meta分析中风险比HR或生存曲线（time-to-event）数据提取技巧
2013-11-30 MedSci MedSci原创
应该说time-to-event数据应用是非常广泛的，研究最多 最火的当属肿瘤预后（总生存期、无瘤生存期等），这类问题不仅关注事件如死亡是否发生，更关注事件发生的时间，多数恶性肿瘤尤其是中晚期没有获得根治的， 死亡是迟早的事情，这个时候死亡发生的时间就显得比死亡更重要。 遇到这类研究做系统评价meta分析时，大家最常见的做法是提取某个时间点的event发生的数目和总的样本量，合并数据
应该说time-to-event数据应用是非常广泛的，研究最多 最火的当属肿瘤预后（总生存期、无瘤生存期等），这类问题不仅关注事件如死亡是否发生，更关注事件发生的时间，多数恶性肿瘤尤其是中晚期没有获得根治的， 死亡是迟早的事情，这个时候死亡发生的时间就显得比死亡更重要。 遇到这类研究做系统评价meta分析时，大家最常见的做法是提取某个时间点的event发生的数目和总的样本量，合并数据时使用类似四格表的数据计算OR.RR等，这样有两个问题： 一． 通常计算event数目的方法是用总样本量*（1-某时间点的生存率），生存率要么文中给出，可能更多的时候只能依据生存曲线估算，而这实际上是非常不合 理的，因为不停有截尾数据和失访脱落的情况，决不能用总样本量*某时间点的生存率得到该时间点的生存例数，应为该时间点的生存率已经不再是占总样本量的比 例，而是去除了脱落病例后病人的比例，大家最奇怪的就是为何每次按照此方法计算的人数都不为整数就是这个道理，因为这个比例已经不再是占总样本量的比例， 你用总样本量去乘，自然非整数，即使为整数，也是偶然事件，不表示计算正确； 二．这样计算即使正确，也只取用了
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
review中正好看到，medsci给力啊
168
#MET#
69
mark
154
值得学习，精彩
116
#event#
68
#风险比#
64
#Meta#
70