网状Meta分析证据质量分级:GRADE方法学前沿与进展

2014年,GRADE工作组在英国医学会期刊BMJ首次介绍了GRADE方法用于网状Meta分析证据质量分级的应用指南。GRADE工作组认为在进行网状Meta分析证据分级时,需要单独对直接证据、间接证据和网状Meta分析证据质量进行分级。近年来,GRADE工作组发表了系列论文,对该方法进行了进一步的完善和补充。本文旨在对GRADE方法用于网状Meta分析证据质量分级的前沿和进展进行介绍,以期为相关研究人员提供参考。

网状Meta分析结论形成的方法:最小背景化框架

网状Meta分析的最大优势在于可量化比较针对同一疾病的不同干预措施,并按某一指标对其优劣进行排序。多种干预措施的纳入增加了网状Meta分析结果解读的复杂性,仅基于排序结果进行解读可能会存在误导性。目前,对网状Meta分析结果的解读尚无公认的标准。2020年11月,GRADE工作组基于网状Meta分析的GRADE分级结果,提出了2种网状Meta分析结论形成的方法:部分背景化框架(partially contextualised framework)和最小背景化框架(minimally contextualised framework)。本文结合具体实例,旨在对最小背景化框架的方法、原理和步骤进行介绍,以期为网状Meta分析制作者采用该方法呈现和解读结果提供指导。

网状Meta分析结论形成的方法:部分背景化框架

目前网状Meta分析已得到飞速发展和广泛应用,具有可量化比较相同主题的2种以上不同处理措施的相对优势的特点。但由于存在多个干预措施的比较,增加了其结果解读的复杂性,解读时对证据可信度的忽略也导致了结论存在误导性。近期,GRADE工作组提出了2种网状Meta分析结论形成的方法,即部分背景化框架与最小背景化框架。本文聚焦于部分背景化框架,当使用该框架时,作者必须确定效应阈值,以区分无效、较小效应、中等效应和较大效应。部分背景化框架的指导原则包括根据效应大小与利弊对干预措施进行分类,及分类时考虑效应的点估计值和干预措施排序,综合考虑证据可信度(证据质量)以得出结论。本文结合实例,对部分背景化框架的原理步骤进行描述和阐释,以期为该方法在网状Meta分析结果解读与结论形成环节的应用提供指导。

《NutriRECS饮食指南:未加工红肉和加工肉类的摄入》解读

《NutriRECS饮食指南:未加工红肉和加工肉类的摄入》基于5项高质量系统评价结果,关注人群重要健康结局(如肿瘤的发生、心血管疾病的发生和死亡等),遵循严谨的营养指南推荐意见制订流程,根据北美和西欧人群每周平均肉类摄入量(3~4份/每周),建议成年人继续维持当前的肉类消费习惯。本文对该指南进行解读。