我又偷懶了，繼上次的:

[EBM]如何檢視漏斗圖 (Interpretation of Funnel Plot in Meta-Analysis)

後，這次的重點在於加強版的漏斗圖，也就是人稱的"輪廓增強型漏斗圖 (contour-enhanced funnel plot)"...

這像上圖一樣，熊熊一看還真像古埃及金字塔...@@

傳統的漏斗圖有什麼問題? 老師在課程上測試了六個漏斗圖，讓在場的同學們舉手表決哪一張有問題...

結果，每一張都有擁護者 (都有票數)，代表，用"眼睛"檢視漏斗圖有主觀 (subjective) 上的偏差...

因此，大家轉向是不是有統計方法可以檢定漏斗圖的對稱性 (asymmetry)?

文獻中有許多檢定漏斗圖的統計方法，包括Egger大師 (1997)，Begg (1994) 等等，這兩項統計方法是最常被使用的，但都有共同的問題就是統計力量不足 (痛)....

所以大家都會提醒一句話，沒有統計顯著差異，不代表沒有發表性誤差 (publication bias)...

附註: 但事實上，造成漏斗圖不對稱的因素絕對不只發表性誤差 (老師一再強調)

拉回來到漏斗圖，"輪廓增強型漏斗圖"的梗是:

(1) 結果不顯著的研究容易不被發表 (不管是誰的問題)，而看顯不顯著最常用的方法就是看P值

(2) 有了相對數值 (例如OR或RR等)，又有這些數值的標準差 (standard error) 即可以推出Z值，再加上alpha = 0.05的梗，就可以推出P值

(3) 綜合 (1) 與 (2) 就可以根據P值分佈劃出輪廓 (contour)

然後呢?

回到 (1)，我們即可以知道缺少 (missing) 的那一塊，是不是落在P值不顯著的區域...

最終，缺少的那一塊 (造成漏斗圖不對稱) 落在P值不顯著的那一區 (P大於0.1)，則代表不對稱原因可能與發表性誤差有關...

這就是輪廓增強型漏斗圖的作用機轉 (mechanism)...

回到上圖，這是上次硫酸鎂 (MgSO4) 用於心肌梗塞的綜合分析結果，最大型的研究落在金字塔的頂端 (因為樣本數目最大)，其他小型研究都落在左邊 (偏向有效)...

各位一定可以清楚地看到不對稱的漏斗圖，輪廓增強後，看得出來小型的研究均勻地落在"達顯著"以及"未達顯著"的區域...但都偏向左邊...

這就是老師課程中所提到的"小型研究效應 (small study effect)"，小型研究經常因為研究設計/執行較差的關係，效果通常被放大...

所以就會看到上圖那樣的結果...

回到應用端，不對稱的漏斗圖對我們評讀系統性綜論/綜合分析上到底有什麼影響?

(1) 影響證據等級: 在GRADE裡面，發表性誤差是要扣分的，證據等級降一級

(2) 影響統計分析結果: 選擇不同統計方法 (隨機 與 固定效應) 可能因為漏斗圖不對稱，影響最終結果 (之前那一篇已經提過)

問題是，即使是發表在知名期刊上的研究，常常都是一句話帶過 (我們沒有發現顯著的發表誤差，搞定收工)...

是有必要確認漏斗圖 或 統計檢定，來決定我們該不該相信這一篇分析結果了...

感謝老師詳細地解說，讓我們對這樣一張圖表 (但是學問很大) 有更多的了解...@@