加载中........
×

Circulation:做Meta分析,警惕生产“医学假新闻”

2017-12-4 作者:李延龙   来源:医咖会 我要评论1
Tags: meta  循证医学  虚假新闻  

说起Meta分析,那可是无人不知无人不晓!作为循证医学体系当中等级最高的证据,总是被大家寄予厚望!BUT,你能想象Meta分析也可能会是虚假新闻吗?

借着Circulation最近发表的一篇文章:《Are Meta-Analyses a Form of Medical Fake News?》,一块儿聊聊那些被我们忽略的现实。

“海量”Meta分析

PubMed中标题检索“Meta-Analysis”,可以检索到75895篇,仅2017年就有13122篇发表见刊(见下图)。当然这其中还不包括那些被杂志直接毙掉的!



(截至2017年12月1日)

已经发表的Meta分析当然也并不意味“高枕无忧”,能不能指导临床实践尚且是后话,保证方法使用得当都是一件颇伤脑筋的事儿。

已经投稿过的小伙伴肯定会发现——Meta分析是越来越难投中了,一些SCI杂志要么拒绝所有的Meta分析,要么宣称只接受那些高质量的Meta分析;当然,也有例外,一些杂志还是很乐于接受的。

循证医学建立伊始,很多学者们就不断地完善Meta分析的方法学,并建立了针对不同研究类型Meta分析的报告规范(例如,经典的PRISMA)。尽管有这些指南和规范,Meta分析的质量并不与其火箭般上升的数量相一致。

质疑声自然不可避免:这些Meta分析真的有价值吗?我们所惯常认为Meta分析是一种等级更高的证据,但是这种证据力度真的比一项靠谱的临床试验更高吗?

Meta分析可能是一个并不完美的观察性研究

尽管纳入的研究类型不同,但是Meta分析归根到底还只是一个观察性研究,因为作者做的并不是原始工作。最开始一些人仅仅注意到一些文章的结果都是关于同一主题,并且它们可能反映某种相一致的结论,但是如何来揭示这一发现?

过去一个常用的方法就是系统阐述这些结果,从中发现某种规律。但是这样的做法需要对每一项研究都有比较好的掌握——追问这些研究在设计或实施方面的差异,可能会发现这些研究结果的差异。

Meta分析就比较简单粗暴——并不需要对每一项研究都了如指掌,而是在筛选文献时,严格按照纳入和排除标准,采取恰当的统计模型对结果予以合并;但是随之而来的问题是:仅仅依赖方法学上的质量并不能忽略这些研究结果的差异,而这是大多数Meta分析作者认为理所当然的——方法对了,结论自然没问题!

事实上,Meta分析仅仅是一种合并数据的方法,并根据原始研究的样本量大小予以加权,但是并没有考虑到这些原始研究的质量(不单单是论文发表时的质量评价)。

一项大样本研究可能在实际开展过程中并不理想,同时会受到来自缺失或问题数据的困扰,但是在Meta分析的效应值合并时却占据较大的权重;然而,另一项无可挑剔的小样本研究却因为结局事件发生数较少,被给予较小的权重。

Meta分析增加了结果估计的精度(合并多项研究增加了样本量),但是这并不代表会获得一个较高的准确度。问题是,为了获得这样一个更窄的置信区间,我们可能盲目地将不同设计、不同剂量或给药周期等存在明显差异的研究进行合并。

这有点儿类似于评价一个球队的季后赛表现,目光紧紧盯着几项比赛第一局结束时的比分差异(数据至上),不去关注场上比赛的两队到底是谁,球队策略是否差异(先发制人vs.后程发力)。

使用这种方法来判断某一个球队在整个季后赛表现如何,其结论可能会贻笑大方——全面分析一个球队过去一整年的表现,要比仅仅观察几局比赛结果更有说服力。这也是为什么有的学者认为相比某些Meta分析,一项大型的、设计合理的、高质量完成的研究的结果更靠谱。这个结论并不奇怪,因为这些Meta分析只能产生假说,我们更期望能通过有确证性的RCT来检验这个假说。

除此之外,即便所有的Meta分析都按照规范,严格执行纳入和排除标准,没有方法学上的问题,但是仍有某些问题是需要额外予以关注的。

1、Meta分析的结论不应该依赖于小样本事件

我们常常认为对于结局事件发生例数较少的研究,通过Meta分析合并这些研究,是一个行之有效的分析思路。即使这确实能起到一定的作用,但是合并分析的总事件例数仍然尤为重要。

假设纳入10项研究,每一项研究的结局事件数都小于5例,最后Meta分析也只能依赖于不足50例的结局事件予以合并估计。即便这种估计比单独看每一项研究要更加精确,但是依赖于如此少的结局事件仍无法提供一个可靠的结论。一项Meta分析要想得出一个稳定的、可信的估计,总的事件数应该在200-300(事实上,有多少Meta分析达到这一标准呢?)。

2、警惕那些依赖间接比较研究的Meta分析

头对头(Head to Head)临床试验是一种常见设计方法,是以临床上已使用的药物或器械为对照的临床试验,目的在于比较两种已经确认有效的治疗方法的有效性和安全性(尤其是后者)。我们在做Meta分析时,想要比较A和B两种治疗方法哪一种更优秀,纳入“头对头”临床试验自然是最佳的选择。

但是如果无法获得这样的数据呢?有的研究者尝试纳入间接比较的研究来估计两者之间的差别,比如,某项原始研究分别比较了A、B、C与共同对照D之间的疗效,就是没有比较A和B,此时可以尝试把这类研究中的A和B都提取出来,各自合并后再做比较。

然而,这样一种分析思路并不见得会得到一个靠谱的结果。例如,一项依赖间接比较的Meta分析发现萘普生比其他非甾体抗炎药物(NSAIDs)更安全[2]。然而,在随后的一项大型确证性临床试验当中,并没有观察到萘普生有任何安全性方面的优势[3]。

3、Meta分析不应该纠缠于那些已知的结论

Meta分析的价值在于比那些简要汇总数据能提供更多信息。比如,多项大型临床试验都证实3种β受体阻滞剂(比索洛尔、卡维地洛、美托洛尔)可降低接近35%的全因死亡风险。

当然可以针对β受体阻滞剂在全因死亡方面有多少优势开展一项Meta分析,但是这样的一项Meta分析并不会增加多少新的高价值信息,何况得到的结论也不一定能推论到其他β受体阻滞剂。一些Meta分析仅仅反复证明了已知的结论,反而掩盖了本可以通过描述发现的有意义的差异(数据合并非万事大吉)。

一个能够提供新发现的Meta分析才是有价值的,当然这也同时需要纳入足够多的高质量的原始研究,只有这样其可靠性才能超过单一的临床研究。然而,对于Meta分析是否更有优势的观点必须最终依赖于回答一个简单的问题:如果过去几十年没有Meta分析,我们对于医学的认知会与现在不同吗?

原始出处:



小提示:78%用户已下载梅斯医学APP,更方便阅读和交流,请扫描二维码直接下载APP

所属期刊:CIRCULATION 期刊论坛:进入期刊论坛

只有APP中用户,且经认证才能发表评论!马上下载

张新亮18533112509

好文献.难得的好思路

(来自:梅斯医学APP)

2018-3-3 12:08:45 回复

web对话