利用Meta分析减少机遇因素效应

医学治疗措施的公平试验需要对所有相关的可靠证据进行 系统评价 。为避免关于疗效的误导性结论,准备系统评价的人必须采取措施以避免各种类型的 偏倚 ,例如, 考虑所有相关证据 ,并 避免对现有证据的偏倚选择

Errors of Observation即使可能已采取措施来减少评价中的偏倚,但关于疗效的误导性结论也可能是由于 机遇因素 造成的。在系统评价中每次讨论单独但相似的研究,可能也会由于机遇因素作用而留下困惑的印象。如果可能并合适,可利用一种现在称为“Meta分析”的统计程序统合所有相关研究的数据来减少这个问题。

今天在Meta分析中使用的大多数统计技术都来自德国数学家卡尔·高斯(Karl Gauss)和法国数学家皮埃尔-西蒙·拉普拉斯(Pierre-Simon Laplace)在19世纪上半叶的工作。天文学是他们的方法具有实际用途的领域之一:在多个场合测量恒星的位置往往导致稍有不同的估计,那么需要一定的技术来统合估计,从汇集的结果中得到一个平均值。1861年,英国皇家天文学家乔治·艾利(George Airy)出版了一本针对天文学家的“教材”( Airy 1861 ),在书中叙述了这种定量合成过程所采用的方法。一个多世纪之后,美国社会科学家吉恩·格拉斯(Gene Glass)将此过程命名为“Meta分析”(Glass 1976)。

Meta分析的一个早期医学实例由卡尔·皮尔森(Karl Pearson)于1904年发表在《英国医学杂志》上( Pearson 1904 ;O’Rourke 2006),他应政府要求,负责评价关于某种伤寒疫苗效果的证据。尽管统计学家在随后70年间对Meta分析方法进行了发展,但直到20世纪70年代这些方法才开始得到更广泛的应用,最早是从社会科学家开始的(Glass 1976),然后得到医学研究者的应用(Stjernswärd J 1974;Stjernsward等 1976;Cochran等 1977;Chalmers等 1977;Chalmers 1979;Editorial 1980)。

The Cochrane CollaborationMeta分析可以利用 Cochrane协作网 的标识予以说明。该标识展示了利用来自七次公平试验的数据所做的一次Meta分析。每条横线代表一次测试的结果(线越短结果越确定);而钻石代表它们的综合结果。竖线表示试验中比较的两种疗法具有相似效果,则横向将聚集在它附近;如果一条横线与竖线相交,是指特定测试在两种疗法之间没有发现明确的(“统计学意义显著的”)差异。当个别横线与“无差异”竖线相交时,意味着该疗法可能增加或减少婴儿死亡率。不过,两者结合起来可以发现,横线趋向于落在“无差异”线的有益侧(左侧)。钻石代表了这些测试的综合结果,利用Meta分析统计过程生成。钻石的位置显然落在“无差异”线的左侧,这表示该疗法是有益的。

这个图表显示了一种疗程短并且价格低廉治疗方法的公平试验的系统评价结果,该方法是向预计早产的孕妇提供某种类固醇药物。这些测试的首例报告时间是1972年。图表总结了要是十年后(1981年)对可用测试进行系统评价本来可以揭示的证据:它有力地表明类固醇降低了婴儿死于早产并发症的风险。到1991年,还报告了其它七次试验,标识中的图画变得更为清晰。

在1989年(Crowley 1989)之前没有发表关于这些试验的任何系统评价,所以大多数产科医师、助产士和孕妇都没有意识到这种疗法如此有效。毕竟,一些测试并没有显现出“统计学意义显著”益处,而或许只有这些测试被人察觉到了。由于没有进行系统评价,数以万计的早产儿受苦并毫无必要地死去,而资源则浪费在不必要的研究上。这仅仅是给人类带来损失的许多例子中的一个,它未能在公平试验的最新系统评价中评估疗效,利用Meta分析降低 机遇因素 造成误导的可能性。

到20世纪末,人们广泛认为Meta分析是治疗措施公平试验的一个重要组成部分。当某种疗法实际上有益或有害时,它有助于避免得出治疗措施没有任何效果的不正确结论。