分析统计方法介绍

（一）Mantel-Haenszel方法

1.实例1　为了研究护理人员设计并实施的戒烟项目的效果，通过查阅文献，最后入选2项相关研究，结果如表9-3所示（括号中的字母表示计算公式中的记号）。

表9-3　关于戒烟的2篇研究

2项研究的结果均表明戒烟确实有效，并有统计学意义。但是2项研究结果还是有些差异（可能是抽样误差所引起的），因此需要综合这两篇文献的结果，即需要做Meta分析，因为这是两个2×2四格表资料的综合，所以最常用的统计方法是Mantel-Haenszel统计法。

2.Mantel-Haenszel比数比（ORMH）的计算步骤

（1）计算每项研究中的比数比（ORi）。

①第一项研究

对数OR的标准差：

95%可信区间为：（OR1e－1．96　wr（ln（OR），OR1e1．96　wr（ln（OR）＝1．818，6．884）

②第二项研究

对数OR的标准差：

95%可信区间为：（ORe－1．96　wr（ln（OR），ORe1．96　wr（ln（OR）＝1．486，4．289）

（2）计算每项研究的权重（Wi）。

①第一项研究

②第二项研究

（3）计算各项研究的权重之和（WMH）。

（4）计算每项研究中的权重与比数比的乘积（WiORi）。

①第一项研究：w1OR1＝5．180×3．537＝18．322

②第二项研究：W2OR2＝9．387×2．525＝23．702

（5）计算各项研究的权重与比数比乘积的积。

w1OR1＝w1OR1＋w2OR2＝18．322＋23．702＝42．024

（6）计算Mantel－Haenszel比数比（ORMH）。

3．各研究中的ORi，齐性检验

＝5．180×［ln（3．537）－ln（2．885）］2＋9．387×［ln（2．525）－ln（2．885）］2

＝0．408

（2）对于ORi的齐性检验：H0：OR1＝OR2；H1：OR≠OR2。若H0成立，Q服从自由为1的分布。本例共有2项研究。对应统计量Q的自由度df＝2－l＝l．Q＝0．408，少＝1，查卡方表得到P＞0．05，因此可以认为这两项研究中的OR值齐性，所以可应用Mantel－Haenszel分析方法。

4．计算X2MH

经过计算，得到1H＝27∶46。

5．计算95%可信区间

6．结论　由统计检验结果可以推断，戒烟项目能显著提高戒烟的成功率。

7．用Stata软件实现Mantel－Haenszel方法的计算　Stata软件能简单地实现Meta分析。根据Meta分析的要求，Stata专门设计了一系列程序，对初学者来说最简单的是Metan命令和Meta命令。

（1）以实例1为例：Stata的数据格式如下。

（2）Stata软件的命令

输出结果如下：

试验的OR值以及对应的95%CI。综合的OR值等均明确地列出。齐性检验的结果为＝0.60，P＝0.437（不是Q值，所以手工计算有差异），所以不认为非齐性。

（二）Peto法

Peto法是Mantel-Haenszel法的改良，它解决了Mantel-Haenszel卡方和ORMH有时不一致的情况，可用于对确定性效应模型中OR值的估计。与Mantel-Haenszel方法一样，要求各项研究的OR齐性。

1．资料　仍是实例1数据，见表9-3。

2．Peto法OR的计算步骤

（1）计算每项研究的OR。

第一项研究

第二项研究

（2）计算每项研究中治疗组事件发生的期望值（Ei）。

第一项研究：

第二项研究：

（3）计算每项研究中治疗组事件发生的实际值Qi与Ei的差值。

第一项研究：Oi－Ei＝34－20．86＝13．14

第二项研究：U2－E2＝48－33．69＝14．31

（4）估计每项研究差值的方差（Variancei）。

第一项研究：Variance1

第二项研究：Variance2

（5）合并各项研究的实际值和期望值之差。

（6）合并各个差值的方差。

（7）估计OR值。

（8）计算其95%可信区间。

OR的齐性检验：H0：OR1＝OR2；H1：OR1≠OR2。当H0成立时，Q服从自由度为m－1的X2分布。其中m指Meta分析中的研究个数。

本Meta分析中共包括了2项研究，即m＝2，自由度＝1，Q＝0．65，P＞0．05。故认为两项研究中的ＯＲ值齐性，上述资料也适合Ｐｅｔｏ分析法。

3.结论　由背景资料和统计检验结果可以推断，戒烟的成功率高于对照组，提示戒烟项目有助于吸烟者成功戒烟。

4.用Stata软件实现Peto方法的计算　基本与Mantel-Haenszel方法一样，只是在命令项后加个选择项Peto即可。

（三）General Variance-Based法

1.效应为RD　还是应用实例1来计算戒烟成功率的差异，即RD。

（1）两组戒烟成功率差：RDi＝PiE－PiC

同样，应用General Variance-Based方法综合两组率的差值（RD），要求各项研究结果中的两组率差（RD）齐性。

①计算每项研究中试验组和对照组戒烟成功率以及两组的RD。

第一项研究：P1E＝＝

＝0.048，P1C ＝＝0.014

RD1＝P1E－P1C＝0.048－0.014＝0.034

第二项研究

②计算每项研究中的方差（Variancei）。

第一项研究

95%可信区间为：

第二项研究：

95%可信区间为：

③计算每项研究中的权重（Wi）。

第一项研究：

第二项研究：

④求加权和。

⑤计算加权效应。

（2）计算95%可信区间。

①计算总方差

②RD95%可信区间。

（3）各项研究之间的效应RDi齐性检验。

若各项研究的RDi齐性，统计量Q服从自由度为m－1的x2分布。本例研究数为2，故自由度＝1，Q＝0．06，所以P＞0．05。因此不能排除各项研究间的率差（RDi）齐性，适合应用Genezal　Variance－Based方法统计检验。

（4）结论：综合RD的95%可信区间并没有包含0，可以认为试验组戒烟成功率高于对照组，并有统计学意义。

（5）用Stata软件实现General　Varaance－based方法的计算，基本与Mantel－Haens方法一样，只是在命令项后加个选择项，将or变为rd即可。

2．效应为RR　运用General　Variance－Based方法综合分析RR。由于数据的统计特征，先要将求（RR），然后将其转换为RR。所以，这时要求各项研究结果中的ln（RR）齐性。

仍然应用实例1，这次是比较试验组和对照组成功戒烟率之比的综合统计问题，即RR。RR检验是否为1也就是ln（RR）是否为0。计算步骤如下。

（1）计算每项研究中试验组和对照组戒烟成功率以及两组的率比，即RR。

第一项研究

第二项研究

（2）计算每项研究中ln（RR）的方差（Variancei）。

第一项研究：

第二项研究：

①计算每项研究中的权重（wi）

第一项研究

第二项研究：

②求加权和。

③计算总的RR。

（3）计算95%可信区间。

①计算ln（RR）的方差。

②计算ln（RR）的95%可信区间。

③计算RR的95%可信区间。

RR＝eln（RR）

所以，RR　95%CI为（1．842　8，4．126　8）。

（4）各项研究之间的RRi齐性检验。

①求Q值。

②RRi的齐性检查：H0：RR1＝RR2；Hi：RR≠RR2。

若各项研究的RRi齐性、统计量Q服从自由度为m－1的X2分布。本例研究数为2，故自由度＝1，Q＝0．684　7，所以P＞0．05，因此各项研究间的RRi齐性适合应用General　Variance－Based方法统计检验。

（5）结论：根据上述分析得到综合RR的95%CI均大于1，可以认为试验组成功戒烟发生率高于对照组，并有统计学意义.

（6）用Stata软件实现General Variance-Based方法的计算：同基本Mantel-Haenszel方法一样.只是在命令项后加个选择项将or变为rr即可，后面的fixedi也可以省略。

3.效应为两组均数的差值（MD）　当一致性检验如Q检验结果各项研究之间的效应非齐性，就应该选择应用随机效应模型。从发表的Meta分析文章来看，很多作者喜欢同时应用固定效应模型和随机效应模型，尤其当OR看上去差异较大，但检验结果不能否定齐性时。若根据两个模型计算结果一致时，取固定效应模型的结果。不然，应该花时间研究非齐性的原因。至于随机效应模型的计算非常简单，将前面Stata命令中的fixedi选项改为randomi即可。其实在Stata中简单地用fixed或random也可以，但这时用的是Mantel-Haenszel方法，而不是General Variance-Based方法。

（唐　娜）