Meta分析的幾種圖形示例和繪圖建議

圖形對結果展示具有獨特的優勢，其在Meta分析的結果展示中發揮著重要作用。本文將介紹幾種Meta分析中常用的圖，推薦研究者使用：

一、利用流程圖展示原始研究的納入排除過程

二、利用森林圖，並標明必要的統計檢驗結果（如異質性檢驗）來展示Meta分析的結果

三、利用漏鬥圖或Galbraith圖等展示原始研究效應值的分布情況或相互關係，以評價發表偏倚的可能性

四、利用氣泡圖展示Meta回歸結果

一、納入排除流程圖

納入排除流程圖一般在結果中最先展示。圖中描述了原始研究的納入排除過程。PRISMA提供了流程圖的模板，推薦使用該模板。具體示例與建議見圖1。

圖1. PRISMA 2009 納入排除流程圖

繪圖建議：

1、流程圖最上面展示的是初始獲取的文獻數量，最下面展示的是最終納入分析的文獻數量，中間部分展示文獻的納入排除過程。

2、流程圖可以歸納為四部分：文獻獲取、文獻篩選、文獻入排和文獻納入。

3、向下的箭頭表示文獻選擇過程，向右的箭頭表示每一步中排除的文獻和原因。

二、森林圖

森林圖是Meta分析結果中的經典圖形，它由圖形和數據列表兩部分組成。森林圖可以追溯到20世紀70年代，相傳因圖形中的線條類似於森林而得名。

數據列表部分包含各原始研究以及樣本量、結局事件數、效應值等資訊，原始研究的排列一般應遵從一定的順序，比如發表年代或貢獻的權重。效應值通常為均數差、OR、RR或HR等，並且要提供置信區間。

圖形部分展示了各研究效應值及其95%CI區間，圖中點的大小衡量各研究貢獻的權重大小。圖的最底部為Meta分析的合併值。具體示例（圖2）與繪圖建議如下：

繪圖建議：

1. 數據列表部分

(1) 展示納入分析的原始研究。研究排列應遵從一定順序，如發表年代，權重大小或作者首字母

(2) 給出各原始研究的結局事件數

(3) 給出各組的樣本量

(4) 給出各原始研究貢獻的權重

(5) 報告各原始研究效應值及其95%CI

2. 圖形部分

(1) 用方形表示各原始研究效應值，用水準線表示置信區間

(2) 用方形的大小表示權重大小，方形越大，權重越大

(3) 在最底部用菱形表示合併的效應值，菱形的左右頂點表示置信區間的上下界

三、漏鬥圖或Galbraith圖

漏鬥圖用於探索可能的發表偏倚，示例（圖3）和繪圖建議如下：

繪圖建議：

1、X軸：效應值（取自然對數），如OR、RR等的對數值

2、Y軸：效應值的標準誤SE

3、點：每個點大小一致，代表一個研究，至少應有10個研究，點的大小要適當

4、漏鬥：由三條線組成，垂直線代表合併的效應值在X軸的位置，兩條斜線代表95%CI。

Galbraith圖用於探索可能的發表偏倚，示例（圖4）和繪圖建議如下：

繪圖建議：

1、X軸：利用效應值標準誤的倒數衡量研究的規模

2、Y軸：標準化的效應值

3、點：每個點代表一個研究，大小一致。點的大小要適當

4、斜線：圖中有三條斜線，中間的線斜率代表固定效應合併值，兩側為其95%CI線。如果沒有異質性和發表偏倚，那麼理論上在兩條95%CI線外的研究數量為5%

四、Meta回歸和氣泡圖

研究間的異質性有時可以歸因於某些研究水準的影響因素，此時可能用到Meta回歸的方法。Meta回歸得到的影響因素作用大小可以利用氣泡圖上顯示。示例圖（圖5）和繪圖建議如下：

繪圖建議：

1、X軸：影響因素的取值

2、Y軸：效應值大小（可能需要進行轉換，如取對數）

3、圓圈：每個圓圈代表一個研究，圓圈越大，說明該研究的效應值方差越小，精確度越高，權重越大

4、線：回歸線，如果回歸線斜率不為0說明影響因素對研究間效應有作用

參考文獻

Heart 2017;103:19–23.

更多閱讀

關注醫咖會，輕鬆學習統計學~

），拉你進統計討論群和眾多熱愛研究的小夥伴們一起交流學習。