Revman软件操作

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,#,Revman,软件操作,刘,敏,感染科,主要内容,Revman,软件的下载与文章新建,二分类变量资料的,Meta,分析实现,连续变量资料的,Meta,分析实现,亚组分析的构建,漏斗图与森林图的解读,敏感性及异质性分析,Revman,软件的下载与安装,Review Manager,（简称,RevMan,）是国际,Cochrane,协作网为系统评价（,systematic review,）工作者所提供的专用软件，是,Cochrane,系统评价的一体化、标准化软件。下载地址：,http:/www.cochrane.es/Download/Files/revman.htm,http:/www.cochrane.org/software/revman.htm,http:/www.cc- a review”,新建一个,Meta,分析,诊断准确性系统评价,干预性系统评价,诊断准确性系统评价,方法学系统评价,灵活系统评价,为研究取一个名字,Protocol,是制作,cochrane review,时候用的，其他时候不用，所以选“,full review”,点,finish,左边为,revman,的功能区，右边则为主体区,左边可以看到,5,把“钥匙”，点击第,1,把,R,eview information,可以修改这个,review,的基本信息,点击第,2,把“钥匙”,main text ,可以看到这个,Review,的提纲，初学者可以参照来写,第,3,把钥匙,tables,表格区。主要有两个功能：,1.,各个研究的特点和偏移；,2.,呈现,Summary,of finding tables,。,Data and analysis,是,Revman,的核心，统计和计算都在这里,Figures,，图片区，纳入研究的流程图和偏移风险图都在这里，此外，其他区基本不用,先点击,Studies,and refrences,，然后点,Add Study,，则可以开始录入研究,点击,studies and refrences,然后点击右边的,Add Study,自动跳转到这个界面，输入研究者名字和年份，如,Jack,2007,连续默认“,next,”，则会出现如图界面，如所有研究都已录入完毕，则选择“,nothing,”，若还需录入新的研究，则选择第,3,项添加另一个研究到这里,研究全部添加后是这样的,第,二,部分 二分类变量资料的,Meta,分析实现,概述,有些变量的测量结果只有两种类别，譬如：男性和女性、有效与无效、生或死等等，这种按事物的某一性质划分的只有两类结果的变量，称为二分类变量,Meta,分析中，二分类变量汇总的是发生率、死亡率、 有效率这些数据,完成一个,Meta,分析的数据合并，需要进行至多三层工作：,第一层是,“,Comparison,”，代表的是一个对比（试验组,vs,对照组）,第二层是“,Outcome,”，代表对比的是什么（结局指标）,第三层是“,Subgroup,”，亚组分析时才会用到，可以没有,研究全部录入后，就来到数据区：,Data and analysis,开始数据分析，点,Add comprison,为,这个对比,取一个名字，如“,A vs B”,比较已经建好，,Add outcome,二,分类变量,连续型变量,O-E,和方差,一般倒方差,其他数据类型,二分类变量和连续型变量是最常用的,点“,Dischotomous,”，然后,next,为这个结果取一个名字，如这个结果是分析安全性，如：,Safety,这一,界面主要选择：,1.,统计学方法,2.,统计模型,3.,统计指标,统计学方法,Peto,：,只能用于二分类变量里的,OR,值,MH,法：只能用于二分类变量,IV,法：连续型变量和二分类变量都可以,效应模型的选择,FE,：固定效应模型，当纳入的各研究间异质性较好，即,P,值,0,.1,或,I,2,50%,时，可以用；,RE,：随机效应模型，通用,效应指标的选择,OR,：比值比，万金油，可用于所有的二分类变量的研究,RR,：相对危险度，仅用于队列研究和,RCT,RD,：率差，仅用于队列研究和,RCT,亚组选择,研究可信区间的选择,总可信区间的选择,一般全部选择默认，然后,next,Left/Right Gragh Lable:,试验组和对照组的标签，可以自定义一下,Scale,：森林图的尺度，默认,100,Sort By,：研究的排序方法，一般选第一个，选,Study ID,的首字母进行排序,全部设置完毕点,Nothing,然后,finish,Outcome,就建好了，,点,击它,可以看到这个,outcome,现在还是空的,这时需要点击右上角,添加研究，,选择这个,outcome,所需纳入的研究，然后,Finish,分别将每个研究试验组及对照组事件数及样本量录入,譬如这个原始数据，对应相应,的,研究，将数据直,接复制进去,如图所示，数据录入后结果自动生成,这个滑动键可以调节这个森林图的大小,两组的事件数和样本量,各个研究的,OR,值,权重：每个研究在合并结果中所占的比重,统计方法是,MH,效应值是,OR,固定效应模型,95%,可信区间,我们来看一下结果,总的事件数及样本量,合并的效应量及,95%,可信区间,总,OR,值的统计学检验（,Z,检验）结果，总,OR,值的,P,值,异质性检验：,P=0.42,，,I,2,=0%,，说明无明显异质性,下面来介绍一下这几个小按钮的功能,这个按钮可以用来添加新的研究,这个按钮可以切换效应指标，也就是,OR,、,RR,、,RD,这个按钮可以切换效应模型，即,RE(,随机效应模型,),、,FE(,固定效应模型），鼠标点击即可完成切换,这个按钮是用来打开森林图的,这个按钮是用来打开漏斗图的,这个按钮是可打开计算器,这个 可以设置这个,Outcome,的所有条件，包括分析方法、分析数据类型、,细节、,图表等,可以 更改数据类型,更改实验组和对照组的标签,更改,outcome,的名字,更改效应指标,切换统计方法,更改效应模型,是否显示亚组,研究,的可信区间,汇总结果的可信区间,森林图的显示,Outcome,中数据的排序方式,可以设置的内容就是我们当初新建,Outcome,时,的内容，所以新建,Outcome,只需随便选择，数据汇总后再根据异质性等进行修改,发现了吗？,第,三,部分 连续型变量资料的,Meta,分析实现,概述,连续型变量：有具体数值的数据，如：身高、体重、肿瘤直径、血糖、,血,氧等,Meta,分析中，连续型变量是身高、体重、血压、淀粉酶等数据，描述这样的数据，需要三个元素：均数、标准差和样本量,在做二分类变量的时候研究已经录入完毕，,再次,来到数据区：,Data and analysis,然后“,Add Comparison”,为这个新的“,Comparison”,取一个名字，如“,C VS D”,然后,Next,点“,Nohing”,然后,Finish,新,的比较就建好了,接下来，,Add Outcome,点,“,Continuous,”，然后,next,为这个结果取一个名字，如：,Length of ICU,stay,又到了选择统计方法、效应指标、效应模型这一页，其和二分类变量有所区别,效应模型，同二分类变量,FE,：固定效应模型，当纳入的各研究间异质性较好，,可以用；,RE,：随机效应模型，通用,所以这里选择,IV,法，,RE,模型，,MD,值，然后,Next,亚组选择,研究可信区间的选择,总可信区间的选择,一般全部选择默认，然后,next,Left/Right Gragh Lable:,试验组和对照组的标签，可以自定义一下,Scale,：森林图的尺度，默认,100,Sort By,：研究的排序方法，一般选第一个，选,Study ID,的首字母进行排序,全部设置完毕点,Nothing,然后,finish,这个,Outcome,就建好了，双击它,和二分类变量一样，现在这个,outcom,现在还是空的,点击右上角,添加研究，,选择需要纳入的研究,和二分类变量一样，将相应的数据,Copy,进来，结果自动生成,各组研究的,MD,值及,95%,可信区间,各组研究的均数、标准差及样本量,合并总的,MD,值及,95%,可信区间,两组研究的样本量,总,MD,值的统计学检验（,Z,检验）结果，总,MD,值的,P,值,异质性检验,：,P,0.0001,，,I,2,=99%,，说明具有较高的异质性,统计指标,:MD,值，统计方法：,IV,法，固定效应模型，,95%,可信区间,第四部分 亚组分析的实现,亚组分析,亚组分析是处理异质性的常用方法，可以按照研究方案、研究质量，人种等进行分组,First author/year,Country,Ethnicity,SNP,Sample Size,Genotype frequency (Cases/controls),P,HWE,Case,Control,11,12,22,1,2,Lacher-2008,German,Caucasians,rs7517847,132,253,50/78,65/125,17/50,165/281,99/225,0.06144,rs11209026,123/218,9/34,0/1,255/470,9/36,0.03606,Marquez-2007,Spain,Caucasians,s7517847,363,547,149/192,160/260,54/94,458/644,268/448,0.10362,rs11209026,334/486,29/60,0/1,697/1032,29/62,0.08375,Latiano-2008,Italy,Caucasians,rs7517847,843,749,326/280,390/328,88/108,1042/888,566/544,0.10740,rs11209026,750/634,72/91,1/1,1572/1359,74/94,0.01388,Oliver-2007,Spain,Caucasians,rs7517847,222,342,92/121,102/153,29/35,286/395,160/223,0.02948,rs11209026,203/302,19/34,0/6,425/638,19/46,0.10594,rs1343151,99/136,101/157,22/49,299/429,145/255,0.11293,Ebrahimi-2014,Iran,Asian,rs7517847,77,78,45/44,28/30,4/4,118/118,36/38,0.83685,rs11209026,71/72,6/6,0/0,148/150,6/6,0.98144,rs1004819,25/19,36/41,16/18,86/79,68/77,0.35917,rs1343151,55/41,20/32,2/5,130114,24/42,0.01470,rs2201841,26/19,36/40,15/19,88/78,66/78,0.21064,用种族进行亚组分析,添加一个新的“,Outcome”,选择二分类变量，然后,Next,为这个研究取一个名字,全部选择默认，然后,Next,全部默认，然后,Next,选择默认，,Next,点,Nothing,然后,Finish,这个名为“,Subgroup”,的新的,Outcome,就建好了,点右键，出现,”Add Subgroup”,添加亚组,取一个名字“亚裔,”,选择添加一个新的亚组，,C,ontinue,起另一个名字，叫“高加索裔”，然后,Finish,这个亚组就建好了，点击“,Subgroup“,点击“,Asian”,然后点击右上键的,添加研究,将亚裔的研究添加进去,点击,“,Caucasians”,然后点击右上键的,添加,研究,添加“高加索裔”的研究,每个亚组的研究都纳入了，然后将相应的数据,拷贝进来,结果自动生成，还有可爱的森林图,森林图导出后是这样的,第五部分 森林图和漏斗图的解读,森林图,先打开森林图,横线代表研究结果的可信区间，即此研究真实存在的范围。,横线越长，样本量越小，结果越欠可靠,横线越短，样本量越大，结果越可靠,这个点代表单项研究的效应量，点的大小代表研究的权重，就是这个研究对,Meta,分析的贡献度,这个菱形代表合并后的结果,这条直线叫无效线，将图一分为二，用于判定统计结果有无统计学意义。若菱形与该直线相交，则代表两组的差异无统计学意义,如果效应量是,OR,、,RR,值,，这条直线代表,1,，即比值相等,如果效应量是,MD,、,SMD,、,RD,值,。这条直线代表,0,，即差值为零,菱形与直线不相交：,如果效应量是,OR,、,RR,，菱形落于直线右侧，即比值大于,1,，说明实验组发生事件多于对照组，落于左侧则相反,如果效应量是,MD,、,SMD,、,RD,值,。菱形落于直线右侧，说明试验组的指标大于对照组，落于左侧则相反,若菱形与直线不相交：,落于右侧：,说明试验组事件较多，对于有效、治愈等有利事件，试验组发生较多，效果较好；对于死亡、复发等不利事件，试验组发生较多，效果更差；,落,于左侧则相反,森林图与异质性,：,森林图显示了各个研究的效应量和可信区间，若各研究间可信区间有较少重叠，则可能存在异质性,点击这个 将图片“另存为”,选择一个格式保存，就可以用于杂志的发表，,一般选择,PDF,格式，清晰度好,漏斗图,打开漏斗图,漏斗,图可用来识别发表偏移和其他偏移,优点是直观,缺点是主观，不同的人判读结果不同,绘制漏斗图至少需要纳入,10,项研究。若小于,10,项，研究数太少，检验效能不足，难以评定漏斗图的对称性,各个点代表纳入的各个研究,中间的竖线是合并后的,OR,值,理想状态下各个研究应平均地分布于竖线的左右两侧,纵轴是标准误，进一步理解就是样本量,样本量越大，分布越向上,样本量越小，分布越向小,理想的漏斗图如左图所示：,大,样本研究集中地分布于图形上方,小样本研究分散地分布于图形下方,形似漏斗，所以叫做漏斗图,如果存在发表偏移，如一些阴性结果未能发表，漏斗图就会出现缺角，如左图的右下角,漏斗图与异质性,:,漏斗图常用于发表偏移的识别，然而，引起漏斗图不对称的原因很多，发表偏移也是其中之一,漏斗图可大致了解各研究间是否存在异质性,这两条斜线是漏斗图的,95%,可信区间,理想情况下，漏斗图中应有,95%,的点落在这个区间内，提示可能不存在异质性，如果有更多的点落在外面，则提示可能存在异质性,点击 将图 片另存为,第六部分 异质性和,敏感,性分析,异质性,理想状态下，一个,Meta,分析应该相当于一个大型的多中心研究，纳入的各项研究应该是同质的,研究内的变异是相似的，各项研究应该是指向同一个结果的,然后，由于研究人员、对象、地点、条件、种族等的不同，研究间的异质性是“绝对”存在的,异质性的评价方法,数值法,Q,统计量,H,统计量,I,2,统计量,图示法,Galbraith,图,L,Abbe,图,森林图,漏斗图,Revman,中,可以实现的有,Q,统计量、,I,2,统计量、,森林,图、,漏斗图,森林图和漏斗图法，前面已经说过了，这两种方法虽然直观但不客观，下面来看,Q,统计量及,I,2,统计量,异质性检验的结果在这里,Revman,提供两种异质性检验的方法,1.,Q,值,检验,2.,I,2,检验,Q,值检验,I,2,检验,对于,Q,值统计量检验，主要看,P,值,1.,P,值,0.1,无异质性,2.,P,值,0.1,有异质性,卡方值,自由度,=,研究数,-1,P,值,I,2,检验,I,2,取值范围为,0%,至,100%,对于,I,2,统计量检验,，判定异质性的方法主要有两种：,第二种：（来自,Cochrane,手册）,只要,I,2,不,大于,50%,异质性都可以接受,第一种：,无异质性,I,2,0%,轻度,异质性,I,2,25%,中,度异质性,I,2,50,%,重,度异质性,I,2,75%,I,2,值,异质性的处理方法,1,.,检查纳入研究的原始数据是否正确，检查提取数据的方法是否正确,2.,若异质性来源于种族、剂量或疗程等可采用亚组分析或者,Meta,回归,3.,敏感性分析，了解异质性来源,就像寻找过敏原一样，敏感性分析就是找到哪一个因素，哪一个研究对异质性的影响最大,4.,仍然无法解释产生异质性原因，可以采用随机效应模型进行合并,5.,放弃,Meta,分析,误导的结果比没有结果更糟,研究间的异质性无法得到合理的解释,研究的合并结果没有临床意义,没有足够的、真实的相关研究结果,敏感性分析,敏感性分析是为了了解,meta,分析的稳定性，虽然敏感性分析不是一种统计学方法，但有几种方法可以进行敏感性分析，进而分析,Meta,分析的稳定性，包括：,剪补法,失安全系数法,去除单项研究法,选择模型分析法,Revman,均不能实现,针对发表偏移和小样本研究效应,查看异质性来源时，若删除某一研究，异质性明显降低，则认为此研究为异质性的主要来源，应对此研究进行进一步的阅读和评价,如果发现某一研究是异质性的来源，应仔细评估，不能随意去除,去除也要有充分的理由，应在讨论里说明,发现每个研究前面的小对号 了吗？,取消一个对号，那么这个研究就在合并的数据里删除了,森林图里对应的图形也消失了,单项研究对合并效应量的影响,每次将某一研究删除，分别进行新的,Meta,分析，查看效应量有无变化，若删除后结果与之前合并结果不一致，则认为此研究对总效应量影响大,不管最后是否删除此研究，都需要在讨论里将此研究和重新评估后的结果着重写一下,谢 谢,