涉及随机和观察性研究的meta分析协同解释的逐步分层汇总分析:方法学发展

简介

在文献中，包括观察性研究在内的meta分析的数量在近几十年稳步增加[1］．然而，关于这些元分析的有效性和实用性，仍存在争议。一些研究人员不愿意评估来自异质性研究和缺乏健壮性数据的汇总结果的有效性。很明显，与随机研究的综合结果相比，观察性研究的结果可能不太具有代表性。低质量的荟萃分析或研究重复主题的论文的大量发表也受到了贬低，这些论文可能是通过招募观察性研究而获得的。2,3.］．

上述批评提出了一个基本问题:包括观察性研究在内的meta分析是否应该存在于临床领域。很明显，随机研究形成了临床研究的基础，对治疗进展和临床决策有最大的影响。然而，在实际临床实践中，并非所有的决策都只能由随机研究中获得的有力证据支持[4］．特别是，不可避免的是，在罕见疾病或顽固性状态患者经常遇到的领域，临床决策将基于观察研究，而对于这些领域，几乎没有可用的已知标准模式可应用[5］．从实践的角度来看，进行随机研究需要大量的支持，而这种支持并不是所有的医学学科都可以得到的。例如，虽然供应商愿意支持大型随机研究的设计，以开发新药，但如果某种模式的应用对供应商的效益较小，那么设计高质量研究的驱动力就会较低。

举个例子，在肝癌的治疗中[6]，有一种药物在治疗不能手术的病例中显示了轻微的生存增加，但很少有局部影响(如索拉非尼:有效率约3%)[7,8］．该药物在三期随机试验中研究，只证明了该药物对不可切除肝癌的生存效益。尽管放疗有显著的局部效应，有效率超过50%，但没有3期随机研究证明生存率增加[9］．尽管如此，在一项针对161名肝癌临床医生的监测研究中，86%的医生表示，他们会对无法切除且有大血管受损伤的肝癌应用放疗，而66%的医生会开索拉非尼[10］．这些临床决策是如何达成的?临床医生在实践中不可避免地依赖于病例系列或小型观察性研究，特别是在面临随机研究无法支持所有临床决策的棘手情况时。换句话说，临床医生必须以自己的方式进行自我元分析，涉及各种设计的研究，通常包括观察性研究。进行包括观察性研究在内的元分析的理由可以通过优化这种自我元分析的必要性来证明。

在本研究中，我们确定了在规划和进行meta分析过程中需要改进的点，并提出了一种协同解释非随机研究和随机研究结果的方法。

方法

识别需要克服的局限性

在尚未建立单一标准模式的棘手肿瘤情况下，进行meta分析以帮助临床决策。这些荟萃分析必须不可避免地包括观察性研究和随机研究。我们认识到必须克服的限制如下。

观察性研究中的混杂因素

在比较干预组和对照组时，参与者的随机化具有均匀分布已知和不可预测混杂因素的优势[11］．由于这些优势，随机研究可以得出可靠的结论，以确定临床决策。观察性研究的主要局限性是难以控制这些混杂因素。此外，目前还没有确定的方法来定量和客观地衡量这些混杂因素如何影响汇总估计。由于缺乏可用的协议，难以预先控制偏差的风险[12］．因此，与随机研究相比，结果的效度相对较低。的Cochrane干预系统综述手册指出在系统综述中只应选择至少有中度或低偏倚风险的观察性研究[12］．《推荐、评估、发展和评价分级》(GRADE)手册解释了几种观察性研究的局限性;它解决了结构性问题，如对结果和暴露的测量有缺陷，随访时间短，合格标准不适当，以及对混杂的控制不充分。如果存在这样的风险，建议根据程度将研究质量下调1-2个等级[13］．

另一方面，随着疾病评估方法的进步，更多影响患者预后的因素正在被确定。最近设计良好的观察性研究旨在控制研究中可变数量的混杂因素。一项使用倾向匹配和多元回归分析等方法控制临床混杂因素的研究[14,15在足够数量的患者中，不应与未使用此类方法的研究在同一水平上进行分析。

此外，在分析观察性研究时，应考虑如何确定治疗决定。考虑到两项证实胆道癌术后辅助放疗有效性的研究(胆道癌辅助放疗有减少复发的效果，但没有充分显示其可增加生存率)[16］．所有相关数据均来自非随机研究。在第一项研究中，该机构在一个多学科会议上决定是否应用辅助放疗;结果基于单一中心的比较数据(辅助放疗组与不放疗组)。另一方面，第二项观察性研究比较了在两个独立机构获得的结果。第一家积极开展放射治疗，使治疗效率和医院利润最大化。第二个机构没有放射肿瘤科;因此，有必要进行放疗外转诊。这种情况使得外科医生不愿意推荐放疗，患者很少接受辅助放疗。在第一项研究中，接受放疗的患者更有可能存在与复发相关的预后因素。 In the second study, the clinical profiles of patients were likely to be evenly distributed between the intervention and control groups.

总之，观察性研究比随机研究更容易受到混杂因素的影响。然而，观察性研究需要根据其设计和混杂因素的控制程度进行不同的加权。

“灰色地带”:结合随机和观察性研究解释的必要性

如果有足够多设计良好的随机研究可供分析，那么就不需要包括非随机研究在内的元分析。然而，研究的临床课题越详细，疾病越无法治愈，仅通过随机研究的数据就更难做出治疗决定。在Cochrane评论的随机抽样分析中，Shrier等[11报告16篇综述中有6篇包含0、1或2个随机试验。此外，7项额外研究中的183项分析中有158项包含2项或更少的随机研究[11,17］．随机研究能够控制已知和未知混杂因素的原因是基于这样一个假设:研究中包含的参与者数量是无限的[18］．然而，在实践中，许多随机研究很难招募到足够数量的患者。此外，还需要盲法来控制安慰剂效应并优化随机研究的设计[11］．然而，这种设计在比较不同治疗类型的随机研究中是不可能的(例如，比较肺叶切除术和放射手术在早期肺癌中的有效性)。诸如此类的局限性需要确定临床推理，并辅以涉及观察性研究的meta分析[19,20.］．

在包括随机研究和观察性研究的meta分析中，如果随机研究和观察性研究的合并结果在同一方向上具有相似的效应量，而在统计学上无显著差异，则对这些结果的解释几乎不会有分歧。相比之下，如果两种结果的方向明显矛盾，在假设随机研究缺乏显著设计缺陷的前提下，大多数学者会同意采用随机研究的结果，而拒绝接受观察性研究的结果。然而，存在一个“灰色地带”，即不同设计的研究(随机研究与观察性研究)的结果具有相同的方向，但效应大小的大小不同(图1）;目前还没有明确的标准方法来组合和解释这些结果。在这些情况下，如果收集到足够数量的具有足够效度的随机研究，观察性研究的集合结果可能具有辅助作用。然而，如前所述，在临床领域治疗罕见病或难治性疾病时，来自观察性研究的信息对于临床决策是必要的。换句话说，当随机研究的数量和研究中招募的患者数量不足时，有必要根据观察性研究的汇总结果来补充临床推理。

‎ 查看此图

灰色地带的临床逻辑流程

医生应该在灰色地带使用不同设计的研究来做出临床决策。许多临床医生回顾通过主观搜索找到的文献，倾向于更多地依赖权威机构发表的研究。但应避免这种不系统的方法，推荐的临床解释逻辑流程可能如下:

rct汇集的结果决定了临床假设的方向和代表性的效应大小。在灰色地带，从观察研究合成的数据的补充可能是必要的。如果观察性研究的汇总结果比随机对照试验的结果更显著，则临床假设可能被削弱，观察性研究可能存在混杂偏倚。换句话说，临床假设在可能存在偏倚且证据级别较低的临床研究中似乎更有意义，但在随机研究等高级别研究中，其结果没有之前预期的显著。如果观察性研究的集合效应不显著，则可以加强临床假设，存在偏倚的可能性较小。这表明临床假设在可能存在偏倚和证据等级较低的临床研究中意义不大，而在随机研究等高级别研究中产生的结果更有意义。最后，可以评估观察性研究的质量，并根据研究设计(高质量和低质量的观察性研究和随机研究)调查集合效应的趋势(图1)．这个过程通常会将三个或更多的组分类，分级趋势可以用来补充临床假设。

这一临床逻辑流程将被设定为一个模型，并在下面详细介绍。

逐步分层综合分析的基本原理

逐步分层汇总分析是一种根据研究的设计和效度分类的研究汇总结果的解释方法。一般情况下，将纳入meta分析的研究至少分为三组进行分析，然后分析每组的个体结果和组间的变化趋势。在第一个层次，分析所有的研究，在第二个层次，平衡的研究，其中主要混杂因素被控制分析。平衡研究一般定义为主要临床因素均匀分布的研究，根据研究设计或统计方法，尽可能额外考虑附属机构的治疗策略(前一节已讨论)。在这个阶段，随机研究也可以作为平衡研究纳入分析，特别是当非随机和平衡研究的数量较少时。最后一步是分析随机研究。如果设计不理想(如主要临床因素在干预组和对照组之间分布不均匀或随机化方法不可靠)或纳入的患者数量太少，则可以在低一级进行随机研究分析。

简单地说，逐步分层汇总分析的解释如下:随机研究的汇总结果和统计显著性主要决定了假设的有效性。当从包括所有证据等级较低的研究的分析进行到对更多选择的研究的分析时，如果它是一个结果的量级和统计显著性增加的模式，这一趋势进一步支持假设的有效性。然而，递减的模式可能削弱假设的有效性，表明低证据评级研究的设计和结果可能存在偏差。

结果

描述性解释

四种典型模式的描述性解释(图2)如下:

1. 效应量和统计显著性逐渐增大:随机研究分析结果具有统计学意义，效应量逐渐增大，加强了对假设的支持。因此，假设为真且强正的概率很高。观察性研究的效应量会低于真实效应，如果控制了混杂因素，则可以增加效应量。有混杂因素的观察性研究的汇总分析结果可能没有统计学意义。
2. 各阶段效应量逐渐增加，结果具有统计学意义:随机研究分析结果具有统计学意义，效应量增加的模式逐渐增强了假设的可靠性。因此，假设为真且强正的概率很高。观察性研究的效应量小于真实效应量。混杂因素可能对观察性研究的结果有负面影响，但由于它们显示了统计上显著的结果，因此假设这种影响小于模式1。
3. 效应量和统计学显著性逐渐降低:由于随机研究分析结果无统计学意义，故拒绝目标假设。观察性研究的效应量和统计显著性是不可信的。观察性研究很可能受到混杂因素和研究人员偏见的影响。
4. 效应量逐渐减小，各阶段的结果具有统计学意义:由于随机研究分析的结果具有统计学意义，因此判断目标假设为真。但是，效应量的格局逐渐减小，降低了假设的可靠性。观察性研究的效应量大于真实效应。观察性研究很可能受到混杂因素和研究人员偏见的影响。再次强调，在上述模式之外，如果随机研究和观察性研究的综合分析的效应大小相似，且两种分析都具有统计学意义，那么假设是正确的。相比之下，如果随机研究和观察性研究的结果相互矛盾，则随机研究的合并结果应更重，并应进一步调查这一矛盾。在这些情况下，逐步分层方法可能不是非常必要的。

‎ 查看此图

临床解释实例

我们的团队最近发表了两个使用逐步分层方法的元分析[21,22］．两项研究的主要结果显示出典型的上升和下降模式特征。因此，每篇论文的主要结果的临床解释作为例子进行讨论。

第一项研究聚焦于胃癌术后辅助放化疗与化疗的对比。一般来说，D2胃切除术后附加放疗的作用尚未被广泛接受，包括广泛的淋巴清扫[23］．这是因为该课题唯一一项3期随机研究的主要终点(无病生存期)结果略微不显著[24］．然而，一些观察性研究和小型随机试验已经报道了放疗的肿瘤学益处[25,26］．因此，我们的团队进行了一项meta分析，包括随机和非随机对比研究，以评估辅助放化疗的无病生存获益[21］．如图3，所有研究的合并分析的效应量为1.264 (95% CI 0.997-1.603)，而P值在P= .053。平衡研究(即主要临床指标在两组间相似分布的研究)的合并分析的效应量为1.417 (95% CI 1.171-1.715)，而P价值在P<措施。仅随机研究的合并分析的效应量为1.440 (95% CI 1.110-1.867;P=.006)，这也是非常显著的。这些结果的趋势与上面描述的四种典型模式中的第一种相关联。换句话说，这项meta分析的假设(D2胃切除术后放化疗显著降低无病生存期)得到了强有力的支持。效应量从考虑所有研究增加到只考虑平衡或随机研究的趋势加强了假说的有效性。由于混杂因素的影响，观察性研究的结果可能低估了相对于真实效果的效应大小(例如，被认为有更大复发风险的患者接受放化疗)。此外，平衡研究和随机研究分析的低异质性表明，这些研究的合并结果是可靠的和精心设计的，它们较少受到可能的混杂因素的影响。

第二项研究是关于局部治疗少转移瘤的益处。少转移灶是指病变状态下有≤3或≤5个转移灶(不同研究的定义不同)[27］．在最近的文献中，提出局部治疗少转移灶可延长癌症生存时间[28,29］．已经发表了一些随机研究，但招募的患者数量普遍不足[30.］．另外，由于文献的研究是根据原发癌的类型发表的，很难全面分析局部治疗对一般少转移瘤的肿瘤学效益。因此，我们试图通过meta分析来证明局部治疗少转移瘤会增加总生存率的假设[22］．在所有研究的分析中，综合效应值为3.039 (95% CI为2.272-4.064)P价值显著(P<措施)。在平衡研究的分析中，合并效应值为2.560 (95% CI 1.791-3.659)，而P价值也非常显著(P<措施)。在随机研究的最终分析中P价值显著(P= .04点);然而，综合效应量为1.406(95%可信区间1.015-1.949)，在量级上小于之前的分析。这些结果的趋势与四种典型模式中的第四种(图4)．也就是说，参考随机研究的分析结果，本meta分析的假设是正确的。然而，与胃癌荟萃分析中看到的模式不同，效应大小或P价值并不会增加假设的有效性。观察性研究可能受到混杂因素的影响，结果可能大于真实的效应量。值得注意的是，在许多研究中，局部治疗组的转移灶数量低于对照组，尽管差异没有统计学意义。与随机研究汇总分析的低异质性不同，观察性研究的高异质性表明混杂因素可能产生影响。然而，这样的模式并不一定表明结果是弱的和无用的。我们还发现，在进一步的亚组分析中，局部治疗在某些癌症类型(如肺癌、结直肠癌)和转移负担较高的癌症(<5个转移的研究与<3个转移的研究相比)中获益更高。因此，作者得出结论，虽然局部治疗少转移瘤是有益的，但必须考虑疾病类型或转移负担仔细选择患者，未来观察性研究的设计需要改进。

‎ 查看此图

‎ 查看此图

讨论

主要考虑因素

文献中包含观察性研究的meta分析的数量一直在稳步增加[1］．在实际的临床领域，能够完全被盲法、随机研究支持的决策是有限的。由于观察性研究，当干预措施的益处有望显著时，在不考虑伦理因素的情况下，很难集合足够数量的患者[31］．干预组和对照组的治疗方法应与患者感知的相同。随着对疾病认识的增加和治疗选择的多样化，从观察性研究的元分析中获得治疗决策的帮助将变得越来越有必要[17］．施赖尔等人[11]描述了包括非随机研究在内的meta分析的临床必要性;他们讨论了随机研究的实际局限性，并解释了精心设计的观察性研究得到了与随机研究相似的结果。Vandenbroucke [32]建议可以通过对观察性研究进行meta分析来提高研究结果的可靠性。meta分析的选择包括研究对象、设计和分析方法。

其他以前的出版物已经讨论了在meta分析中包括观察性研究的理由或如何选择具有有效质量的研究。的Cochrane干预系统综述手册［12之前对将非随机研究纳入系统综述持保守观点的杂志，在最新版中增加了一章，介绍了如何在元分析中评估和解释这些研究。值得注意的是，手册断言，只有无高偏倚风险的观察性研究才应纳入meta分析。还指出，仍然没有建立的模型可以评估观察性研究的偏差或混杂因素如何影响估计。然而，对于如何整合和分析观察性研究和随机研究，以得出实际的临床决定，我们知之甚少。

观察性研究的局限性在GRADE手册中有分类和解释[13］．这些缺陷包括基本缺陷，如不适当的资格标准、有缺陷的暴露测量、不充分的随访和不充分的混杂因素控制。在存在这些限制的情况下，建议将证据等级降低一个或两个步骤。尽管分期评估观察性研究的有效性是可行的，但将随机研究与低级别和高级别观察性研究整合为正式的荟萃分析的实用方法还没有充分介绍。事实上，许多临床实践指南使用GRADE来分析证据和建议的等级;这些分析，包括观察性研究，通常依赖于叙述性评论。总之，在最近的文献分析中，将观察性研究纳入系统综述并评价其质量的必要性已经被强调。然而，通过补充随机研究的结果和观察性研究的信息来获得临床有用的信息还没有得到充分的建议。

最近，在网络元分析领域将不同的研究整合到设计中被讨论。在网络荟萃分析中，直接和间接证据应该被分析和整合。在综合不同效度的证据的过程中，也研究了一种整合随机和观察性研究的方法[33,34］．Efthimiou等人[35]将迄今为止文献中提出的综合分析方法分为三类。这些是设计调整分析，其中网络元分析中包含的所有试验都涉及根据可能的偏差和过精度(基于专家意见)调整的估计;使用信息性先验，基于从元分析观察性研究中得出的先验对随机试验进行元分析(贝叶斯方法);以及三个分类模型，其中每个设计都进行了元分析，因此，整体效果是通过综合所有特定设计的估计获得的。尽管这些方法已经被提出，但根据Zhang等人的范围审查[36]，绝大多数(74%)的网络元分析使用naïve池而没有具体考虑。

网络元分析领域所建议的方法与本研究的方法在原理上是相似的。也就是说，这些结果被整合到对证据有效性的不同考虑中。另一方面，本研究的模型与网络meta分析中建议的模型不同，它是一个临床逻辑模型，考虑研究质量，对综合结果进行差异分析后的趋势进行分析。此外，本研究提出的模型不需要额外的统计分析或软件使用，因此应用难度较小。它还有一个优点，就是临床解释简单直观，即使对没有数学专业知识的医生也是如此，因为它是基于临床逻辑流程的。这些独特的特征和实际的优点总结了逐步层次模型的意义，它是一种新的方法，建议在频繁者(或经典)元分析中整合非随机和随机研究。

限制

本研究的局限性如下。本研究中描述的四种典型模式无法解释所有可能的模式及其变化。对于临床决策的详细解释，异质性和发表偏倚的指标也应该解释。研究人员习惯于基于特定的P值为.05时，分析统计显著性变化趋势的过程会感到陌生[37］．因此，定量和定性的解释是必要的。建议临床医生和具有足够元分析经验的生物统计学家进行合作，以成功使用我们的模型。我们第二个例子的主要结果和子组结果所赋予的结论可以作为合作解释的参考。我们希望未来的元分析研究能够使用我们的模型并解释它们的结果，包括各种各样的变化，以加强模型的实用性并解决当前的局限性。

结论

我们建议使用逐步分层的集合分析方法作为一种模型，以协同的方式解释涉及随机和观察研究的元分析。