目的比较和探讨meta分析中异质性定量化的检验方法。方法通过比较Q检验以及H和I2统计量等方法,结合一个实例进行分析,来研究meta分析中异质性的定量化检验方法。结果Q检验容易受到样本量变化的影响,而H和I2统计量经过对自由度的校正,不会受到文献数目变化的影响,异质性结果检验较为稳健。结论H和I2统计量计算简单,检验结果也稳定可靠,是meta分析中异质性检验和异质性来源研究中值得推广应用的方法
2. 怎么使用revman进行异质性分析
Meta分析-异质性解析
Meta分析是将多个具有相同研究目的的独立结果汇总起来，综合得到多个研究效应量的平均水平。Meta分析纳入的所有研究之间存在差异性，这些差异主要来源于研究对象、研究设计、干预措施、结果测量上的异质性。其来源有两类：一类是研究内变异，即抽样误差导致不同的研究虽来自相同的总体，却表现为不同的效应。另一类是研究间变异，指研究对象来自不同的总体以及偏倚的控制等诸多方面存在差异，造成实际效应的不相同。
在运用meta分析对多个研究结果进行合并之前，必须先进行异质性分析。因为按照医学统计学原理，只有具有同质性的资料才能进行合并或比较。通过异质性分析可以尽可能地消除导致异质性的原因，使之达到同质性，并且选择进行效应量合并的模型。异质性分析的方法主要为Q检验和I2值。合并统计量时，当多个研究之间具有同质性时，使用固定效应模型，若多个研究之间存在明显异质性时，则使用随机效应模型。
1.常用的处理异质性的方法
(1)Meta回归：通过建立回归方程，来反映一个或多个解释变量与结果变量之间的关系，从而筛选出导致异质性的重要影响因素。
(2)亚组分析：将所有数据分成更小的单元，进而在各亚组内进行比较，如按不同设计方案、研究质量、发表年代或者某亚类研究对象等分成亚组再分析。
(3)其他处理异质性的方法：包括随机效应模型、多元回归模型等，若异质性过大，特别在效应方向上极其不一致，不宜做Meta分析，只作一般性的统计描述。
Stata软件和RevMan软件均可以做异质性检验和亚组分析，前者还可以做Meta回归，而后者目前暂无实现Meta回归功能的模块。