Meta分析中发表性偏倚的识别与处理

本介绍了发表性偏倚的类型及产生的背景，并集中比较了三种发表性偏倚的识别与处理方法：漏斗图法、剪补法以及公式法，这些方法为评价Meta分析结果、发现与处理发表性偏倚提供参考。     

预后准确性研究偏倚风险评价工具QUAPAS解读

QUADAS-2、QUIPS和PROBAST工具并不针对预后准确性研究而开发,使用这些工具对预后准确性研究开展偏倚风险评价易导致偏差。近期国外研制了预后准确性研究的偏倚风险评价工具QUAPAS。该工具结合QUADAS-2、QUIPS和PROBAST,由5个领域、18个标志性问题、5个偏倚风险问题和4个适用性问题组成。本文对QUAPAS的内容和使用方法进行介绍,以期为国内研究者提供参考与借鉴。     

信息偏倚

信息偏倚又称＂观察性偏倚＂或＂测量偏倚＂,指在资料收集过程中出现的偏倚。造成信息偏倚的原因包括研究人员的差异,测量仪器的差异,记录编码的错误,以及对不同的人群用不同的方法和态度去收集资料。常见的信息偏倚包括回忆偏倚,诊断怀疑偏倚,暴露怀疑偏倚,报告偏倚,检出偏倚,以及诱导偏倚等。     

系统评价控制偏倚的方法

系统评价与传统综述的最大区别在于其质量不同,即在于其减少偏倚的程度不同.一般而言,偏倚的来源主要包括以下方面:文献检索过程、研究选择过程和数据提取过程产生的偏倚以及所选择的各个研究内在的偏倚.由于系统评价采取了诸如制订检索策略、进行"倒漏斗"分析、预先确立研究选择的纳入与排除标准以及评估纳入研究的方法学质量等有效措施对可能存在的偏倚进行控制、识别以及描述,因而能够大大地减少偏倚.     

科研论文写作常识（一）

偏倚 又称＂系统误差＂,指对真实情况的歪曲。在研究过程中,偏倚主要来源于两个方面：一方面是因选取研究对象时造成的偏倚称为选择性偏倚;另一方面是在收集资料时产生的偏倚称为信息资料偏倚。     

暴露类非随机研究偏倚风险评价工具（ROBINS-E 2022版）解读

非随机研究是评估暴露（包括环境、职业和行为等暴露）对人类健康影响的重要方法。暴露类非随机研究偏倚风险评价工具（ROBINS-E）用于评价自然环境暴露或职业暴露观察性研究中的偏倚风险。本文主要介绍ROBINS-E 2022版的主要内容,包括制订背景、偏倚领域及相关的信号问题回答以及操作过程。     

电子病历数据库在临床研究中的应用及偏倚控制

电子病历数据库(electronic health records, EHRs)的出现为大样本临床队列研究提供了低成本、高效率的愿景和机遇,但利用EHRs开展临床研究仍然存在误区和挑战。本文回归流行病学的本质,通过实例探讨EHRs的特征,EHRs中可获得的信息与临床研究中暴露变量、结局变量及协变量之间的对应关系,如何利用EHRs进行患病率及发病率估计、开展疗效和政策评价以及在临床研究中对选择偏倚、混杂偏倚尤其是未测量混杂偏倚的控制等,旨在促进EHRs与临床研究的整合,提高临床研究的效率及质量。     

室间质评数据计算偏倚和σ值的三种方法比较分析

目的对利用室间质评数据(EQA)计算临床生化项目偏倚和σ值的三种方法进行比较分析。方法利用2018年EQA数据估算同一项目所有批号的相对偏倚,计算其相对偏倚绝对值的平均值作为偏倚(Bias1);以本室测定结果为X,EQA靶值为Y,做相关回归统计得到回归方程Y=aX+b。将高、低两个水平室内质控(IQC)的累积均值代入方程,得出两个偏倚值,最后计算合并Bias(Bias2);在2017-2018年EQA数据中选择与本室室内质控浓度接近的数据参与计算方法和实验室偏倚(RMSbias),每个水平有6个数据,得出高、低两个偏倚值,最后计算合并Bias(Bias3)。采用行业标准WS/T403-2012作为质量规范,根据公式σ=(TEa-|Bias|)/CV计算出σ值。结果3种计算方法所得偏倚之间存在显著性差异,而利用偏倚计算得出的3组σ值之间则无显著性差异。结论无论采用何种偏倚计算方法,得出的各项目σ值是一致的。     

全线性范围内多个定量检测系统间的偏倚评估

目的：改进 EP9-A2指南使之可用于全线性范围内多个定量检测系统间的偏倚评估。方法在4套检测系统（A、B、C、D）上检测40份患者标本的血清总胆固醇浓度,以 A 系统为参考系统,按 EP9-A2指南评估 B、C、D 系统的偏倚;在此基础上,计算两两系统间偏倚可接受距离 DD（偏倚与分析质量目标之间的距离）,以置信区间包含0为标准来识别系统间不可接受的偏倚。结果与 A 系统相比,B、C 两系统呈负向偏倚,D 系统呈正向偏倚,但 B、C、D 与 A 系统的偏倚均可接受;各系统间 DD 呈正态分布;除DD BD 置信区间包含0,B、D 两系统间偏倚不可接受外,其余系统间偏倚均可被接受;将 D 系统结果经 A 系统校正后,各系统间偏倚均可接受;作图可提供全线性范围内的偏倚评估。结论DD 均值的置信区间,可在全线性范围内有效评估3个或更多系统间的偏倚,可用于评估系统间的结果可比性。     

Meta分析中发表偏倚的Begg’s检验、Egger’s检验及Macaskill’s检验的SAS程序实现

Meta分析的结论易受各种偏倚的影响,“发表偏倚”是其中重要的偏倚之一。所以,评价所纳入的研究是否存在发表偏倚是Meta分析的一项重要的前期准备工作。Begg’s检验、Egger’s检验和Macaskill’s检验是常见的用于定量评价Meta分析“发表偏倚”的方法,为了便于这些检验方法的应用,本文编写了基于SAS系统的这三个检验的程序,经实例数据分析,其运行结果与Stata软件完全相同。为研究人员提供了同时实现这三个检验的有效途径。     

循证医学术语介绍（Ⅵ）

作为《循证医学术语介绍》的第6篇文章,我们主要回顾了研究综合、系统评价与Meta分析各自产生的背景、发展、步骤及未来的发展趋势,并对其概念进行了解析。     

证据的来源与检索

循证医学是指认真、明确和明智地应用现有的最好证据,同时结合医生的个人专业技能和临床经验,考虑病人的愿望,对患者做出医疗决策.因此证据及其质量是循证医学的关键.本文旨在系统介绍证据的来源和如何检索证据,为卫生健康工作者的循证医学实践提供服务和帮助.     

临床医生如何解读Meta分析论文

Meta分析是系统评价的重要方法。随着循证医学的发展,Meta分析研究越来越多,解读Meta分析报告已成为获取医学前沿信息的重要方法之一,掌握Meta分析方法对于临床医生从事临床和科研工作大有裨益。本文通过实例对森林图、偏倚评价图和漏斗图的解读进行详细说明,并对异质性、稳健性和样本量的评估方法进行介绍,以期帮助临床医生正确掌握Meta分析文章的解读方法。     

系统评价过程中医学信息活动的价值取向

系统评价结果是循证医学中级别最高的证据之一,也是搜集、整理、分析医学信息的活动。本文通过对系统评价方法学特点的分析与概括,提出系统评价过程体现了重视来源信息的无偏性获取、个体信息的加权性处理、结果信息的慎重性解释和时效信息的发展性更新等价值取向。     

循证医学在疾病防治中的应用

随着科学技术的飞速发展,在疾病的防治中,新药和新的防治措施层出不穷,如何在这浩如烟海的世界中,迅速寻找到最新最佳的治疗证据,如何在疾病的防治中实践循证医学,是我们临床医生面临的新问题.本文结合具体实例就在疾病的防治中如何实践循证医学作一简单介绍.     

循证医学术语介绍

各个学科与领域都非常重视规范与统一其名词术语,循证医学概莫能外。本文旨在阐述如何界定循证医学术语及统一规范这些术语的必要性及紧迫性。     

可信区间的用途和意义

本文介绍了可信区间的用途和意义,并集中举例说明了常用统计指标,如RRR(relative risk reduction,相对危险度减少率)、ARR(absolute risk reduction,绝对危险度减少率)、NNT(number needed to treat,需要处理的病人数)等的可信区间计算方法,以供循证医学研究者参考.     

卫生研究中证据的定义与循证规范

近20年随着循证医学的发展及其方法学的不断完善，证据概念和循证原则不仅在医学各领域广泛应用，且逐渐渗透于非医学领域。我们调查了不同组织对卫生研究中证据的定义，结合实际工作提出对证据的新定义：“证据是系统评价后的信息”；同时论述循证规范的形成，为其服务于其他学科和行业提供借鉴和参考。     

Reasoning and evidence-based medicine: common pitfalls

It is impossible to answer every potential clinical question through randomized controlled trials. Hence, assumptions, rational thinking, logic, and reasoning are used in making recommendations; however, these methods may interfere with the judicious application of evidence-based medicine and, as discussed in this article, may result in logical fallacies. We also explain how we may incorporate recommendations based on assumptions and rational thinking in patient care. Extrapolations of study content and confusing association with causation are common pitfalls in the application of the evidence-based medicine process. Personal bias can be another barrier in the adoption of evidence-based medicine. It can be difficult to modify personal bias despite the evidence; keeping up with the medical literature in a busy practice can be daunting.     

动态系统评价简介

系统评价作为循证医学中较高等级证据,其制作方法相对成熟,但更新机制尚不完善。动态系统评价通过周期性获取临床证据,及时更新系统评价结果,能有效提高系统评价的时效性。本文从动态系统评价的产生、特点、适用情况、实施过程、应用现状等几个方面对其进行简要介绍。