接上:森林图合并前先问三个因果可合并性问题
接上: 1. 它们估计同一个因果量吗?暴露是否同一(剂量、时点、定义)?结局是否同一(终点、时间窗、复合 vs 单项)?目标参数是否同一(总效应 vs 直接效应)?
-
它们是否在同一因果结构下可识别?最小 DAG 至少画四个节点:暴露 T、结局 Y、混杂 C、中介或碰撞 M/C*。若研究 A 条件在中介 M 上,它估计的是直接效应;研究 B 不条件在 M 上,它估计总效应。把两者放进同一森林图,等于把两个不同参数当成同一参数。
-
偏倚方向是否一致且可约束?若观察性研究条件在碰撞器上(例如就诊、存活、被纳入),可能产生 collider stratification bias。WHI 案例里,观察性研究常报告激素替代治疗降低 CHD 风险,而 CEE+MP 随机试验报告 CHD HR≈1.29(95% CI 1.02–1.63,JAMA 2002;288:321-333)。方向翻转不是样本量问题,而是健康使用者偏倚与适应症混杂改变了可识别路径。
【可操作判据】在 PRISMA 筛选之后,加一张【因果可合并性矩阵】:每篇研究写清目标参数、条件集、偏倚方向、敏感性分析。I² 高不是拒绝合并的唯一理由;I² 低也可能只是不同偏倚相互抵消。若偏倚方向未知,结论应写成【方向性证据】,而不是【合并效应】。
【流程节点链路】:【停在三问】→【定义目标参数】→【绘制每篇最小DAG】→【检查混杂/中介/碰撞器】→【判断偏倚方向】→【做敏感性分析】→【判定合并/分层/叙述】→【输出带条件结论】。
【待验证点】若方法学附录未列条件集,不能假装可合并;应把该研究移出合并,只进入叙述性证据表。
值得辩论的问题:如果两篇 RCT 分别估计总效应和直接效应,合并它们是否比不合并更误导?







0 評論