【原创】序贯Meta分析（sequential meta-analyses ）

序贯Meta分析：
采用TSAversion 0.9 beta 软件进行序贯Meta分析。软件见附件。需下载安装Java程序才能使用。
先给大家发张图：

序贯meta分析是为了克服传统的meta分析的不足，引入了成组序贯设计的理论.临床试验中的序贯分析是在序贯设计的基础上对临床试验进行期中分析 (interimana!ysis)以期望更早的得到试验结论，如果直接采用传统的随机对照试
验的统计分析方法，概率论已经证明，由于反复的期中分析会增加犯工类错误(a)的概率。
系统综述同样存在重复测量的问题，目前发表的系统综述中18%的meta分析都有更新，并且所有的cochrane的meta分析每两年均需要更新，此外由于阴性结果而未发表的meta分析有可能反复的分析直至出现阳性结果。Thorlund
等人回顾性研究大信息量的meta分析并对其进行期中分析，结果表明12个meta分析最终没有统计学差异，但其中3个期中分析结果为阳性;在21个meta分析最终结果有统计学差异，其中有6个期中分析结果与最终的结果又重大差异。此外，在meta分析纳入的研究的信息量较小时得到的结论，往往被后期纳入的大样本的研究所否定，这是因为较小的信息量会带来的更大的随机误差往往会夸大疗效。并且meta分析注重的是通过扩大信息量消除研究之间的随机误差，并没有太多的考虑统计结果的把握度(1一B)。因此，pogue等人首先提出了将序贯分析的原理引入累积的meta分析，形成序贯meta分析 (sequential meta一analysis)方法。
实际上系统综述的过程和临床试验的序贯分析的过程十分相似。临床试验的序贯分析实质是按照标准依次纳入试验对象，每当试验对象累积到一定数量时进行一次显著性分析，直至出现统计学差异或者试验数目达到期望的样本量。而系统综述的过程则是按照时间顺序依次纳入临床试验，对并每次新纳入的临床试验都进行meta分析，并将每次的meta分析视为一次期中分析。因此，我们需要采用序贯分析方法，通过调整每次期中分析的a值或者改变统计量，以控制工类错误(a)在0.05的水准。
曲线的意义

以上内容引用：孙瑛 序贯meta分析