实例讲解什么是Meta回归,怎么利用Meta回归发表文章!

Meta分析、临床数据分析一对一指导,符合学术规范,结课直接投稿,+tjzgBL哟!

众所周知,阅读高质量的文献,能快速提升自己的科研能力,帮助自己快速理解一些生涩的概念。今天小编带来了一篇高质量文献,跟大家聊聊什么是Meta回归,别人是怎么利用Meta回归发高分文章的!

在开始之前,先给大家说一些基础性知识。

Meta回归是一种统计分析方法。 在Meta分析时,如果把研究分入不同的亚组,通过Meta回归可以看到分类研究特征与干预效应的相关程度。 Meta回归是亚组分析的扩展,可以对连续或分类特征的效应进行分析,并且在原则上可以同时对多个因素的效应进行分析,但这通常会由于研究数量不够而无法实现。

今天分享的文章是一篇发表在顶刊《Crit Rev Food Sci Nutr》的Meta分析文章,通过随机对照试验(RCT)系统回顾和荟萃分析,评估了人工甜味剂和甜菊糖甜味剂对脂质谱标记物的影响,并且最终得出了结论。

该篇文献影响因子接近12分,发表于2022年一季度,是当季度少有的利用Meta回归的文章。

统计之光-Meta回归

选题

文章题目是:《The effects of artificial- and stevia-based sweeteners on lipid profile in adults: a GRADE-assessed systematic review, meta-analysis, and meta-regression of randomized clinical trials》,(PROSPERO注册号:CRD42021250025)本项研究探索了人工甜味剂和甜菊糖甜味剂对脂质谱标记物的影响。

之前的Meta分析选题课程我们说过,Meta分析选题应秉承着争议性、创新性、实用性的原则。

因为在NNS是否会影响血脂水平这一问题框架下,诸多临床研究产生了不一致的结果,且关于NNS对脂质分布的影响尚不清楚,所以进行此项Meta分析和系统评价非常有必要。

统计之光-Meta回归

争议性:NNS是否会影响血脂水平,诸多临床研究产生了不一致的结果;

创新性:关于NNS对脂质分布的影响尚不清楚;

文献检索

此项研究系统检索了Pubmed、Scopus和EMABASE三个数据库,检索时间截止到2021年4月。

根据PICOS制定检索策略,P研究对象、I干预方式、C比较措施、O研究的结局指标、S研究类型

研究【非营养型甜味剂】对【成人】【血脂】的【随机对照试验】,所以该文检索了:

I干预方式-非营养型甜味剂

O结局指标-血脂

S研究类型-随机对照试验

在筛选的时候限定了人群,初筛复筛排除掉非成人研究对象。

统计之光-Meta回归

纳排标准及文献筛选


统计之光-Meta回归

初筛时,在检索到的3212篇文献中,排除了1243篇重复的,1178篇无关的,518篇动物研究,150篇综述和29篇会议论文,剩下94篇文献进入复筛。

复筛时,根据纳排标准,排除了80篇文献,最终纳入14篇文献作为研究。

统计之光-Meta回归

这里的流程图其实可以写的更详细些,在第一步写上检索了哪些库,分别是多少篇文献。

数据提取

两名独立的研究人员从纳入的随机对照试验原始文献中提取信息。提取的信息:人口学基本信息, 脂质谱的平均值及标准差。

统计之光-Meta回归
统计之光-Meta回归

统计分析

连续型变量采用平均值及标准差来获得总体效应大小。使用I统计和Cochran Q检验确定了异质性,异质性 I> 50% or P < 0.05,应用随机效应模型。为了确定异质性的可能来源,根据预定义的变量进行了亚组分析和Meta回归。对各个亚组进行敏感性分析,来判断结果的稳健性。考虑到发表偏倚用了Begg和Egger检验。

这里值得注意的是,纳入Meta回归分析中的协变量是研究或试验水平的一些特征,而不能是单个数值。举个栗子~纳入的可以是单个研究内所包含病例的综合特征,如患者的平均身高,但不可以是单个患者的身高。

统计之光-Meta回归

亚组分析是本文的一个亮点,设置的非常详细。此篇文章考虑了甜味剂的来源、使用的时长、剂量和国家,并对研究人群的健康状况BMI进行了敏感性分析及亚组分析。

而采用Meta回归,主要用于探究异质性的来源。因为当一个课题纳入了数量庞大的研究时,有时会出现某一研究得出的结果与另一些研究结果不一致的情况,可能是与研究方案、研究的时间和地区、研究质量、研究的方式、被试的年龄和性别等有关,这时就需要利用Meta回归以明确各研究间异质性的来源。

此篇文章汇总分析显示:TG、TC、LDL、HDL无统计学差异,但亚组分析显示在LDL水平正常(<100 mg/dl)的受试者中,NNS可能与LDL(wMD:4.23,95%Ci:0.50,7.96 mg/dl)的少量增加有关,具有统计学差异。

最终得出结论人工甜味剂和甜菊糖甜味剂的摄入与成年人的血脂水平变化无关。

质量评估

纳入研究类型为RCT,因此采用Cochrane质量评价和grade评价对纳入的文献做了质量评估。

统计之光-Meta回归
统计之光-Meta回归

总结

富含蔗糖的饮食可诱发高血糖和高脂血症,而非营养性甜味剂(NNS)被认为是低热量和糖的替代化合物,因此被许多企业用于膳食饮料中,宣称“无糖”,可用于减肥,甚至肥胖和糖尿病患者也可饮用。

但是NNS摄入对健康是否影响,其实一直存在争议,尤其是NNS对脂质分布的影响。一些研究表示NNS可以有效降低TG、TC和LDL;一些则表示并没有显著影响。

本期文章通过系统的检索策略,调查了所有类型的人工甜味剂和甜菊糖甜味剂,并利用Meta回归,在不同亚组中进行了比较。得出了摄入人造甜味剂和甜菊糖甜味剂可能不会影响血清TG、TC、LDL和HDL水平的结论。

该文运用常见的meta分析统计流程,从信息提取到统计分析都不算特别复杂,但作者基于极具争议和创新的选题和清晰的写作思路,依然成功发表在了高质量的期刊上。

虽然研究结果表明,无糖饮料对人体脂质分布没有显著影响,但也并不代表无糖饮料就是健康的。

统计之光-Meta回归

以上,就是实例讲解Meta回归的全部内容了,如果今年你也想发表一篇Meta分析的文章,或者想要更加细致的了解Meta回归,以及其他Meta分析类型, Meta分析一对一全流程指导推荐给你,从选题到投稿全流程服务。

既能掌握Meta,又能同时做出自己的成果,并且达到全方位提升科研思维、统计能力、写作能力的目标。

无论你是在校医学生,面临毕业难题!

还是一线临床医生,面临工作忙无暇科研难题!

亦或者只是对Meta分析感兴趣,学了很多教程却没发过文章!都可以!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,911评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,014评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 142,129评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,283评论 1 264
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,159评论 4 357
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,161评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,565评论 3 382
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,251评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,531评论 1 292
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,619评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,383评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,255评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,624评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,916评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,199评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,553评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,756评论 2 335

推荐阅读更多精彩内容