1 / 32

Meta-Analysen mit SAS ®

Meta-Analysen mit SAS ®. Analysen und Graphiken KSFE 2001 Steffen Witte / Oliver Kuß. Inhalte. Einführung Beispiel Analyse (bei stetigen Zielvariablen) Graphiken (Forest- und Funnelplot) Diskussion. Einführung.

johana
Download Presentation

Meta-Analysen mit SAS ®

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Meta-Analysen mit SAS® Analysen und Graphiken KSFE 2001 Steffen Witte / Oliver Kuß 5. KSFE

  2. Inhalte • Einführung • Beispiel • Analyse (bei stetigen Zielvariablen) • Graphiken (Forest- und Funnelplot) • Diskussion 5. KSFE

  3. Einführung • Meta-Analyse: Kombination von Ergebnissen, um zu einer Gesamtaussage zu kommen • insbesondere bei klinischen Studien mit verschiedenen Endergebnissen 5. KSFE

  4. Beispiel: Arthrosebehandlung(I) • Indikation: Arthrose (Gelenkverschleiß) • Behandlung: i.d.R. symptomatisch, d.h. schmerzlindernd und entzündungshemmend • Fragestellung: Wirkung von S-Adenosylmethionin (SAM)? • Identifikation von 8 RCTs(versus NSAID, d.h. aktive Kontrollgruppe) 5. KSFE

  5. Beispiel: Arthrosebehandlung (II) • Zielgröße: standardisierte Score-Differenz am Ende der Behandlungsphase • Skalierung: stetig (sonst bei Meta-Analysen oft binomial) • Auswertungsmethode: nach Whitehead & Whitehead 1991 5. KSFE

  6. Beispiel - Datenstruktur 5. KSFE

  7. Software • Für die Analyse (und graphische Darstellung) von Meta-Analysen, unter anderem: • RevMan (CC) • MetaAnalysis (kommerziell) • EpiInfo (CDC) SAS 5. KSFE

  8. Analyse: Whitehead (I) 5. KSFE

  9. Analyse (II) • FEM vs. REM • weitere Verfahren: Petitti, Hedges, Glass • Ziel: einfache Verwendung eines Makros • Lösung: %metacont berechnet alle Parameter, die für die Meta-Analyse von Wichtigkeit sind 5. KSFE

  10. %metacont - SAS-Makro • Ausgabe als printout und in SAS-Datensätze zur Weiterverarbeitung • verwendet nur SAS/BASE Programmierung • kann einen oder mehrere Typen von Schätzern/Statistiken berechnen • berechnet immer das FEM & REM 5. KSFE

  11. Beispiel: %metacont %metacont( inset = select1, method = 2, nt = no_e, nc = no_c, mt = mean_e, mc = mean_c, stdt = std_e, stdc = std_c, types = pet rough white); 5. KSFE

  12. submit 5. KSFE

  13. Ausgabe (I): %metacont *** TABLE: SAMe VS NSAID *** *** METACONT (2): Effects and contributions to heterogeneity *** type refid lower_i theta_i upper_i femw_i weights q_het_i Petitti Capretto 1985 -0.66773 -0.27960 0.10852 25.5008 6.17696 0.4747 [...] Petitti Pellegrini 1980 -1.47926 -0.87431 -0.26937 10.4970 4.58836 5.6115 Rough Capretto 1985 -0.66601 -0.27960 0.10680 25.7282 5.74984 0.4747 [...] Rough Pellegrini 1980 -1.45282 -0.87431 -0.29580 11.4783 4.50103 6.1259 Whitehead Capretto 1985 -0.67209 -0.28377 0.10456 25.4745 4.93408 0.4736 Whitehead Caroli 1980 -1.60499 -1.03895 -0.47290 11.9893 4.05145 9.5295 Whitehead Caruso 1987 (N) -0.16477 0.03323 0.23123 97.9839 5.75961 3.1975 Whitehead Ceccato 1980 -0.73431 -0.30932 0.11567 21.2685 4.75206 0.5575 Whitehead Cucinotta 1980 -0.55285 -0.28439 -0.01593 53.3014 5.48912 1.0000 Whitehead Glorioso 1985 -0.41789 -0.06406 0.28977 30.6835 5.10183 0.2132 Whitehead Maccagno 1987 0.59256 1.22229 1.85203 9.6868 3.75023 18.1734 Whitehead Pellegrini 1980 -1.58842 -0.97946 -0.37051 10.3592 3.84690 7.1718 5. KSFE

  14. Ausgabe (II): %metacont *** TABLE: SAMe VS NSAID *** *** METACONT (2): tests and estimates for overall effects *** type model t_het p_het p_theta q_het_df lower upper tau theta t_theta Petitti FEM 32.1481 <.0001 0.0205 7 -0.26429 -0.02203 0.00000 -0.14316 5.36590 Petitti REM 32.1481 <.0001 0.1653 7 -0.48788 0.08343 0.12268 -0.20223 1.92524 Rough FEM 35.2915 <.0001 0.0191 7 -0.26396 -0.02358 0.00000 -0.14377 5.49644 Rough REM 35.2915 <.0001 0.1797 7 -0.49575 0.09282 0.13505 -0.20146 1.80031 Whitehead FEM 40.3165 <.0001 0.0173 7 -0.26879 -0.02604 0.00000 -0.14741 5.66630 Whitehead REM 40.3165 <.0001 0.1948 7 -0.53049 0.10806 0.16342 -0.21122 1.68123 5. KSFE

  15. PROC MIXED: FEM proc mixed method=ml data=all1; class study; * model theta_i= / s cl; model theta_i=int / s cl noint ddf=10000; repeated / group=id; parms (0.03925) (0.08341) (0.01021) (0.04702) (0.01876) (0.03259) (0.10323) (0.09653) / eqcons=1 to 8; run; 5. KSFE

  16. PROC MIXED: REM proc mixed method=ml data=all1; class study; * model theta_i= / s cl; model theta_i=int / s cl noint ddf=10000; random int / subject=id s; repeated / group=id; parms (0.16342) (0.03925) (0.08341) (0.01021) (0.04702) (0.01876) (0.03259) (0.10323) (0.09653) / eqcons=1 to 9; run; 5. KSFE

  17. Graphik: Funnelplot • Funnelplot zur Identifikation von Selektions-Bias • Scatterplot (im wesentlichen: proc gplot; plot effect * n;) mit labeling (%label) 5. KSFE

  18. %metafunn - SAS-Makro • %metafunn(inset=dataset, SAS-Datensatzlabel=var, Variable, die Labels enthält effect=var, x-Achseefflow=num, x-Achse, lower limiteffupp=num, x-Achse, upper limitn=var, y-Achsenlow=num, y-Achse, lower limitnupp=num); y-Achse, upper limit 5. KSFE

  19. Beispiel: %metafunn (I) %metafunn( inset = all1(where=(type="Whitehead")), effect= theta_i, efflow= -2, effupp= 2, n = femw_i, ntxt = Weights (FEM), nlow = 0, nupp = 120, nby = 20, vref = 0); 5. KSFE

  20. submit 5. KSFE

  21. Funnelplot (I) 5. KSFE

  22. Beispiel: %metafunn (II) %metafunn( inset = all1(where=(type="Whitehead")), label = refid, lpos = lpos, effect= theta_i, efflow= -2, effupp= 2, n = femw_i, ntxt = Weights (FEM), nlow = 0, nupp = 120, nby = 20, vref = 0); 5. KSFE

  23. submit 5. KSFE

  24. Funnelplot (II) 5. KSFE

  25. Graphik: Forestplot (I) • Forestplot zur Darstellung der Effekte: Einzelstudien und Meta-Analyse-Effekte • Linien-Diagramm der Konfidenzintervalle • Wang MC & Bushman BJ empfehlen: proc timeplot; plot lower="[" theta="*" upper="]" / overlay hiloc ref=0 refchar="0"; id refid; run; 5. KSFE

  26. Forestplot (I) Study LOWER THETA UPPER min max -1.604994284 1.8520280156 *--------------------------------------------------------------------------------------------* Capretto 1985 -0.67 -0.28 0.10 | [---------*-------0-] | Caroli 1980 -1.60 -1.04 -0.47 |[--------------*--------------] 0 | Caruso 1987 (N) -0.16 0.03 0.23 | [----0*----] | Ceccato 1980 -0.73 -0.31 0.12 | [----------*--------0--] | Cucinotta 1980 -0.55 -0.28 -0.02 | [------*------]0 | Glorioso 1985 -0.42 -0.06 0.29 | [--------*-0------] | Maccagno 1987 0.59 1.22 1.85 | 0 [----------------*---------------]| Pellegrini 1980 -1.59 -0.98 -0.37 |[----------------*---------------] 0 | FEM -0.27 -0.15 -0.03 | [--*--]0 | REM -0.53 -0.21 0.11 | [-------*-----0--] | *--------------------------------------------------------------------------------------------* 5. KSFE

  27. %metaki - SAS-Makro • %metaki(data=dataset, SAS-Datensatz est=var, Effekt-Schätzer kilest=var, lower limitkiuest=var, upper limit by=var, Klassifikationsvariable name=var, Variable der y-Achse namefmt=fmt); Format der y-Achse 5. KSFE

  28. Beispiel: %metaki %metaki( inset = metaki, est = theta, kilest = lower, kiuest = upper, by = group, name = refid, namefmt = $refid., mrad = 0.2); metaki ist ein zusammengesetzter Datensatz aus all1 und all2 5. KSFE

  29. submit 5. KSFE

  30. Forestplot (II) 5. KSFE

  31. ENDE Makros, Beispielprogramme: • Witte@imbi.uni-heidelberg.de • Oliver.Kuss@medizin.uni-halle.de Dokument des Vortrages: • http://www.biometrie.uni-hd.de 5. KSFE

  32. Literatur und SAS-Makros • Wang MC, Bushman BJ, Integrating Results through Meta-Analytic Review Using SAS® -Software: SAS Institute Inc. 1999, Cary, NC, USA • Whitehead A, Whitehead J, A General Parametric Approach to the Meta-Analysis of Randomized Clinical Trials: StatMed 10 (1991), 1665-1677 • Houwelingen HC, Arends LR, Stijnen T, Tutorial in Biostatistics, Advanced Methods in Meta-Analysis: Multivariate Approach and Meta-Regression, to appear in StatMed • Statistical Methods for Meta-Analysis, Hedges LV, Olkin I, Academic Press 1985 • EpiMeta: http://www.cdc.gov/epo/dpram/epimeta/epimeta.htm • RevMan: http://www.cochrane.de/cc/cochrane/revman.htm • MetaAnalysis: http://www.meta-analysis.com • MetaAnalysis: http://www.yorku.ca/faculty/academic/schwarze/meta_e.htm 5. KSFE

More Related