面向汇总数据的定量偏倚分析适用性矩阵的开发与应用

《BMC Medical Research Methodology》：Matrix tools to identify and evaluate quantitative bias analysis methods for summary-level epidemiologic data

　　

摘要

背景

定量偏倚分析（QBA）方法可用于估计系统性偏倚对观察性研究效应估计值的潜在影响。然而，QBA方法在实际健康研究中仍使用不足，部分原因在于选择适合特定研究设计的方法存在困难。因此，我们开发了结构化的适用性矩阵，以帮助识别和评估适用于不同研究场景下汇总数据的QBA方法。

方法

我们通过系统检索MEDLINE、Embase、Scopus和Web of Science数据库，识别了基于汇总数据的QBA方法，并按偏倚类型对每种方法进行分类：未测量混杂、信息偏倚或选择偏倚。针对每种偏倚类型，我们开发了一个适用性矩阵，根据研究设计、所需偏倚参数、暴露、混杂因素和结局的数据格式、效应估计类型、产生的输出以及任何已声明的假设或实施要求，将方法归类为"适用"、"可能适用"或"不适用"。为展示矩阵的使用，我们将其应用于三项已发表观察性研究，每项研究均面临不同的偏倚挑战。

结果

我们基于55种适用于汇总数据的QBA方法开发了一套由三个QBA适用性矩阵组成的工具（未测量混杂[n=28]、信息偏倚[n=21]和选择偏倚[n=6]）。在三组QBA适用性矩阵中，大多数方法被归类为"适用"于队列研究（n=35）和病例对照研究（n=40），而仅有四种方法"适用"于观察性研究的Meta分析。QBA方法在二分类暴露（n=51）或二分类结局（n=51）的研究报告中被一致归类为"适用"。然而，对于多分类暴露（n=13）或多分类结局（n=6）的研究，以及连续型暴露（n=7）或连续型结局（n=7）的研究，"适用"的方法数量较少。大多数QBA方法被归类为"适用"于报告风险比（n=35）或优势比（n=41）的研究；相比之下，仅11种方法"适用"于使用率比的研究，9种方法"适用"于使用时间-事件结局风险比的研究。在实际应用示例中，这些矩阵成功地缩小了潜在相关方法的范围，并为方法评估和选择提供了结构化指导。

结论

QBA适用性矩阵提供了一个系统性的框架，用于在不同研究情境下识别适用于汇总数据的方法。通过降低方法选择和实施的障碍，旨在提高观察性研究中因果推断的严谨性。

临床试验编号

不适用。