"匯東華-認真作好每件事"
~統計,不再是阻力,而是助力~

 BMJ小小統計問題(74):

Meta-analyses: standardised mean differences

(統合分析:標準化平均值差異) 

                                 

前言

       過年期間還是來篇SMD!!本期談的主要是當結局為連續性變數時,統合分析效果量指標之一為標準化平均值差異(standardised mean differences,簡稱SMD)。本篇旨在說明何時使用SMD,以及如何計算跟詮釋。此外,本段時間的統合分析系列都有介紹Weight%概念,相信大家對統合分析最核心的結果——森林圖已經變成好朋友。Hope u enjoy it

Cite this as: BMJ 2013;347:f7257

https://www.bmj.com/content/347/bmj.f7257

                          

題目

       研究人員對宮腔鏡手術中局部麻醉控制疼痛的效果進行了薈萃分析。隨機對照試驗包括比較局部麻醉與無干預、安慰劑、口服鎮痛或有意識鎮靜。參與者為接受診斷性或手術性宮腔鏡的門診婦女全身麻醉。主要結局是手術過程中的疼痛[1]。

 

       共納入15項試驗。確定四種局部麻醉的執行方法——子宮頸內注射、頸旁注射和經宮頸注射加局部。試驗使用不同量表評估與手術相關的疼痛,包括連續的視覺類比量表以及數值量表。計算每個試驗治療組之間的疼痛得分標準化平均值差異(局部麻醉-對照組)( standardised mean differences,簡稱SMD)。統合分析結果於森林圖中顯示,其中宮頸旁注射組的結果如圖1所示。

  

下列對子宮頸旁注射局麻藥的子群體敘述何者正確?

a)對於每項試驗,使用平均值差異(mean difference)的標準誤(standard error)來計算標準化平均值差異(SMD)

b)對於每項試驗,SMD與疼痛的原始測量值在同一尺度上

c)SMD允許使用不同評估疼痛量表的試驗間直接比較治療效果 

d)與對照組相比,局部麻醉導致疼痛明顯增加

 

 

 

答案:

c正確,a,b,d錯誤

 

詳細說明

       本統合分析為探討局部麻醉對門診子宮鏡檢查術中疼痛控制的效果。共納入15項比較局部麻醉與對照治療(無介入、安慰劑、口服止痛藥或清醒鎮定)的隨機對照試驗。統合分析目的為將各試驗對疼痛控制效果的樣本估計值合併,給出每種給藥方法的子總估計值,以及所有方法合併的總估計值,從而將大量資訊減少到可管理的數目。對於每項試驗,治療效果是局部麻醉組和對照組在疼痛評估方面的差異。局部麻醉給藥的所有四個子群體(子宮頸內注射、宮頸旁注射和經宮頸注射加局部應用)之統合分析結果如圖2。森林圖顯示每種執行方法的子總估計值,加上所有組的總估計值。前面已經說明如何判讀森林圖[2](#BMJ小小統計問題第72題)。


       主要結局為子宮腔鏡檢查相關的疼痛。這些試驗使用不同的連續量表來評估疼痛。對連續量表測量的結局進行統合分析有賴於在所有試驗中使用相同量表評估之結局。因此,在本例中,不可能直接合併樣本估計值,從而得出每種執行方法的子總估計值加上合併的所有方法的總估計值。考慮到用於評估疼痛的量表在各試驗間的差異,因此計算各試驗治療組間的標準化平均值差異(SMD),並用於得出療效的子總估計值和總估計值。

 

       對於每試驗,SMD計算為治療組間的平均值差異除以兩治療組中所有參與者疼痛評估的標準差。通常被誤認為標準誤是用來計算SMD的(a錯誤)。SMD表示治療組間疼痛評估的差異為標準差的倍數,為一比值(ratio),分子和分母的單位與原始測量相同。因此,它沒有單位,不依賴於原始的測量量表(b錯誤),並允許直接比較使用不同量表評估疼痛的試驗的治療效果(c正確)。SMD具有與效果量(effect size)相似之性質,效果量已在前面問題說明[3](#BMJ小小統計問題第67題)。

 

       上述統合分析中的子總估計值和總估計值是基於SMD,並不容易解釋,作為治療效果的衡量標準,其價值可能有限。這些估計值可能僅作為證據強度的定量測量,用來檢定虛無假設,即在門診子宮腔鏡檢查期間,局部麻醉和對照治療在疼痛控制方面的母群體中沒有差異。子總估計值和總估計值之絕對值愈大,說明局部麻醉相對於對照治療間有愈大的治療效果。

 

       森林圖是按線性尺度繪製的。因此,對於每個試驗中的樣本估計值加上子總估計值和總估計值,95%信賴區間在SMD兩端對稱顯示。對於基於實際平均值差異或SMD的統合分析,從0開始的垂直線表示無效果線。

 

       在統合分析納入的試驗中,使用的疼痛評估量表得分愈高,表明與子宮腔鏡相關的疼痛愈嚴重。對於每個試驗,通過局部麻醉治療組的平均疼痛評分減去對照組的平均得分來計算SMD。因此,如森林圖所示,小於零的SMD更傾向於局部麻醉,而高於零的SMD更傾向於對照組(圖2)。結果指出在門診接受子宮腔鏡檢的女性中,頸內注射(SMD- 0.36, 95% CI- 0.61 ~ - 0.10)和宮頸旁注射(- 1.28,- 2.22 ~ - 0.35)局部麻醉的疼痛顯著減輕(d錯誤)。然而,局部麻醉和對照組經宮頸注射(- 0.11,- 0.31 ~ 0.10)和局部應用(- 0.32,- 0.97 ~ 0.33)間沒有顯著差異。

 

       在得出子總估計值和總估計值前,對隨機分組間的SMD進行加權。SMD有時被稱為加權SMD。試驗的權重表示該試驗對統合分析的子總估計值和總估計值之影響程度。不論給藥方法如何,在得出總估計值時給予試驗的權重顯示在“Weight(%)”一欄中(圖2)。一項試驗的SMD權重由治療效果估計的精度決定——估計愈精確的試驗權重就愈大。在統合分析中,試驗估計的精度通常用試驗中所有參與者的結果變異數倒數來表示。不精確的估計值有較大的變異數,因此變異數的倒數在估計值不精確的試驗較小,亦即,不精確的試驗之權重較低。

 

Reference:

[1] Cooper NAM, Khan KS, Clark TJ. Local anaesthesia for pain control during outpatient hysteroscopy: systematic review and meta-analysis. BMJ 2010;340:c1130.

[2] Sedgwick P. How to read a forest plot. BMJ 2012;345:e8335.

[3] Sedgwick P. Effect sizes. BMJ 2012;345:e7370.

 

# BMJ Statistics Questions Endgames

#Meta-analysis

#Heterogeneity

#Cochran’s Q test

#Higgins’s I2

#Forest plot

# Standardised mean differences



                   

 數據串接與清洗

數據是礦藏,數據清洗是挖出鑽石的第一步,尤其是巨量知識。數據清洗或串接執行過程需要細心與專注,且有可能會消耗許多時間和精力,就由我們來替各位處理掉這個大麻煩。

全民健保研究資料庫、國外大型資料庫資料非常齊全,種類多,需要串接與清洗,進行正規化後才能更進一步進行資料探勘與統計分析。




Fig1.同一個Project資料散落在不同tables,無法使用




Fig2.整併與清理為可分析的table




Fig.3整理和分析後形成有意義的知識


概念與流程示意圖

 教育培訓

課程規劃核心為以「學習者」為中心進行「傳承」

以學習者為中心,結合陳秀敏博士十多年來的統計實務以及教學經驗,設計適合學員學習方式,開設課程,達到有效學習。

 

開設線上統計學院

https://medata.teaches.cc/

SPSS基礎統計實戰班:第一次分析SCI研究就上手(上、下)

課程網址:https://medata.teaches.cc/

課程介紹1:https://www.youtube.com/watch?v=MPz2wqN0v2M

課程介紹2:https://www.youtube.com/watch?v=nd5A5duxO5E

 

臨床研究思維-Open your mind

課程網址:https://medata.teaches.cc/

課程介紹1:https://www.youtube.com/watch?v=yTHdBnCdSnY
課程介紹2 : https://www.youtube.com/watch?v=kE9tXraICqk

臨床研究基本原則 : https://www.youtube.com/watch?v=1tTApx1hjn0

 計畫撰寫與統計諮詢





為了讓匯東華的顧客與學員有更好的合作和消費體驗,故匯東華特別依據營業項目開發周邊產品,提供使用、購買。目前已有針對公共衛生師的題庫以及模擬試題,未來將針對醫學研究領域發展產品。