傳統meta分析中漏斗圖的合理使用

張天嵩

上海市靜安區中醫醫院,200272 上海

meta分析是針對2個或2個以上研究結果的統計合并[1],但合并結果受包括報告偏倚(reporting biases)在內的多種因素影響,可能產生一定的偏倚。所謂報告偏倚是指科學研究的傳播受其結果的性質和方向(如結果陰性或陽性)影響,其中發表性偏倚(因結果的性質和方向導致研究發現發表與否)的控制較為困難且影響程度較大,因此發表性偏倚的識別與處理是meta分析過程中的重要步驟[1-2]。自Egger等[3]1997年在英國醫學雜志(British Medical Journal,BMJ)上發表了應用漏斗圖識別發表偏倚的研究論文后,得到廣泛的應用,已成為BMJ引用最多的論文之一[4]。據筆者在Web of Science官網上檢索(截至2023年4月5日),發現該文有34 428的引用頻次。但實際應用中,該方法常被眾多的引用者錯誤使用[4-5]。鑒于此,國外學者提出了附加輪廓線漏斗圖(contour-enhanced funnel plot)方法以幫助識別傳統漏斗圖不對稱是由發表偏倚引起還是由其他原因引起[6],并開發了相關的軟件以實現[7]。雖然經過國內外學者進行推廣和傳播[2,4-5],但一直未能扭轉眾多研究者誤用漏斗圖的趨勢,因此有必要再進一步闡釋和推廣。

1 誤用實例

常見的錯誤使用情況有2種:

一是,直接簡單地使用漏斗圖法作為識別發表偏倚的方法,這種情況國內外期刊都很常見。如:PublicationbiaswasevaluatedbyfunnelplotasymmetryandEgger’slinearregressiontest[8]。

Weplannedtouseasymmetryoffunnelplotsasanindicatorofpotentialpublicationbias[9]。

Publicationbiasfor28-daymortalitywasassessedthroughvisualinspectionoffunnelplot.Fordatawithanasymmetricfunnelplot,Egger’slinearregressiontestwasadditionallyperformedusingStataversion14[10]。

二是,沒有考慮引起漏斗圖不對稱的其他原因,將漏斗圖不對稱等同于發表偏倚[4]。例如有些論文把異質性導致的漏斗圖不對稱直接錯誤地解釋為發表偏倚,如:Publicationbiasassessmentwasdonebyfunnelplot.Thegraphicalmethod,tocheckthePublicationbiasofstudieswasalsoconstructed(原文方法學部分)……Funnelplot[Figure3[showstwostudyoutofinvertedfunnel;therefore,publicationbiaswaspresent(原文結果部分)[11]。

2 誤用辨析

2.1 漏斗圖

傳統漏斗圖是meta分析過程中采用多個研究數據繪制成的散點圖,以每個研究的效應量大小為橫坐標,以效應量的權重如標準誤、方差倒數或樣本量等為縱坐標[5,12],最常用的是標準誤[13]。如果漏斗圖呈現“倒漏斗樣”形狀:效應量的精度隨著樣本量的增加而增加,其寬度隨精度的增加而逐漸變窄,最后趨近于點狀。也就是說樣本量小的研究,數量多、精度低,分布在漏斗圖的底部呈左右對稱排列;樣本量大的研究,精度高,分布在漏斗圖的頂部,且向中間集中,說明不存在發表偏倚[2,4-5,14]。如果存在發表偏倚,則可能導致漏斗圖不對稱。但應注意,除了發表偏倚外,小型研究方法學質量低下、研究間異質性、造假和機遇均可以造成漏斗圖不對稱,Egger等[3]已在文獻中討論該問題,但引用者并未關注這點,導致誤用。從邏輯上講容易理解,上述多個原因均可導致漏斗圖不對稱,但不能由漏斗圖不對稱反推是由發表偏倚所致。

因為發表偏倚僅是導致漏斗圖不對稱的原因之一,因此漏斗圖可以看成是檢驗小型研究效應(small study effects)的一種方法[15-16],而不是檢驗某種特定偏倚的工具。漏斗圖不對稱意味著存在小型研究效應(該術語一般是指小型研究干預效應有時異于,常常是大于大型研究的現象[17]),小型研究效應最為人所知的可能原因是發表偏倚。

漏斗圖是否對稱如果僅從視覺上來判斷,不同的人可能會對漏斗圖是否對稱做出不同的結論,因此有學者提出了多種統計學方法檢驗漏斗圖的不對稱性,如秩相關檢驗法、(加權)線性回歸分析法、剪補法等;但這些檢驗方法統計效能比較低,因此甚至檢驗沒有提供不對稱的證據時,也不能排除偏倚[4]。

2.2 附加輪廓線漏斗圖

傳統漏斗圖不能鑒別其不對稱的原因,Peters等[6]在2008年提出一種稱為附加輪廓線漏斗圖的增強型漏斗圖,用來幫助判斷漏斗圖的不對稱是由發表偏倚還是由其他原因引起。附加輪廓線漏斗圖的繪制與傳統漏斗圖相同,但在傳統漏斗圖基礎上,增加了統計學顯著性(如0.01、0.05、0.10)的識別界線及其相對應的輪廓線,這些輪廓線將漏斗分成了不同統計學顯著性的區域,從而利于識別出所繪制漏斗圖上的點是否具有統計學顯著性。首先判斷是否存在不對稱;如果存在不對稱,結合剪補法,發現缺失的研究分布位置,從而分析漏斗圖不對稱是由發表偏倚還是其他原因引起[2,4,14]:如果存在不對稱,且缺失的研究分布在無統計學顯著性區域,則說明由發表偏倚導致漏斗圖不對稱,盡管還有其他解釋;如果存在不對稱,且缺失的數據分布在有統計學顯著性區域,則說明不對稱可能由其他原因而非發表偏倚導致。

2.3 實例辨析

以一項考克藍系統評價[18]為例說明漏斗圖的正確使用。該研究主要觀察靜脈注射鎂離子與安慰劑相比,干預急性心肌梗死(acute myocardial infarction,AMI))患者早期死亡率和病死率等有效性,共納入22項研究,除了4項研究外,其他研究均為小型研究,選擇比值比(odds ratio,OR)為效應量,固定效應(共同效應)模型和隨機效應模型估計合并效應量的點估計和95%置信區間分別為0.99(0.94,1.04)和0.66(0.53,0.82)。原作者針對死亡率測量結局,通過繪制漏斗檢驗發表偏倚和其他偏倚[18],如圖1所示,并認為漏斗圖不對稱,潛在的發表偏倚不能避免[18]。

圖1 文獻[18]中使用RevMan軟件繪制的傳統漏斗圖

筆者選取該系統評價中針對靜脈注射鎂離子干預AMI早期死亡率的meta分析數據,以OR為效應量,擬合共同效應模型和隨機效應模型,使用R軟件(ver 4.2.1)中的meta擴展包(ver 6.2-1)重新分析,得森林圖如圖2所示。因為納入meta分析的“ISIS-4 1995研究”的樣本量非常大,根據效應模型合理使用原則,選擇擬合共同效應模型的結果進一步繪制傳統漏斗圖如圖3、附加輪廓線漏斗圖如圖4、結合剪補法附加輪廓線漏斗圖如圖5等所示;并采用Harbord法對漏斗圖進行不對稱檢驗。

圖2 森林圖

圖3 以R軟件meta包繪制的傳統漏斗圖

圖5 以R軟件meta包繪制的剪補后附加輪廓線漏斗圖

圖4 以R軟件meta包繪制的附加輪廓線漏斗圖

如圖2所示的森林圖顯示擬合共同效應和隨機效應模型的結果中,可以發現研究間存在明顯的異質性(Q統計量相應P<0.01,I2=64%,τ2=0.176 6)。共同效應模型提示AMI患者靜脈注射鎂離子未能獲益,而隨機效應模型提示獲益。

從視覺上可以發現,如圖3所示的傳統漏斗圖明顯存在不對稱,并經Harbord法檢驗結果(t=-4.88,P<0.000 1)進一步證實。從圖2中可以發現多個小型研究未能提供靜脈注射鎂離子獲益的證據;從圖4所示的附加輪廓線漏斗圖中多個結果陰性的小型研究分布在漏斗圖底部,均提示僅以發表偏倚不能完全解釋漏斗圖的不對稱。從結合剪補法的附加輪廓線漏斗圖(圖5)中可以發現,本次meta分析“缺失”了10個研究(圖中的白色圈點),有5個缺失的研究分布在有統計學顯著性區域(圖5中白色區域和深灰色區域),有5個缺失的研究分布在無統計學顯著性區域(圖5中灰色和銀灰色區域),因此傳統漏斗圖(圖3)和附加輪廓線漏斗圖(圖4)不對稱的原因除了發表偏倚外,方法學質量低下的小樣本研究(例如標準干預措施的改變,如阿司匹林等干預措施的廣泛應用等)、研究間異質性大等也是潛在的原因。

3 正確策略

當前,國外高影響力雜志刊載論文多采用漏斗圖來檢驗小型研究效應(偏倚)來作為評價報告偏倚的指標,如:

Weassessedsmallstudyeffectswithfunnelplotsbyplottingthenaturallogarithmoftheoddsratiosagainsttheinverseofthestandarderrors,andasymmetrywasassessedwithEgger′stest[19]。

Ifwewereabletopoolmorethan10trials,wecreatedandexaminedafunnelplottoexplorepossiblesmall-studyandpublicationbiases[20]。

或者以附加輪廓線漏斗圖來識別小型研究效應或發表偏倚,如:

Smallstudyeffects(potentialpublicationbias)wereexploredusingcontourenhancedfunnelplotsforoutcomesreportedin10ormorestudies[21]。

Small-studyeffectswereassessedbyvisualassessmentofthecontour-enhancedfunnelplotsandformalEggerregressiontest[22]。

4 正確使用漏斗圖的建議

在meta分析中,漏斗圖和對漏斗圖不對稱進行檢驗已被系統評價和meta分析人員廣泛應用于檢驗偏倚。但在實踐中,必須合理使用漏斗圖和附加輪廓線漏斗圖來識別發表偏倚,建議要點如下[1-2,4-6,17,23]:

1)不能將漏斗圖不對稱等同于發表偏倚,即不能把漏斗圖存在不對稱判定為存在發表偏倚。

2)應合理解釋漏斗圖不對稱的原因。發表偏倚、小型研究因方法學質量低導致治療效應夸大、異質性、抽樣變異、機遇等均可導致漏斗圖不對稱。

3)附加輪廓線漏斗圖可以用來幫助識別漏斗圖不對稱是由發表偏倚還是由其他原因引起。

4)可通過目測法和多種統計學方法來判斷或檢驗漏斗圖是否不對稱。

5)作為一條經驗法則,如果納入meta分析的研究少于10個,則不建議對漏斗圖不對稱進行檢驗。

6)應根據數據類型、效應量、研究間異質性方差大小等合理選擇漏斗圖不對稱的統計學檢驗方法。針對連續型數據,如果選擇標化均數差為效應量,則應首選Egger法。針對二分類數據,如果選擇OR為效應量,若研究間異質性方差小于0.10,則使用Harbord法、Peters法和Rücker法;如果大小0.10,則選用Rücker法。

7)漏斗圖圖形會受到結局變量、測量指標、縱軸權重的影響,如果納入meta分析研究效應量的標準誤非常相似,則無需對漏斗圖進行不對稱檢驗。附錄A(實例辨析所用R軟件實現的代碼),附錄B(思考題)請掃描本文開放科學(資源服務)標識碼(OSID)。