写好诊断性meta分析的秘密（三）

诊断性试验Meta分析报告一、引言诊断性试验在医学领域中具有至关重要的作用，它们帮助医生确定患者是否患有某种疾病，以及评估疾病的严重程度和预后。

然而，单个诊断性试验往往受到样本量、研究人群、研究方法等因素的限制，其结果可能存在偏差。

Meta 分析作为一种系统评价方法，能够综合多个诊断性试验的结果，提供更全面、更准确的诊断信息。

二、目的本 Meta 分析的目的是综合评估某种诊断性试验在特定疾病中的诊断价值，为临床医生的诊断决策提供依据。

三、资料与方法（一）检索策略我们在多个数据库（如 PubMed、Embase、Cochrane Library 等）中进行了系统的检索，检索时间范围为_____至_____。

检索词包括疾病名称、诊断性试验名称以及相关的关键词。

（二）纳入与排除标准纳入标准：①研究对象为疑似患有特定疾病的患者；②使用了所关注的诊断性试验；③报告了诊断准确性的相关指标，如敏感度、特异度、阳性预测值、阴性预测值等。

排除标准：①重复发表的研究；②研究质量差，如样本量过小、方法学存在明显缺陷等；③无法获取全文或关键数据的研究。

（三）数据提取由两名研究者独立提取纳入研究的基本信息（如作者、发表年份、研究地点等）、研究对象的特征（如年龄、性别、疾病严重程度等）、诊断性试验的方法和参数、诊断准确性的指标等。

如有分歧，通过讨论或咨询第三方解决。

（四）质量评估采用 QUADAS-2（Quality Assessment of Diagnostic Accuracy Studies 2）工具对纳入研究的质量进行评估，评估内容包括病例的选择、待评价试验、金标准、病例流程和进展情况等方面。

（五）数据分析使用 Review Manager 53 软件进行数据分析。

对于诊断准确性的指标，计算合并的敏感度、特异度、阳性似然比、阴性似然比和诊断比值比，并绘制森林图和受试者工作特征（ROC）曲线。

采用随机效应模型或固定效应模型进行合并分析，根据异质性检验的结果（I²值）选择合适的模型。

写好诊断性meta分析的秘密（四）方法一分亚组分亚组的原因，在何种情况下需要用到分亚组？我自己的理解，就像一幅拍好的照片需要后处理--如果相片拍的好，那么不进行后处理也是可以的；如果相片拍的不好，进行后处理可以把里面的局部凸显出来也是可以的，假如相片拍的不好，那么说不定局部还是美的呢……这里的照片拍得好不好——可以类比为文章最后出来的结果好不好。

咱医学生，最怕看大段大段的文字了，为了让大家有一个良好的阅读体验及直观的理解，请看以下图例：类似的对应我们的诊断性meta分析的写作中：图左——最基本的诊断性meta分析单个技术对肺癌的诊断价值（蘑菇花生壳叶子）。

图右——扩展为单个技术对非小细胞肺癌（蘑菇）的诊断价值以及单个技术对小细胞肺癌（蘑菇）的诊断价值--当然此处也不一定非得是蘑菇，花生壳和叶子都可以的，看看什么更好看就放什么，文章中也是亦然。

问题:分亚组需要获得的数据和具体操作方法。

分亚组需要获得的数据--看文章--比如要做DWI对非小细胞肺癌的亚组分析--那么在读这篇文章时候如果文章本来就是以非小细胞肺癌作为研究对象的自然可以入选。

具体操作方法---读全文---总之最后要能提取真阳性、假阴性、假阳性、真阴性的数据才可以做。

分亚组示例假如研究1及研究3为非小细胞肺癌。

研究2 研究4-5为小细胞肺癌。

非小细胞肺癌敏感性具体操作方法：Summary Sensitivity下划线部分需要记录并在meta分析结果中报告。

非小细胞肺癌特异性。

非小细胞肺癌阳性似然比。

非小细胞肺癌阴性似然比。

同样的我们可以得到：•小细胞肺癌敏感性•小细胞肺癌特异性•小细胞肺癌阳性似然比•小细胞肺癌阴性似然比现在我们在之前的最基本的诊断性meta分析数据的基础上可以得出非小细胞肺癌敏感性（SEN）、特异性(SPE)、阳性似然比（PLR）、阴性似然比（NLR）数据以及小细胞肺癌敏感性（SEN）、特异性(SPE)、阳性似然比（PLR）、阴性似然比（NLR）数据啦!结果是不是丰富一些了呢？关于基本的诊断学meta怎么做的详细步骤，可以翻炒写好诊断性meta分析的秘密(二)[1]。

诊断试验准确性的Meta分析一、问题与数据某肿瘤科大夫希望了解CT对某肿瘤的诊断准确性，他查阅了很多国内外文献，发现文献中各研究样本量都偏小，且对该方法的准确性评价结果不一，因此想通过Meta分析的方法对其准确性进行较为可靠的评价。

通过对相关文献的检索，共获得以下数据：表1 部分研究数据变量意义及赋值情况如下：表2 变量意义与赋值情况二、对问题分析要进行诊断试验准确性的Meta分析，至少应当收集真阳性、假阳性、假阴性与真阴性的人数。

然而，Meta分析并不是简单的进行数据的加权合并，因为各研究结果不同的原因通常不仅仅是因为样本量小造成的结果不稳定，还可能是因为研究的设计、执行等多方面的因素存在差异所导致，因此Meta分析的一个重要的任务便是对可能的因素进行探讨，找出文献结果不一的原因，这也是证据评价的过程。

表1中，是否是前瞻性研究（predesign）、金标准是否是同一个（samemth）、是否详细描述待评价试验（index）、是否详细描述金标准（reftest）和是否详细描述待评价人群（subject）是本研究中研究者认为可能的影响因素。

三、Stata分析1. 安装分析包一般认为，诊断试验准确性的数据异质性比较明显，因此推荐使用随机效应模型进行分析。

Stata中有专门针对诊断试验准确性Meta分析的分析包midas和metandi，均是采用两水平的随机效应模型进行分析。

由于后者不支持meta回归功能，因此本文仅介绍midas包的使用。

在command窗口，依次输入以下命令，安装必需的分析包：ssc install midasssc install mylabels2. 数据录入在Stata窗口点击数据编辑按钮，弹出数据编辑窗口。

在变量名位置双击，弹出新建变量窗口。

如果变量是字符型，则变量类型（Variable type）选择str，是数值型则选择double（小数）或int （整数）。

设定好变量名后，从excel中将数据复制到新建变量窗口中即可，部分数据如下图。

循证医学-meta分析入门总结5篇第一篇：循证医学-meta分析入门总结一、选题和立题（一）形成需要解决的临床问题：系统评价可以解决下列临床问题:1.病因学和危险因素研究;2.治疗手段的有效性研究;3.诊断方法评价;4.预后估计;5.病人费用和效益分析等。

进行系统评价的最初阶段就应对要解决的问题进行精确描述,包括人群类型(疾病确切分型、分期)、治疗手段或暴露因素的种类、预期结果等,合理选择进行评价的指标。

（二）指标的选择直接影响文献检索的准确性和敏感性，关系到制定检索策略。

（三）制定纳入排除标准。

二、文献检索（一）检索策略的制定这是关键，要求查全和查准。

推荐Mesh联合free word检索。

（二）文献检索，获取摘要和全文国内的有维普全文VIP，CNKI，万方数据库，外文的有medline ,SD，OVID等。

（三）文献管理强烈推荐使用endnote，procite，noteexpress等文献管理软件进行检索和管理文献。

查找文献全文的途径：在这里，讲一下找文献的过程，以请后来的战友们参考（不包括网上有电子全文的）：1.查找免费全文：（1）在pubmed center中看有无免费全文。

有的时候虽然没有显示free full text，但是点击进去看全文链接也有提供免费全文的。

我就碰到几次。

（2）在google中搜一下。

少数情况下，NCBI没有提供全文的，google有可能会找到，使用“学术搜索”。

本人虽然没能在google中找到一篇所需的文献，但发现了一篇非常重要的综述，里面包含了所有我需要的文献（当然不是数据），但起码提供了一个信息，所需要的文献也就这么多了，因为老外的综述也只包含了这么多的内容。

这样，到底找多少文献，找什么文献，心里就更有底了。

（3）免费医学全文杂志网站。

，进入左侧的“现刊联目”，可以看到有“现刊联目查询”和“过刊联目查询”，当然，查询结果不可全信，里面有许多错误。

本人最难找的两篇文章全部给出了错误的信息（后来电话联系证实的）。

诊断准确性Meta分析
疾病治疗前需对疾病进行准确诊断，诊断方法的准确度将直接影响后续治疗的合理性。

类似于干预性研究，单个的诊断准确性试验（diagnostic test accuracy，DTA）也存在样本量过小等局限性。

DTA的Meta分析可以克服这一局限性，为临床医生和卫生技术评估机构提供定量合成的科学证据，从而将各种新的检查引进到医学领域。

循证医学创始人之一、加拿大 McMaster 大学 Gordon Guyatt 教授指出循证诊断是未来循证医学发展的重要方向之一。

诊断准确性试验（diagnostic test accuracy，DTA）的 Meta 分析是循证诊断高质量证据的重要来源。

本节PPT将对DTA相关的Meta分析进行进行详细阐述。

临床医师如何写Meta分析文章Meta分析是一种通过系统性收集、整合和分析多个相关研究的数据来总结和推断研究效果的方法。

在临床医学领域，Meta分析被广泛应用于整合不同研究的结果，以提供更准确、可靠的证据来指导临床决策。

本文将介绍临床医师如何撰写Meta分析文章，包括以下几个部分：1、摘要1.1 研究目的：明确本次Meta分析的目标和主要研究问题。

1.2 方法：简要描述Meta分析的方法，包括研究的检索策略、纳入和排除标准、数据收集和分析方法等。

1.3 结果：总结Meta分析的主要结果，包括效应量的估计和置信区间。

1.4 结论：根据结果提出结论并指出对临床实践和进一步研究的启示。

2、引言2.1 研究背景：概述与本次Meta分析相关的研究领域和问题背景。

2.2 研究目的：明确本次Meta分析的目标和研究问题，并解释为什么该问题是有意义的。

2.3 文献回顾：回顾相关研究的主要方法和结果，并指出已有研究的不足之处。

3、方法3.1 文献检索策略：描述如何进行文献检索，包括检索的数据库、关键词和搜索限制等。

3.2 纳入和排除标准：明确纳入和排除研究的标准，例如研究设计、样本量、研究对象等。

3.3 数据提取：说明如何从每个研究中提取相关数据，包括作者、出版年份、样本量、效应量等。

3.4 数据分析：介绍所采用的统计方法和软件，包括效应量的计算、异质性的评估和亚组分析等。

4、结果4.1 研究特征：总结纳入研究的基本特征，如研究样本量、年份、国家等。

4.2 效应量：给出每个研究的效应量估计和95%置信区间，并绘制Forest Plot图。

4.3 异质性：评估研究间的异质性，并进行相关的统计分析。

4.4 亚组分析：根据研究特征或其他因素进行亚组分析，探索异质性的来源和效应量的差异。

5、讨论5.1 主要结果：总结Meta分析的主要结果，与已有研究进行比较和讨论。

5.2 异质性：解释研究间异质性的原因，并讨论其对Meta分析结果的影响。

导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Discstata诊断性试验meta手把教你做临床 Meta 分析——诊断试验性Meta-Disc 分析临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。

安装软件Meta-DiSc 是一个免费的下载软件，登录，下载安装软件，目前最新版本是版。

运行软件在试行此软件之前，必须明确和熟悉准确诊断性 Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。

TP：True positive 表示真阳性的结果，用数字表示；FP：False positive 表示假阳性的结果，用数字表示；FN：False negative 表示假阴性的结果，用数字表示；TN：True negative 表示真阴性的结果，用数字表示。

1打开软件，可以看到如下界面Author：第一作者名 + 文章年限，如 Rachow 2013；StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序；2数据的输入有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel 表上，点击复制 Ctrl+c，并点击黏贴 Ctrl+v，便可以 copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到 Meta-disc 数据表内，如下图。

3数据的分析（1）合并统计量的分析运行如下图点击 Analyze，在下拉窗口中选择 Tabular Results，并点击向右指示的三角箭头，可出现 Sensitivity/Specificity；Likelihood Ratio；Diagnostic OR 和灰色的 SROC Area（SROC 面积）。

诊断性meta分析手把教你做临床Meta 分析——诊断试验性 Meta-Disc分析导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析,诊断性meta分析stata,诊断性试验meta，推荐访问：诊断性meta分析stata诊断性试验meta手把教你做临床 Meta 分析——诊断试验性Meta-Disc 分析临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。

安装软件Meta-DiSc 是一个免费的下载软件，登录http://www.hrc.es/investigacion/metadisc_en.htm，下载安装软件，目前最新版本是 1.4 版。

运行软件在试行此软件之前，必须明确和熟悉准确诊断性 Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。

TP：True positive 表示真阳性的结果，用数字表示；FP：False positive 表示假阳性的结果，用数字表示；FN：False negative 表示假阴性的结果，用数字表示；TN：True negative 表示真阴性的结果，用数字表示。

1打开软件，可以看到如下界面Author：第一作者名 + 文章年限，如 Rachow 2013；StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序；2数据的输入有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel 表上，点击复制 Ctrl+c，并点击黏贴 Ctrl+v，便可以 copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到 Meta-disc 数据表内，如下图。