在广义线性混合模型框架下多结局测量的多变量meta分析

目的基于SAS PROC NLMIXED探讨在广义线性混合模型框架下实现多结局测量的多变量meta分析的方法。方法Stijnen等人提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切的研究内似然模型(exact within-study likelihood models,EWLM)meta分析技术,可以极方便地实现多结局测量的多变量meta分析。本文重新对Voko等人的荟萃分析数据进行分析,该数据旨在研究颈动脉狭窄患者采用颈动脉内膜切除术或保守治疗对联合终点卒中或死亡的影响。结果基于PROC NLMIXED拟合的多变量随机效应模型的meta分析显示,手术组术后第1个月内的事件发生率为6.31%,SE=0.0083,95%CI(0.0456,0.08063)。手术治疗一个月后的事件发生率为5.5%,SE=0.0024,95%CI(0.04953,0.05962);而对照组事件发生率为7.45%,SE=0.0058,95%CI(0.06231,0.08672)。组间比较比值比效应值OR=0.732,SE=0.0498,95%CI(0.6269,0.838),P=0.0003。结论多变量分析比单变量分析具有更大的潜在信息量,基于广义线性混合效应模型的确切的研究内似然模型meta分析技术可以成为多结局测量的优选方法。

在广义线性混合模型框架下稀有二分类数据的随机效应Meta分析

稀有二分类数据的Meta分析是医学研究领域的难点,其方法学目前仍不成熟。传统的Meta分析是基于正态-正态模型的固定效应分析或随机效应分析,但这种方法仍然存在方法学上的问题。Stijnen等提出一种基于广义线性混合效应模型(generalized linear mixed model,GLMM)的确切研究内似然模型(exact within-study likelihood models,EWLM)Meta分析技术,包括二项式-正态模型(binomial-normal,BN)和超几何正态模型(hypergeometric-normal model,HNM)等,可方便地实现稀有二分类数据的随机效应Meta分析。本文结合实例介绍其在SAS软件中的实现方法,并提供相关的SAS代码。