過度依賴gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba在評估異質性時可能會產生誤導gydF4y2Ba

背景gydF4y2Ba

異質性統計量gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba，被解釋為由於研究之間的異質性而不是抽樣誤差引起的變異性的百分比，取決於精度，即所納入研究的規模。gydF4y2Ba

方法gydF4y2Ba

基於真實的元分析，我們模擬了隨機效應模型下人為“膨脹”的樣本量。對於給定的通脹因素gydF4y2Ba米gydF4y2Ba= 1,2,3，…對於每一次試驗gydF4y2Ba我gydF4y2Ba，我們創建gydF4y2Ba米gydF4y2Ba通過從隨機效應模型中提取治療效果估計，使用gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$/gydF4y2Ba米gydF4y2Ba為試驗內抽樣方差。gydF4y2Ba

結果gydF4y2Ba

隨著精度的提高，而異質性方差的估計gydF4y2BaτgydF4y2Ba^2gydF4y2Ba平均保持不變，估計為gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba迅速增加到接近100%。類似的現象在157個薈萃分析樣本中也很明顯。gydF4y2Ba

結論gydF4y2Ba

當決定是否在薈萃分析中彙總治療估計時，標準應該是任何異質性存在的臨床相關性。gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，而不是gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba，是達到這一目的的適當措施。gydF4y2Ba

在薈萃分析中，異質性的三個主要來源可以區分。這些是(i)gydF4y2Ba臨床基線異質性gydF4y2Ba來自不同研究的患者之間，測量的，例如患者基線特征，不一定反映在結果測量量表上;(2)gydF4y2Ba統計學異質性gydF4y2Ba在結果測量量表上量化，可能與臨床相關也可能不相關，可能具有統計學意義也可能不具有統計學意義，以及(iii)gydF4y2Ba其他來源的異質性gydF4y2Ba，例如設計相關的異質性。在本文中，我們隻處理統計異質性。參考文獻(gydF4y2Ba1gydF4y2Ba- - - - - -gydF4y2Ba7gydF4y2Ba對這一領域的大量文獻作了介紹。我們沒有討論如何評估臨床基線異質性。gydF4y2Ba

在本文中，我們證明了這一點gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著meta分析中納入研究的患者數量的增加而增加。鑒於此，我們認為gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba通常在評估臨床相關異質性方麵應用有限。gydF4y2Ba

本文的結構如下。在介紹了meta分析中現有的異質性測量方法並討論了它們的性質之後，我們說明了解釋這些測量方法的問題gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba用一個文獻中的例子。然後，我們提出了一個模擬研究，探討了樣本量膨脹對gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba，最後以討論結束。gydF4y2Ba

讓gydF4y2BakgydF4y2Ba是薈萃分析中研究的數量。此外,讓gydF4y2BaxgydF4y2Ba_我gydF4y2Ba為研究內治療效果估計(如對數比值比);gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$的研究內方差gydF4y2BaxgydF4y2Ba_我gydF4y2Ba,gydF4y2BawgydF4y2Ba_我gydF4y2Ba學習的重要性gydF4y2Ba我gydF4y2Ba（gydF4y2Ba我gydF4y2Ba= 1,…,gydF4y2BakgydF4y2Ba)。在本文中，我們總是使用逆方差權重，即:gydF4y2BawgydF4y2Ba_我gydF4y2Ba= 1 /gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$若采用固定效應模型，則gydF4y2BawgydF4y2Ba_我gydF4y2Ba= 1 / (gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$+gydF4y2BaτgydF4y2Ba^2gydF4y2Ba)，如果使用隨機效應模型(見下文異質性方差的定義和估計)gydF4y2BaτgydF4y2Ba^2gydF4y2Ba)。有幾種統計異質性的測量方法被廣泛使用:gydF4y2Ba

1.科克倫的gydF4y2Ba問gydF4y2Ba統計量，在無異質性的零假設下遵循agydF4y2BaχgydF4y2Ba^2gydF4y2Ba分布與gydF4y2BakgydF4y2Ba- 1個自由度[gydF4y2Ba8gydF4y2Ba]。Q由gydF4y2Ba

2.希金斯和湯普森的gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba，源自科克倫定律gydF4y2Ba問gydF4y2Ba通過定義[gydF4y2Ba4gydF4y2Ba］gydF4y2Ba

3.研究間方差，gydF4y2BaτgydF4y2Ba^2gydF4y2Ba在隨機效應薈萃分析中估計。有幾種估算建議gydF4y2BaτgydF4y2Ba^2gydF4y2Ba在元分析中，例如REML估計器或Hedges-Olkin估計器[gydF4y2Ba5gydF4y2Ba- - - - - -gydF4y2Ba7gydF4y2Ba，gydF4y2Ba9gydF4y2Ba]。然而，大多數評論者使用基於時刻的估計gydF4y2BaτgydF4y2Ba^2gydF4y2Ba［gydF4y2Ba10gydF4y2Ba]，在RevMan中實現[gydF4y2Ba11gydF4y2Ba]，計算為gydF4y2Ba

4.gydF4y2BaHgydF4y2Ba^2gydF4y2Ba，源自科克倫定律gydF4y2Ba問gydF4y2Ba通過定義[gydF4y2Ba4gydF4y2Ba］gydF4y2Ba

和gydF4y2Ba

5.gydF4y2BaRgydF4y2Ba^2gydF4y2Ba，類似於gydF4y2BaHgydF4y2Ba^2gydF4y2Ba從gydF4y2BaτgydF4y2Ba^2gydF4y2Ba以及所謂的“典型”研究內方差gydF4y2BaσgydF4y2Ba^2gydF4y2Ba(必須估算)，定義為:gydF4y2Ba

正如在這裏看到的，在其他地方也有描述[gydF4y2Ba4gydF4y2Ba]，有些措施直接相關，有些則近似相關。表格gydF4y2Ba1gydF4y2Ba顯示了各種度量的關鍵屬性;更多詳情載於[gydF4y2Ba4gydF4y2Ba]。總而言之:gydF4y2Ba

1.gydF4y2Ba問gydF4y2Ba，這是在gydF4y2BaχgydF4y2Ba^2gydF4y2Ba分布與gydF4y2BakgydF4y2Ba- 1個自由度gydF4y2BaHgydF4y2Ba_0gydF4y2Ba，為研究均值與固定效應估計值之差的加權平方和。它總是隨著研究的增多而增加，gydF4y2BakgydF4y2Ba，在元分析中。gydF4y2Ba

2.與…相反gydF4y2Ba問gydF4y2Ba，統計數據gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba是由希金斯和湯普森提出的gydF4y2Ba4gydF4y2Ba作為獨立於的尺度gydF4y2BakgydF4y2Ba，即薈萃分析中研究的數量。gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba被解釋為治療估計中可變性的百分比，該百分比可歸因於研究之間的異質性，而不是抽樣誤差。gydF4y2Ba

3.gydF4y2BaτgydF4y2Ba^2gydF4y2Ba描述研究間潛在的可變性。它的平方根，gydF4y2BaτgydF4y2Ba是用與結果相同的單位來衡量的。它的估計不會隨著薈萃分析中研究的數量或規模而係統地增加。gydF4y2Ba

4.gydF4y2BaHgydF4y2Ba^2gydF4y2Ba是檢驗統計量。它描述了所觀察到的事物之間的相對差異gydF4y2Ba問gydF4y2Ba以及它在不存在異質性的情況下的期望值。因此，它不會隨著研究數量的增加而係統地增加[gydF4y2Ba4gydF4y2Ba]。gydF4y2BaHgydF4y2Ba對應於徑向(Galbraith)圖中的殘差標準差[gydF4y2Ba12gydF4y2Ba]。gydF4y2BaHgydF4y2Ba= 1表示完全均勻性。gydF4y2Ba

5.gydF4y2BaRgydF4y2Ba^2gydF4y2Ba是統計量的平方嗎gydF4y2BaRgydF4y2Ba它描述了與固定效應模型相比隨機效應置信區間的膨脹。它不隨gydF4y2BakgydF4y2Ba。gydF4y2BaRgydF4y2Ba^2gydF4y2Ba= 1表示完全均勻性[gydF4y2Ba4gydF4y2Ba]。gydF4y2Ba

注意，與gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，措施gydF4y2Ba問gydF4y2Ba，gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba，gydF4y2BaHgydF4y2Ba和gydF4y2BaRgydF4y2Ba所有這些都取決於精度，而精度與研究規模成正比[gydF4y2Ba13gydF4y2Ba]。因此，給定一個基礎模型，如果研究規模擴大，置信區間就會變小，異質性(例如)使用gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba,增加。這反映在解釋中:agydF4y2Ba我gydF4y2Ba^2gydF4y2Ba由研究間異質性引起的變異性百分比是1 -gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba是由於抽樣誤差引起的可變性的百分比。當研究變得非常大時，抽樣誤差趨向於0和gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba趨於1。這種異質性可能與臨床無關。gydF4y2Ba

我們現在使用模擬進一步探索這一點。首先要注意的是，簡單地觀察按一個共同因素放大所有樣本量的效果(保持它們的處理效果不變)是不合適的。這是因為如果研究規模確實增加，估計將接近每個研究的真實值，而不是固定在原始觀察值上。相反，我們在隨機效應模型下進行模擬。在這個模型下，gydF4y2BaμgydF4y2Ba和gydF4y2BaτgydF4y2Ba^2gydF4y2Ba假設為常數，研究中的總方差是多少gydF4y2Ba我gydF4y2Ba是gydF4y2Ba${\mathrm{\sigma gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$+gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，隨著研究樣本量的增加而減小，最終趨於gydF4y2BaτgydF4y2Ba^2gydF4y2Ba。gydF4y2Ba

基於隨機效應模型的研究規模膨脹gydF4y2Ba

假設在薈萃分析試驗中gydF4y2Ba我gydF4y2Ba治療效果評估報告gydF4y2BaxgydF4y2Ba_我gydF4y2Ba(例如，在對數賠率尺度上)與觀察到的抽樣方差gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$。讓gydF4y2BaτgydF4y2Ba^2gydF4y2Ba表示異質性方差。模型是gydF4y2Ba

在哪裏gydF4y2BaμgydF4y2Ba是平均治療效果。對於給定的通脹因素gydF4y2Ba米gydF4y2Ba= 1,2,3，…，the model with inflated sample size (corresponding to an米gydF4y2Ba-精度增加一倍)是gydF4y2Ba

我們為每個通貨膨脹因素生成了一個說明性的元分析。對於每個薈萃分析中的每個試驗，我們生成一個隨機gydF4y2Ba米gydF4y2Ba通過繪製治療效果估計來誇大試驗gydF4y2BaxgydF4y2Ba_{米gydF4y2Ba，gydF4y2Ba我gydF4y2Ba}從這個模型中，使用gydF4y2Ba${\mathrm{年代gydF4y2Ba}}_{\mathrm{我gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$/gydF4y2Ba米gydF4y2Ba為試驗內抽樣方差和dersimonan - laird估計gydF4y2Ba${\stackrel{^gydF4y2Ba}{\mathrm{\tau gydF4y2Ba}}}^{\mathrm{2gydF4y2Ba}}$對於非均質參數gydF4y2BaτgydF4y2Ba^2gydF4y2Ba。gydF4y2Ba

我們使用來自大型薈萃分析(70項試驗)的數據來估計溶栓治療在急性心肌梗死中的效果[gydF4y2Ba14gydF4y2Ba]。原始分析使用固定效應模型(Mantel-Haenszel方法)，比值比為0.747,95%置信區間(95% CI)為[0.705;0.792]。采用隨機效應模型，優勢比為0.732,95% CI [0.664;0.808]。dersimonan - laird估計gydF4y2BaτgydF4y2Ba^2gydF4y2Ba0.018 (gydF4y2BaHgydF4y2Ba= 1.11, 95% ci [1;1.29),gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba= 18.6%， 95% ci [0%;40.1%)。作為gydF4y2Ba問gydF4y2Ba= 85,gydF4y2BapgydF4y2Ba= 0.0953，不存在異質性。gydF4y2Ba

我們現在探討增加的影響gydF4y2Ba米gydF4y2Ba。數字gydF4y2Ba1gydF4y2Ba顯示原始元分析的森林圖以及為之生成的說明性元分析gydF4y2Ba米gydF4y2Ba= 4, 16和64。異質性測度的行為如表所示gydF4y2Ba2gydF4y2Ba。很明顯，雖然變化在gydF4y2BaτgydF4y2Ba^2gydF4y2Ba的值是隨機的gydF4y2Ba問gydF4y2Ba，gydF4y2BaHgydF4y2Ba和gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨樣本量的增加而迅速增加。gydF4y2Ba

數據gydF4y2Ba2gydF4y2Ba和gydF4y2Ba3.gydF4y2Ba對此給出另外兩個觀點。數字gydF4y2Ba2gydF4y2Ba顯示為gydF4y2Ba米gydF4y2Ba的增加,gydF4y2BaτgydF4y2Ba^2gydF4y2Ba隨機變化，而(i)研究內方差的平均值;(ii)估計總方差(模型下)和(iii)觀測總方差均隨增加而迅速減小gydF4y2Ba米gydF4y2Ba。使用相同的數據，圖gydF4y2Ba3.gydF4y2Ba顯示了如何gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba行為。注意它接近100%的速度有多快。gydF4y2Ba

實證評價:薈萃分析的一個樣本gydF4y2Ba

為了檢驗行為和數量級gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba在經驗上，我們進一步研究了157個具有二元終點的薈萃分析樣本。本數據集由Peter j ni [gydF4y2Ba15gydF4y2Ba]。我們計算gydF4y2BaτgydF4y2Ba^2gydF4y2Ba和gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba對於每個元分析。此外，對於每個薈萃分析，我們計算了貢獻研究的中位數研究規模，表示gydF4y2BangydF4y2Ba_我gydF4y2Ba，gydF4y2Ba我gydF4y2Ba= 1,…,157。在排除了兩者的meta分析後gydF4y2BaτgydF4y2Ba^2gydF4y2Ba=gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba= 0 (gydF4y2BangydF4y2Ba= 58)，我們對剩下的99項薈萃分析采用線性模型gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba作為結果gydF4y2Ba${\stackrel{^gydF4y2Ba}{\mathrm{\tau gydF4y2Ba}}}_{\mathrm{我gydF4y2Ba}}$和日誌gydF4y2BangydF4y2Ba_我gydF4y2Ba作為協變量(因此隱含地假設研究規模為對數正態分布)。gydF4y2Ba

正如所料,gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著異質性的增加(gydF4y2BaβgydF4y2Ba_τgydF4y2Ba= 65.873, se = 4.788，gydF4y2BapgydF4y2Ba= 0.000)和中位研究規模(gydF4y2BaβgydF4y2Ba_{日誌gydF4y2BangydF4y2Ba}= 8.503, se = 1.460，gydF4y2BapgydF4y2Ba= 0.000)。校正後的殘差標準誤差為13.07gydF4y2Ba${\mathrm{RgydF4y2Ba}}_{\mathrm{一個gydF4y2Ba}\mathrm{dgydF4y2Ba}\mathrm{jgydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$= 0.6621 (gydF4y2BaFgydF4y2Ba= 97.01,gydF4y2BadfgydF4y2Ba= 96,gydF4y2BapgydF4y2Ba= 0.000)。也就是說，即使在調整了研究間的差異之後gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba很大程度上取決於研究的規模。數字gydF4y2Ba4gydF4y2Ba說明了結果。gydF4y2Ba

淺、灰、黑點和回歸線分別對應於分布的第一、二、三階gydF4y2BaτgydF4y2Ba^2gydF4y2Ba。在每一類元分析中，gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著研究規模中位數的增加而增加。gydF4y2Ba

統計數據的主要優點gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba它不取決於薈萃分析中研究的數量。因此,使用gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba而不是gydF4y2Ba問gydF4y2Ba，可以比較不同研究數量的meta分析的統計異質性[gydF4y2Ba4gydF4y2Ba]。同時,gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba臨床醫生很容易將其解釋為治療估計中可變性的百分比，該百分比可歸因於研究之間的異質性，而不是抽樣誤差。gydF4y2Ba

然而，這種解釋的一個直接(但經常被忽視的)後果是gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著meta分析中納入研究的患者數量的增加而增加。在最近使用連續結果的模擬中，其他人憑經驗發現gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著每次試驗患者數量的增加而增加gydF4y2BaτgydF4y2Ba^2gydF4y2Ba是固定的[gydF4y2Ba16gydF4y2Ba]。不幸的是，最近的一項實證研究表明[gydF4y2Ba17gydF4y2Ba，評論者在使用時似乎沒有意識到這一點gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba決定是否在薈萃分析中彙總研究。一些作者似乎也不願意打電話gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba一種統計，用metric[等詞代替gydF4y2Ba18gydF4y2Ba]，索引[gydF4y2Ba19gydF4y2Ba]，甚至點估計[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba]。另一方麵，術語“統計檢驗”用於與gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba在其中一個參考文獻中[gydF4y2Ba20.gydF4y2Ba]，第915頁。在另一個參考文獻中[gydF4y2Ba18gydF4y2Ba]，作者提出了一種敏感性分析算法，該算法連續排除了“離群”試驗，直到gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba低於預先指定的水平。對此，[gydF4y2Ba21gydF4y2Ba]， Higgins表明，排除效果接近彙總估計的大型試驗可能是最有效的減少方法gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba。gydF4y2Ba

我們的模擬突出了解釋由gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba臨床異質性。這類似於解釋統計上顯著的效應(gydF4y2BaPgydF4y2Ba< 0.05)，與臨床相關。在我們看來，決定是否在薈萃分析中彙集研究不應該僅僅基於gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba。相反，研究的規模相對較大gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba當臨床相關異質性(療效和協變量)可接受的小時，可以有效地合並。gydF4y2Ba

進一步的,gydF4y2BaτgydF4y2Ba是在與結果相同的尺度上測量的，它可以直接用於量化可變性。事實上，結果量表上具有臨床意義的異質性可以預先指定。因此，審稿人可能會提前決定，比值比分別為0.8、1和1.25的三項研究不能合並;也就是說0.8 = 1/1.25的相對效應比太大了。這對應於一個標準差gydF4y2BaτgydF4y2Ba_0gydF4y2Ba= - log 0.8 = log 1.25 = 0.22 =gydF4y2Ba$\sqrt{\mathrm{0.05gydF4y2Ba}}$在對數尺度上，因此閾值為gydF4y2Ba${\mathrm{\tau gydF4y2Ba}}_{\mathrm{0gydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$異質性方差為0.05gydF4y2BaτgydF4y2Ba^2gydF4y2Ba。gydF4y2Ba

當希金斯和湯普森在他們的論文中gydF4y2Ba4gydF4y2Ba，gydF4y2Ba22gydF4y2Ba雖然我們對各種測量方法的特性進行了詳盡的描述，並對它們進行了區分，但我們認為目前的指導方針可能會讓誤解持續存在。例如，《Cochrane幹預措施係統評價手冊》(過時的4.2.6版，第138頁)指出:“A值為gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba大於50%可被認為是實質性異質性”。最近的5.0.1版本，雖然承認“閾值解釋”gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba可能會產生誤導，因為不一致的重要性取決於幾個因素，盡管列出了重疊的範圍gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba提供了“一個粗略的解釋指南”(見表gydF4y2Ba3.gydF4y2Ba) ［gydF4y2Ba23gydF4y2Ba]。結果是，一些評論家得出結論，研究不應該合並gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba> 50% [gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。相比之下，該手冊第9.5.4節指出，“在固定效應和隨機效應元分析之間的選擇永遠不應該基於異質性的統計檢驗”。此外，一些方法學家不鼓勵審稿人使用漏鬥圖不對稱測試gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba> 50% [gydF4y2Ba26gydF4y2Ba]。gydF4y2Ba

我們認為，解釋問題源於概念gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba作為“未解釋的方差比例”，希金斯和湯普森將其稱為臨床醫生“廣泛熟悉的”[gydF4y2Ba4gydF4y2Ba](第4節)。然而，對於決定係數的解釋存在根本性的差異gydF4y2Ba${\mathrm{RgydF4y2Ba}}_{\mathrm{rgydF4y2Ba}\mathrm{egydF4y2Ba}\mathrm{ggydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$在回歸分析中，這是潛意識中被這個短語所喚起的gydF4y2Ba我gydF4y2Ba_2gydF4y2Ba一方麵，gydF4y2Ba${\mathrm{RgydF4y2Ba}}_{\mathrm{rgydF4y2Ba}\mathrm{egydF4y2Ba}\mathrm{ggydF4y2Ba}}^{\mathrm{2gydF4y2Ba}}$(即相關係數的平方)是因變量和自變量之間關聯的度量，隨著樣本量的增加，它會指向真實值。然而,gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba隨著患者數量的增加，概率趨於100%。盡管有人可能會爭辯說，回歸中與“觀察”相對應的“單位”是研究，而不是患者，但這種聯係隻有在新研究的樣本量與現有研究的樣本量分布相似的情況下才嚴格有效。這並不是普遍正確的。通常小的試驗之後會有更大的試驗。因此gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba會隨著證據的積累而人為地增加。gydF4y2Ba

為了解決這個問題，應該更多地重視希金斯和湯普森經常被忽視的評論，[gydF4y2Ba4gydF4y2Ba]，第1545頁，他們指出:“請注意，我們並不建議我們的測量應該獨立於研究中觀察到的估計精度。因此，這些研究具有相同的異質性gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，但有不同程度的抽樣誤差gydF4y2BaσgydF4y2Ba^2gydF4y2Ba，會產生不同的措施....描述了研究間潛在的可變性……最簡單的方法就是估算研究間方差，gydF4y2BaτgydF4y2Ba^2gydF4y2Ba。'

當決定是否在薈萃分析中彙總治療估計時，標準應該是任何異質性存在的臨床相關性。gydF4y2BaτgydF4y2Ba^2gydF4y2Ba，而不是gydF4y2Ba我gydF4y2Ba^2gydF4y2Ba是達到這一目的的適當措施。gydF4y2Ba

GR和JC由Deutsche Forschungsgemeinschaft (FOR 534 Schw 821/2-2)資助。作者希望感謝Peter j ni提供的數據，感謝所有審稿人和Douglas G Altman的有益討論。gydF4y2Ba

作者及單位gydF4y2Ba

1. 德國弗萊堡大學醫學中心醫學生物計量與醫學信息學研究所gydF4y2Ba

   Gerta rcker, Guido Schwarzer, James R Carpenter和Martin SchumachergydF4y2Ba

2. 德國Cochrane中心，德國弗萊堡大學醫學中心gydF4y2Ba

   Gerta rcker和Guido SchwarzergydF4y2Ba

3. 英國倫敦倫敦衛生和熱帶醫學學院醫學統計股gydF4y2Ba

   詹姆斯·R·卡朋特gydF4y2Ba

相應的作者gydF4y2Ba

對應到gydF4y2Ba歌塔洛克gydF4y2Ba。gydF4y2Ba

相互競爭的利益gydF4y2Ba

作者宣稱他們沒有競爭利益。gydF4y2Ba

作者的貢獻gydF4y2Ba

GR提出了樣本膨脹模型，完成了所有的計算，並撰寫了手稿的初稿。GS, JC和MS共同參與撰寫並批準了最終版本。gydF4y2Ba

本文由BioMed Central Ltd.授權發表。這是一篇基於知識共享署名許可(gydF4y2Bahttp://creativecommons.org/licenses/by/2.0gydF4y2Ba)，允許在任何媒體上不受限製地使用、分發和複製，前提是正確引用原創作品。gydF4y2Ba

轉載及權限gydF4y2Ba