Microsoft PowerPoint - 讲稿EBM常用指标(张2015).ppt

Size: px

Start display at page:

Download "Microsoft PowerPoint - 讲稿EBM常用指标(张2015).ppt"

永孟
5 years ago
Views:

1 循证医学中常用的统计指标刘关键一概述四川大学华西医院循证医学与临床流行病学中心医学统计将数据资料分为数值资料 ( 计量 ) 和分类资料 ( 计数和等级 ) 两大类统计指标也可分为数值资料指标与分类资料指标两类统计指标可用于描述性的统计分析, 是反映数据基本特征的统计分析方法并可使人们能够准确全面地了解数据资料所包涵的信息, 有利于在此基础上完成进一步的分析一分类资料的指标分类资料的描述性指标, 有大家熟悉的, 如死亡率患病率发病率等常用率的指标外还有在循证医学的研究和实践中, 经常使用的相对危险度 (RR) 比值比 (OR) 及由此导出的富有特色的描述指标, 如 EER CER RRR ARR NNT 等

2 EER 循证医学的预防和治疗性研究中, 率还可细分为 EER 和 CER 两类 EER, 即试验组某事件的发生率 (experimental event rate,eer), 如对患者采用某些防治措施后某事件的发生率 CER CER, 即对照组某事件的发生率 (control event rate,cer), 如对患者不采用防治措施或采用对照措施后某事件的发生率实例阿斯匹林治疗心肌梗死的效果组别死亡未死亡合计试验组 5(a) 0(b) 25(n ) 对照组 30(c) 90(d) 20(n 2) 合计 (N) RD 及可信区间该例的 EER 和 CER 分别为 : EER=5/25 00=2% CER=30/20 00=25% 试验组的病死率 (EER) 为 2% 对照组的病死率 (CER) 为 25% 率差 (RD) 两个发生率的差即为率差, 也称危险差 (rate difference,risk difference, RD), 如, 试验组发生率 (EER) 与对照组发生率 (CER) 的差, 其大小可反映试验组发生率比对照组多或少的绝对量其计算公式如下 : RD=EER- CER RD 的意义当 RD=0 时, 可认为试验组的发生率与对照组的发生率相同当 RD>0 时, 可认为试验组的发生率大于对照组 (EER>CER) 当 RD<0 时, 可认为试验组的发生率小于对照组 (EER<CER)

3 实例分析阿斯匹林治疗心肌梗死的效果组别死亡未死亡合计试验组 5(a) 0(b) 25(n ) 对照组 30(c) 90(d) 20(n 2 ) 合计 (N) 该例的 RD 为 : RD =EER-CER = = -0.3 即该例试验组的病死率比对照组少 3% RD 的 CI 两率差的可信区间由下式计算 : (EER-CER)±u α SE(RD) 即 :RD±u α SE(RD) RD 的 95% 的可信区间为 RD±.96 SE(RD) 实例 RD 的标准误阿斯匹林治疗心肌梗死的效果 EER= 5/25 =2%,CER =30/20 =25%, 两率差的标准误 : SE(RD)= = p (-p ) n + p 2(-p 2 ) = n =0.049 ab 3 + cd 3 n n 2 实例 RD 的 CI 该试验两率差 (RD) 的可信区间为 : (EER-CER)±.96 SE(RD) =( )± = -0.23~-0.03 该例两率差的可信区间为 -0.23~-0.03, 上下限均小于 0( 不包含 0), 两率有差别可认为阿斯匹林可降低心肌梗死的病死率无统计学意义试验组 < 对照组试验组 > 对照组 ARR 及可信区间 0 无效值 RD 的可信区间的图示

4 ARR 如果率差 (RD) 为某临床试验疗效事件发生率 ( 如某病的病死率 ) 的差值, 且 EER<CER 时, 即为绝对危险度减少率 (absolute risk reduction,arr) ARR 可用于度量试验组使用某干预措施后, 某负性事件的发生率比对照组减少的绝对量 :ARR= EER-CER ARR 的可信区间计算与 RD 相同 ARR 应用条件满足以下条件, 可以使用 ARR: () 试验组 - 某治疗措施, 对照组 - 安慰剂 (2) 主要疗效指标 : 使用如病死率复发率等负性指标 (3) 目的 : 试验组使用某治疗措施后, 这些事件的发生率是否低于对照组 ARR 实例分析阿斯匹林治疗心肌梗死的效果组别死亡未死亡合计试验组 5(a) 0(b) 25(n ) 对照组 30(c) 90(d) 20(n 2 ) 合计 (N) 该例的 RD 为 : ARR = EER-CER = = 0.3 即该例试验组的病死率比对照组少 3% ARR 实例的 CI 该试验 ARR 的可信区间为 : EER-CER ±.96 SE(RD) = ± = 0.03~ 0.23 该例 ARR 的可信区间为 0.03~0.23, 上下限均不包含 0, 两率有差别可认为阿斯匹林可降低心肌梗死的病死率 NNT 及可信区间 NNT(the number needed to treat) 的临 NNT 及可信区间床含义为 : 对病人采用某种防治措施, 比对照组多得到一例有利结果需要防治的病例数 (the number of patients who need to be treated to achieve one additional favorable outcome,nnt)

5 NNT 的计算及意义 NNT 的其计算公式为 : NNT=/ EER-CER =/ARR 该公式中的 EER 和 CER 定义为采用某干预措施之后, 某疗效事件的发生率, 如阿斯匹林预防心肌梗死的病死率因此,NNT 的值越小, 表示该防治效果就越好, 其临床意义也就越大 NNT 的可信区间 NNT 的 95% 的可信区间, 由于无法计算 NNT 的标准误, 但 NNT= /ARR, 故 NNT 的 95% 的可信区间的计算可利用 ARR 的 95% 的可信区间来计算 NNT95%CI 的下限 : /ARR 的上限值 NNT95%CI 的上限 : /ARR 的下限值注意 : NNT 中的对照组通常是安慰剂对照, 如果对照组是阳性对照, 则不同阳性对照组的多个 NNT 间不能比较, 如 : CER EER ARR NNT NNT 实例分析阿斯匹林治疗心肌梗死的效果组别死亡未死亡合计试验组 5(a) 0(b) 25(n ) 对照组 30(c) 90(d) 20(n 2 ) 合计 (N) ARR 为 :ARR = EER-CER = = 0.3 NNT 为 :NNT=/ARR=/0.3=7.69 NNT 实例的 CI ARR95% 的 CI 为 : 0.3± = 0.03~0.23 NNT95%CI 的下限 :/0.23=4.35 NNT95%CI 的上限 :/0.03=33.33 ARI 及可信区间

6 ARI 如果率差 (RD) 为某临床试验不良事件发生率 ( 如肝功能异常率 ) 的差值, 且 EER>CER 时, 即为绝对危险度增加率 (absolute risk increase,ari) ARI 可用于度量试验组使用某试验因素后, 其不利结果的发生率比对照组增加的绝对量 : ARI= EER-CER ARI 的可信区间计算与 RD 相同 ARI 应用条件满足以下条件可以使用 ARI () 试验组 : 某治疗措施 ; 对照组 : 安慰剂 (2) 不利结果或不良事件指标 : 如肝功能异常率肾功能异常率等指标 (3) 目的 : 试验组使用某治疗措施后, 某不利结果 ( 不良事件 ) 的发生率是否大于对照组 NNH NNH 及可信区间 NNH 的临床含义为 : 对病人采用某种防治措施, 比对照组多出现一例不利结果需要治疗的病例数 (the number needed to harm one more patients from the therapy,nnh) NNH 的计算及意义 NNH 的计算式为 : NNH =/ EER-CER =/ARI 该公式中的 EER 和 CER 定义为采用某干预措施之后, 某不利结果的发生率因此,NNH 的值越小, 表示该某治疗措施引起的不利结果 ( 不良事件或副反应 ) 就越大注意 : NNH 中的对照组通常是安慰剂对照, 如果对照组是阳性对照, 则不同阳性对照组的多个 NNH 间不能比较, 如 : CER EER ARI NNH

7 相对危险度 (RR) RR 及可信区间该两个率的比值叫做相对危险度或相对比 (relative risk, risk ratio, RR), 是前瞻性研究中较常用的指标, 它是试验组某事件发生率 (EER) 与对照组 ( 或低暴露 ) 的发生率 (CER) 之比, 用于说明试验组的发生率是对照组的多少倍 RR 的计算试验组的发生率为 :EER=a/(a+b) 对照组的发生率为 :CER=c/(c+d) 两个率的比值按下式计算 : RR = EER CER = a/(a+b) c/(c+d) RR 的意义当 RR= 时, 可认为试验组的发生率与对照组的发生率相同当 RR> 时, 可认为试验组的发生率大于对照组 (EER>CER) 当 RR< 时, 可认为试验组的发生率小于对照组 (EER<CER) 实例分析阿斯匹林治疗心肌梗死的效果 RR = 组别死亡未死亡合计试验组 5(a) 0(b) 25(n ) 对照组 30(c) 90(d) 20(n 2 ) 合计 (N) 该例的 RR 为 : EER CER = a/(a+b) c/(c+d) = 5/25 30/20 =0.48 RR 的可信区间 RR 的可信区间, 应采用自然对数进行计算, 即应求 RR 的自然对数值 ln(rr) 和 ln(rr) 的标准误 SE (lnrr), 其 RR 的 95% 可信区间为 : exp[ ln(rr) ±.96 SE(lnRR) ]

8 ln(rr) 的标准误 SE (lnrr) 的计算公式如下 : RR 的标准误阿斯匹林治疗组的病死率 EER=5/25; 对照组的病死率 CER=30/20, 其 RR 和可信区间为 : RR = RR 的实例计算 EER CER = 5/25 30/20 =0.48 SE(lnRR)= a + c - a+b - c+d ln(rr)=ln(0.48)= SE(lnRR)= r + r 2 - n - n 2 = = 实例 RR 的 CI RR 的 95% 可信区间为 : exp[ ln(rr) ±.96 SE(lnRR) ] = exp( ± ) = (0.272,0.846) 该例 RR 的 95% 可信区间为 0.272~0.846 RR 实例分析结论使用阿斯匹林治疗的病人与对照组相比, 其病死率的 RR 为 0.48, 其 RR 的 95% 可信区间为 0.272~0.846 可认为阿斯匹林治疗组的病死率小于对照组, 故可认为阿斯匹林可降低冠心病患者心肌梗死的病死率比值比 (OR ) 在回顾性研究 ( 如病例对照研究 ) 中, 往往 OR 及可信区间无法得到某事件的发生率 CER 或 EER( 如死亡率病死率发病率 ), 也就无法计算出 RR 但是当该发生率很低时( 如发生率小于或等于 5%), 可以计算出一个 RR 的近似值, 该近似值称为 OR, 即是比值比 (odds ratio)

9 回顾性研究的数据表回顾性研究的数据见下表 : 组别暴露未暴露合计病例组 a b n =a+b 对照组 c d n 2 =c+d 合计 a+c b+d N OR 的计算 () 病例组的暴露与未暴露的比值 : odds =a/b 对照组的暴露与未暴露的比值 odds 0 =c/d OR 的计算 (2) 试验组的比值 (odds ) 与对照组 (odds 0 ) 的比值之比即为比值比 (odds ratio 比数比机会比优势比 ), 其计算公式为 : OR = odds odds 0 = a/b c/d = ad bc OR 的意义当 OR= 时, 可认为病例组的比值与对照组的比值相同当 OR> 时, 可认为病例组的比值大于对照组 (odds>odds0) 当 OR< 时, 可认为病例组的比值小于对照组 (odds<odds0) OR 的可信区间 ln(or) 的可信区间为 : ln(or) ± u α SE(lnOR) OR 的 95% 可信区间为 : exp[ ln(or) ±.96 SE(lnOR) ] OR 的可信区间同样需要采用自然对数计算, 其 ln(or) 的标准误 SE (lnor) 按下式计算 : SE(lnOR)= OR 的标准误 a + b + c + d

10 实例数据心肌梗死与近期使用某口服避孕药关系的回顾性调查数据 ( 方积乾主編 ) 组别用药未用药合计病例组对照组合计方积乾主編. 医学统计学与电脑实践. 第二版, 上海科技出版社, 200(33-34) 该实例的比值比 : OR = odds odds 0 Ln(OR)=ln(.6839)=0.52 SE(lnOR)= = 实例 OR 的计算 = a/b c/d = a + b + c + d = =0.277 实例 OR 的 CI 计算其 OR 的 95%CI 为 : exp[ ln(or) ±.96 SE(lnOR) ] = exp(0.52± ) = (.099,2.580) 对该回顾性研究结果的分析表明, 病例组近期使用口服避孕药的比值是对照组比值的.68 倍 ( 其 95% 的 CI 为 : ), 据此研究结果提示患者心肌梗死与近期使用某口服避孕药可能有一定关系 OR 近似 RR 实例分析以前述阿斯匹林治疗心肌梗死为例计算其 OR 值和 ln(or) 为 : OR= ad bc = = ln(or)=ln(0.409)= 前述该例 RR 为 0.48, 可见 OR 是 RR 的估计值实例 OR 的标准误阿斯匹林治疗心肌梗死 OR 的标准误为 : SE(lnOR)= = a + b + c + d =0.347

11 实例 OR 的 CI 计算其 OR 的 95%CI 为 : exp[ ln(or) ±.96 SE(lnOR) ] = exp(-0.894± ) = (0.207,0.807) 实例 OR 的结论阿斯匹林治疗心肌梗死的 OR 为 0.409, 其 OR 的 95% 可信区间为 0.207~0.807, 阿斯匹林治疗组的病死比值小于对照组, 可以认为使用阿斯匹林治疗心肌梗死有效 RR 与 OR 的实际应用 RR 和 OR 在医学研究实践中的应用在前瞻性研究中 ( 如 RCT), 可计算 RR, 若当所研究疾病的发病率较低 ( 如发生率小于 5%) 时, 也可用 OR 估计 RR; 在回顾性研究 ( 如, 病例对照研究 ) 中, 由于无法计算发生率死亡率等指标, 也就无法计算 RR, 只能用 OR 试验组 < 对照组无统计学意义无效值试验组 > 对照组 RR 和 OR 的可信区间的图示四计量资料的指标数值资料的描述性指标, 有大家熟悉的, 如均数中位数标准差常用指标外还有在循证医学的研究和实践中, 还经常使用均数差 (MD) 标准化均数差 (SMD) 等

12 均数差 (MD) 及可信区间均数差 (MD) 均数差 ( 加权均数差 ) (Mean Difference,MD or Weighted Mean Difference WMD ) 某个研究的 MD 及标准误可按下式计算 : MD= X X 2 SE(MD) = S 2 n + S 2 2 n 2 均数差 (MD) 定义为 : MD= 试验组均数 - 对照组均数该指标以试验原有的测量单位, 真实地反映了试验效应, 消除了绝对值大小对结果的影响, 在实际应用时, 该指标容易被理解和解释关于效应指标的改变量临床试验分析结果的内容疗前 (Baseline) 疗后 ( Final ) 疗前疗后差值 ( Change) 例数均数标准差均数标准差均数标准差试验组 N E X E SD E X E2 SD E2 X Ed SD Ed 对照组 N C X C SD C X C2 SD C2 X Cd SD Cd 最好能提取到疗前疗后的差值 ( 改变量 ) 的数据, 因为它是不受疗前数值影响的效应值实例某药治疗口腔溃疡的疗效 ( 溃疡面积 mm 2 ) 研究疗前 (Baseline) 疗后 (Final) 差值 (Change) 序号组别例数均数标准差例数均数标准差例数均数标准差试验组对照组试验组对照组试验组对照组试验组对照组试验组对照组

文献报道实例标准化均数差 (SMD) 及可信区间标准差化均数差 (SMD) 标准化均数差 (Standardised Mean Difference, SMD) 某个研究的标准化均数差 SMD, 可按下式计算 : SMD 的标准误标准化均数差 (SMD) 的标准误可按下式计算 : SMD= X - X 2 S C 3 (- 4N-9 ) S C = S 2 (n -)+ S 2 2 (n

13 文献报道实例标准化均数差 (SMD) 及可信区间标准差化均数差 (SMD) 标准化均数差 (Standardised Mean Difference, SMD) 某个研究的标准化均数差 SMD, 可按下式计算 : SMD 的标准误标准化均数差 (SMD) 的标准误可按下式计算 : SMD= X - X 2 S C 3 (- 4N-9 ) S C = S 2 (n -)+ S 2 2 (n 2 -) ( n + n 2-2) SE(SMD) = n + n 2 n n 2 + SMD 2 2((n +n 2 )-3.94) SMD 可简单地理解为试验组均数减对照组均数的差值再除以合并标准差的商, 它不仅消除了某研究的绝对值大小的影响, 还消除了测量单位对结果的影响因此, 该指标尤其适用于单位不同或均数相差较大的数值资料分析但是, 标准化均数差 (SMD) 是一个没有单位的值, 因而, 对 SMD 分析的结果解释要慎重 MD 与 SMD 的 CI 计算 MD 合并 95% 的可信区间 : MD 合并 ±.96 SE(MD) SMD 合并 95% 的可信区间 : SMD 合并 ±.96 SE(SMD)

14 MD 和 SMD 可信区间的应用若选择 MD 或 SMD 为统计量时, 其 95%CI 与假设检验的关系如下 : 若其 95%CI 包含了 0, 等价于 P>0.05, 即合并统计量无统计学意义若其 95%CI 的上下限均大于 0 或均小于 0, 等价于 P<0.05, 即效应量有统计学意义试验组 < 对照组无统计学意义 0 无效线试验组 > 对照组 MD 与 SMD 的森林图示意 Tel: ceuliu@hotmail.com

临床科研方法学 clinical research

临床科研方法学 clinical research Meta 分析的统计学方法及其在临床医学中应用 1 实例 2 一 Meta 分析的概念和应用目的 3 Meta 分析的概念 Meta 一词源于希腊文, 意为 more comprehensive 即更广泛更全面上个世纪 60 年代开始, 在医学文献中, 陆续出现了对多个独立研究的统计量进行合并的报道英国心理学家 G.V.Glass,1976 年首先将这种多个同类研究的统计量合并方法称为 Meta-Analysis