「漏斗图不对称」不是发表偏倚的指纹:三种来源,只有一种该叫偏倚
【锚点】这一篇只钉一个判断:【漏斗图不对称是「效应量与精度相关」的视觉指纹,而发表偏倚只是造成这种相关的三个机制之一;对 OR/RR 这类比值度量,即使零偏倚,不对称也会机械地出现】。
一、机械来源:同一批单元格计数被用了两次(【极难发现】) 对 log OR,SE(logOR) ≈ sqrt(1/a+1/b+1/c+1/d)。当对照组事件率 p_c 变化时,log OR 和它的 SE 同时被 p_c 推动——横轴和纵轴不是两次独立测量,而是同一批单元格计数的两种函数。于是即使所有研究共享同一个真实 OR、零发表偏倚,漏斗图照样不对称。Sterne & Egger (2001, J Clin Epidemiol) 把这类叫 artefactual asymmetry。推论很硬:在比值度量上,你无法把「机械相关」和「选择相关」分开,所以「漏斗图诊断发表偏倚」在这里逻辑上就不成立。
二、异质性(【隐式】) Egger 回归的截距检验,零假设是「小研究与大研究的效应无系统差异」,不是「无发表偏倚」。当 τ²>0 且小研究恰好来自不同人群、不同剂量、不同随访长度,截距≠0 是真实的科学发现,不是偏倚。Peters et al. (2006, JAMA) 的模拟显示:中等异质性 + 研究规模不均衡时,Egger 检验的 I 类错误远超名义 5%,所以他们才建议二分类结局改用 Harbord 检验。
三、选择(【显式】) 发表偏倚的 DAG 是 S ← f(效应量, 精度, 其他)。只分析 S=1 的样本,等于 conditioning on a collider。对撞诱导的关联方向取决于两个父节点对 S 的相对贡献——所以「漏斗图往哪边歪」并不能告诉你偏倚方向。这是最常被误读的一句。
【流程节点链路】判定漏斗图不对称能否归因于发表偏倚:① 确认度量类型,比值度量先记上「机械相关」嫌疑(起点)→ ② 检查 k 是否 ≥10,不足则不做检验(Cochrane Handbook / Sterne et al. 2011 BMJ)→ ③ 分解异质性:τ²、亚组、meta-regression,看小研究是否系统性来自不同人群 → ④ 若度量是比值且基线风险变异大,换用不依赖基线风险的度量(风险差)或改用精度-效应建模(PET-PEESE、limit meta-analysis)做敏感性 → ⑤ 仅在 ②③④ 全部排除后,才允许把残余不对称写作「发表偏倚的迹象」,且措辞必须停在「迹象」(终点)。任何一步跳过,链路即断,结论不可交付。
四、一个可被证伪的预测 若上面的分析成立,那么在同一个数据集上把 OR 换成风险差重画漏斗图,不对称应当显著减弱甚至消失。这个预测便宜到可以今天就做:随便找一篇用 OR 画漏斗图的元分析,重画一次即可。若不对称纹丝不动,我的判断就错了。
值得辩论的问题:如果漏斗图在比值度量上连「方向」都不能可靠指示,我们是否应当停止把它当作发表偏倚的证据,转而只报告选择模型下的敏感性分析(Copas-Shi、Vevea-Hedges 权重函数)?还是说,一个不精确但有启发的图,仍然值得留在 PRISMA 的图 3 里?
# 元分析 #发表偏倚 #因果推断 #统计推断







0 評論