整合分析應用於生物醫學及流行病學領域

整合分析(meta-analysis)是對數篇相同主題的研究進行分析的統 計方法，目前已經相當廣泛地運用在教育、心理學、醫學等領域。圖

16

3 即為近 20 年整合分析運用在生物醫學及流行病學領域的現況，資 料來源為美國國家醫學圖書館的醫學期刊資料庫(PudMed)，從圖中可 以發現 1990 年開始每年整合分析運用在生物醫學及流行病學領域並 發表的文章數目呈現遞增的趨勢，並且從 2003 年左右開始上升速度 越來越快，在2009 年的發表文章數目已經將近 6000 篇，是非常可觀 的數目，因此可知整合分析近年來已經相當廣泛地運用在生物醫學及 流行病學領域。整合分析之所以如此廣泛地運用在生物醫學及流行病 學領域，是由於英國流行病學專家Cochrane A 於 1979 年時，提倡各 醫學專業領域應將所有的隨機對照試驗(Randomized Controlled Trial, RCT)收集並進行整合分析，並且要不斷補充新的研究結果來對整合 分析進行更新，進而提供可靠的依據給醫療衛生相關單位。因為 Cochrane A 的努力，在 1992 年時英國牛津成立了 Cochrane 中心 (Cochrane Center)，此中心主要設置目的即在廣泛地收集臨床醫學的 隨機對照試驗以進行整合分析，並將研究結果提供給醫療體系的相關 單位，藉此幫助醫事人員在進行醫療行為時的實行。在 1993 年時建 立了Cochrane 聯合網絡，並在全世界迅速發展[18]。

17

圖表 3 整合分析運用在生物醫學及流行病學領域之近況

在第三節之前段中，描述了近年來整合分析如何廣泛地運用在生 物醫學及流行病學領域，然而整合分析應用在生物醫學及流行病學領 域時，普遍是以one-group 或是 two-groups 的臨床試驗(Clinical trial) 為主，此時，每篇文章針對同個主題只呈現一個統計量(例如：勝算

18

此種情形則假設酒精攝取量越高罹患乳癌的風險也隨之增高並 且呈線性關係，這時即可運用線性迴歸來估計β 係數[29]，而此估計 量則稱為單位暴露風險，其模型為

y β x x ε

其中，x 為第 m 個酒精攝取量分層，x 則為參考組酒精攝取量分層；

y 為第 m 個酒精攝取量分層及其參考組所估計的自然對數勝算比；

ε 則為第 m 個酒精攝取量分層及其參考組差值的誤差。而 β 係數及 其標準誤則是利用最小平方法(Least squares estimates, LSE)來進行計 算，公式分別為

β ∑ x x y

∑ x x 2.1

se β σ

∑ x x 2.2 其中，(2.2)式的σ 計算方式如下

σ ∑ y βx

m 1 2.3 當中，β的解釋為酒精攝取量每上升一個單位罹患乳癌風險平均增減 的程度，se β 則為其標準誤。上述的方法是假設研究著作所呈現的 統計量之間互為獨立且變異數相等。但這樣的假設並不適用於所有的 資料，例如：表2 中各個分層及其參考組所計算的勝算比彼此之間並 沒有互為獨立。此時可運用加權最小平方法(Weighted least squares,

19

WLS)或其他方法來讓分析結果更適用於各個資料型態。

本節所舉的例子僅為一篇文章的計算方式，而在進行整合分析時，

即可重複前段所敘述的步驟來評估各個文章的單位暴露風險及其標 準誤，並利用各個文章所估計的單位暴露風險及其標準誤來進行整合 分析。

20

第三章 整合分析方法