背 景循证医学(Evidence-based medicine,EBM)的概念在1992年被正式提出,成为了医学领域研究的重点。基于随机对照试验(RCT)的循证医学系统评价被认为是最高级别的证据,可以为临床实践和医疗卫生决策提供指导。meta分析(Meta-analysis)作为循证医学研究定量系统评价的统计方法,是循证医学重要研究方法和最佳科学研究证据的来源之一。循证医学的发展以及离不开meta分析方法学研究。关于均值、率和生存数据的meta分析方法已经获得了全面的发展并且在医疗卫生领域应用广泛,而同样作为医疗卫生领域十分常见的等级资料目前尚缺乏有效的meta分析方法,目前常用的的方法是将等级资料拆分为二分类资料或者连续型资料处理,这样无疑会造成信息的损失甚至可能得到错误的结论。Agresti提出的等级资料两组间广义OR值(Generalized Odds Ratios,GOR)可当成常见四格表OR值在等级资料上的推广,用于描述等级资料组间关系。前人推导了逆方差法(Inverse Variance Method,IV method)合并GOR值的meta分析方法,模拟结果显示GOR值合并效应量的统计性能良好,满足日常应用。目 的本研究旨在丰富基于广义OR值等级资料meta分析的加权方法,拟通过MH法构造合并效应量,再在MH法权重基础上构建样本量加权合并效应量,并与前人推导的逆方差法进行比较,为GOR值meta分析方法提供应用策略。方法本研究仅针对两独立样本设计的等级资料组间比较,基于逆方差法、MH法和样本量加权法构建合并效应量及其95%置信区间。通过Monte Carlo模拟,考虑三等级和五等级两种情况,设置不同参数考察不同加权方法所得合并效应量点估计和区间估计的统计性能,点估计指标包括平均偏差、平均相对偏差和均方误,区间估计指标包括置信区间覆盖率和两侧不覆盖率。结 果小样本情况下:等级占比值出现相对极端的情况下,三种方法平均偏差随着效应量的增加变大,置信区间覆盖率随着研究数的增加下降;各等级占比值相对均衡时,样本量加权法偏差较小。中等样本情况下:各等级占比值相对极端时,MH法偏差最小;各等级占比值相对均衡时,逆方差法偏差最小。大样本情况下,MH法、逆方差法结果相近且表现良好。结 论本研究通过数理推导,模拟研究比较了不同GOR值meta分析方法,分别是本文提出的MH法、样本量加权法以及前人的逆方差法。根据模拟结果总结出以下结论:小样本下,各等级占比值相对极端时,三种方法偏差随着效应量的增加变大;各等级占比值相对均衡时,此时样本量加权法偏差较小。中等样本下,各等级占比值相对极端时,推荐MH法;各等级占比值相对均衡时,推荐逆方差法。大样本下,MH法、逆方差法表现良好,且均可满足应用需求。