变量：有具体数值的数据，如：身高、体重、肿瘤直径、血糖、血氧等Meta分析中，连续型变量是身高、体重、血压、淀粉酶等数据，描述这样的数据，需要三个元素：均数、标准差和样本量,在做二分类变量的时候研究已经录入完毕，再次来到数据区：Data and analysis,然后“Add Comparison”,为这个新的“Comparison”取一个名字，如“C VS D”,然后Next,点“Nohing”,然后Finish,新的比较就建好了,接下来，Add Outcome,点“Continuous”，然后 next,为这个结果取一个名字，如：Length of ICU stay,又到了选择统计方法、效应指标、效应模型这一页，其和二分类变量有所区别,效应模型，同二分类变量FE：固定效应模型，当纳入的各研究间异质性较好，可以用；RE：随机效应模型，通用,所以这里选择IV法，RE模型，MD值，然后Next,总可信区间的选择,一般全部选择默认，然后next,全部设置完毕点Nothing,然后 finish,这个Outcome就建好了，双击它,和二分类变量一样，现在这个outcom现在还是空的,点击右上角 添加研究，,选择需要纳入的研究,和二分类变量一样，将相应的数据Copy进来，结果自动生成,各组研究的MD值及95%可信区间,各组研究的均数、标准差及样本量,合并总的MD值及95%可信区间,两组研究的样本量,总MD值的统计学检验（Z检验）结果，总MD值的P值,异质性检验：P0.0001，I2=99%，说明具有较高的异质性,第四部分 亚组分析的实现,亚组分析亚组分析是处理异质性的常用方法，可以按照研究方案、研究质量，人种等进行分组,用种族进行亚组分析,添加一个新的“Outcome”,为这个研究取一个名字,全部选择默认，然后Next,全部默认，然后Next,选择默认，Next,点Nothing,然后Finish,取一个名字“亚裔”,选择添加一个新的亚组，Continue,起另一个名字，叫“高加索裔”，然后Finish,这个亚组就建好了，点击“Subgroup“,点击“Asian”,然后点击右上键的 添加研究,将亚裔的研究添加进去,添加“高加索裔”的研究,每个亚组的研究都纳入了，然后将相应的数据拷贝进来,结果自动生成，还有可爱的森林图,森林图导出后是这样的,第五部分 森林图和漏斗图的解读,森林图,先打开森林图,横线代表研究结果的可信区间，即此研究真实存在的范围。横线越长，样本量越小，结果越欠可靠横线越短，样本量越大，结果越可靠,这个菱形代表合并后的结果,这条直线叫无效线，将图一分为二，用于判定统计结果有无统计学意义。若菱形与该直线相交，则代表两组的差异无统计学意义,如果效应量是OR、RR值，这条直线代表1，即比值相等如果效应量是MD、SMD、RD值。这条直线代表0，即差值为零,菱形与直线不相交：如果效应量是OR、RR,，菱形落于直线右侧，即比值大于1，说明实验组发生事件多于对照组，落于左侧则相反如果效应量是MD、SMD、RD值。菱形落于直线右侧，说明试验组的指标大于对照组，落于左侧则相反,若菱形与直线不相交：落于右侧：说明试验组事件较多，对于有效、治愈等有利事件，试验组发生较多，效果较好；对于死亡、复发等不利事件，试验组发生较多，效果更差；落于左侧则相反,森林图与异质性：森林图显示了各个研究的效应量和可信区间，若各研究间可信区间有较少重叠，则可能存在异质性,点击这个 将图片“另存为”,选择一个格式保存，就可以用于杂志的发表，一般选择PDF格式，清晰度好,漏斗图,打开漏斗图漏斗图可用来识别发表偏移和其他偏移优点是直观缺点是主观，不同的人判读结果不同,绘制漏斗图至少需要纳入10项研究。若小于10项，研究数太少，检验效能不足，难以评定漏斗图的对称性,理想的漏斗图如左图所示：大样本研究集中地分布于图形上方小样本研究分散地分布于图形下方形似漏斗，所以叫做漏斗图,如果存在发表偏移，如一些阴性结果未能发表，漏斗图就会出现缺角，如左图的右下角,漏斗图与异质性:漏斗图常用于发表偏移的识别，然而，引起漏斗图不对称的原因很多，发表偏移也是其中之一漏斗图可大致了解各研究间是否存在异质性,这两条斜线是漏斗图的95%可信区间理想情况下，漏斗图中应有95%的点落在这个区间内，提示可能不存在异质性，如果有更多的点落在外面，则提示可能存在异质性,点击 将图 片另存为,第六部分 异质性和敏感性分析,异质性,理想状态下，一个Meta分析应该相当于一个大型的多中心研究，纳入的各项研究应该是同质的研究内的变异是相似的，各项研究应该是指向同一个结果的然后，由于研究人员、对象、地点、条件、种族等的不同，研究间的异质性是“绝对”存在的,异质性的评价方法,森林图和漏斗图法，前面已经说过了，这两种方法虽然直观但不客观，下面来看Q统计量及I2统计量,Revman提供两种异质性检验的方法1.Q值检验2.I2检验,对于Q值统计量检验，主要看P值1.P值0.1,无异质性2.P值0.1,有异质性,I2取值范围为0%至100%对于I2统计量检验，判定异质性的方法主要有两种：,异质性的处理方法,1.检查纳入研究的原始数据是否正确，检查提取数据的方法是否正确,2.若异质性来源于种族、剂量或疗程等可采用亚组分析或者Meta回归,3.敏感性分析，了解异质性来源,就像寻找过敏原一样，敏感性分析就是找到哪一个因素，哪一个研究对异质性的影响最大,4.仍然无法解释产生异质性原因，可以采用随机效应模型进行合并,5.放弃Meta分析误导的结果比没有结果更糟,研究间的异质性无法得到合理的解释研究的合并结果没有临床意义没有足够的、真实的相关研究结果,敏感性分析,敏感性分析是为了了解meta分析的稳定性，虽然敏感性分析不是一种统计学方法，但有几种方法可以进行敏感性分析，进而分析Meta分析的稳定性，包括：剪补法失安全系数法去除单项研究法选择模型分析法,针对发表偏移和小样本研究效应,查看异质性来源时，若删除某一研究，异质性明显降低，则认为此研究为异质性的主要来源，应对此研究进行进一步的阅读和评价如果发现某一研究是异质性的来源，应仔细评估，不能随意去除去除也要有充分的理由，应在讨论里说明,单项研究对合并效应量的影响,每次将某一研究删除，分别进行新的Meta分析，查看效应量有无变化，若删除后结果与之前合并结果不一致，则认为此研究对总效应量影响大不管最后是否删除此研究，都需要在讨论里将此研究和重新评估后的结果着重写一下,谢 谢,
