网状meta分析如何进行异质性检测

在Meta分析的八大步骤中，Meta分析异质性处理主要在7步——统计分析中进行，当Meta分析纳入的各项研究均指向同一个结果，即各研究间具有同质性，则Meta分析具有意义，但如果各项研究指向的结果有很大偏差，当Meta分析异质性较大时，超出了随机误差，Meta分析的结果就不太可靠。此时，我们就需要通过各种方式对异质性进行检验。

Meta分析异质性几种定量检验方法

1、Q 统计量

该检验的无效假设为纳入各研究的效应量均相同。具体公式如下图，对于公式我们不了解也不要紧，只需要知道，Q 服从于自由度为 k-1 的 χ分布，Q 值越大，其对应的 P 值越小。若 Q>χ(1-α)，则 P<α，表明研究间存在异质性。反之亦然。

2、I统计量

I统计量反映异质性部分在效应量总的变异中所占的比重。由下式计算得出

其 中 Q 为 Q 统计量，df 是它的自由度（即研究总个数减去 1 得 到的数值）。当 I =0（如果 I为负值，我们设它为 0）时，表明没有观察到异质性，I统计量越大异质性越大；异质性的低、中、高程度分别用I统计量 25%、50%、75% 表示。若 I>50%，则说明存在比较明显的异质性。

3、H 统计量

公式如下图，其中 k 表示纳入 Meta 分析的研究数。统计量 H 值为 1 表示各研究间无异质性，一般情况下，若 H>1.5 提示研究间存在异质性，H<1.2 则提示可认为各研究同质；若 H 值在 1.2 和 1.5 之间，当 H 值的 95%CI 包含 1，在 0.05 的检验水准下无法确定是否存在异质性，若没包含 1 则可认为存在异质性。

4、Galbraith 图法

该法提供了一个图形化的显示，可以直观得到 Meta 分析异质性。对于每一个试验， 以 Z 统计量（效应量除以它的标准误（b/se(b)））为纵轴、标准误的倒数（1/se(b)）为横轴作图。若该 Meta 分析各研究无异质性，我们将看到所有点落到可信区间回归直线的内部。

5、L’Abbe 图

该图通常用于RCT 的二分类变量数据的 Meta分析异质性检验。根据每个研究的处理组事件发生率相对于对照组事件的发生率作图，若研究结果同质，则所有点呈线性分布，若偏离该线过远，则表明该研究结果为异常。