以动物养殖试验为核心的传统动物营养领域中,针对同一个问题的研究数量可能成百上千且仍在不断增加。但是由于在试验设计、试验对象和试验条件等方面存在差异,这些研究的结果在具有合理性的同时又存在着一定的差别。例如在探究脂肪酸对猪生产性能的影响时,脂肪酸的种类与添加剂量、猪的品种与日龄、环境温度与相对湿度等都会对结果产生影响。面对这些各自独立的研究结果,传统的叙述性文献综述只能够简单地向读者呈现正反两方面的研究结果,并给出一个相对模糊的定性结论[1]。该类综述不可避免地带有作者的主观性,会因为作者的研究方向、研究兴趣和认识程度的不同得出不一致的结论。同时,由于传统文献综述中不要求提供文献检索策略及相关研究的整体框架,综述作者对文献的选择和报道相对自由,当其他研究者发现与综述结论不一致且未被引用的文献时极易对综述的结论提出质疑。因此,如何能够全面、系统地整理这些宝贵的生产研究结果,从各自独立的研究中提炼出反映问题本质的结果,并给出一个定量的结论,成为动物营养学家面临的一个主要难题。
为了突破传统叙述性文献综述只能进行定性分析的瓶颈,Meta分析方法应运而生,并在近些年得到充分的完善和发展。作为一种能够对各研究的原始数据进行二次整合的定量分析方法,Meta分析在人类医学、生态学、社会学等多个领域得到了广泛的应用[2],但是由于方法学的缺失,在传统的以养殖试验为核心的动物营养研究中Meta分析尚未得到充分的重视和应用。本文将对Meta分析的概念及其作用、Meta分析的基本流程、动物养殖试验中组内标准差(within-group standard deviation)的估算方法等进行综述,并选取最新发表的Meta分析在动物生产实践中的应用案例进行解析,以期帮助动物营养学研究者对适用于动物营养领域的Meta分析有一个初步的认识,并能够应用于未来动物试验的设计与饲料营养价值的定量评定中。
1 Meta分析的发展历程及其作用Meta-analysis,中文译作元分析、系统评价、综合分析、荟萃分析、整合分析等,在中文文献中常用Meta分析来指代。Meta分析起源于1904年英国统计学家Pearson[3]对疫苗接种与死亡率关系的研究。20世纪30年代,Tippett[4]、Fisher[5]和Yates等[6]提出结合概论统计进行统计的方法。1976年,Glass[7]将这种能够对“多个独立研究的统计数据进行综合、分析的统计方法”正式命名为Meta分析,并首先应用于社会学领域。1983年,Meta分析被引入医学界[8],得益于医学研究中严谨的实施流程和完整的数据记录,Meta分析迅速地应用于临床医学、流行病学等各个方向的研究。截至2019年7月18日,医学领域的顶级期刊英国医学期刊(BMJ)、美国医学会杂志(JAMA)、新英格兰医学杂志(NEJM)和柳叶刀(Lancet)已累计发表了1 295篇Meta分析相关文章(表 1)。经过医学统计学者的不断完善,目前Meta分析已经形成了一套严谨、规范的操作分析流程,并发展衍生出10余种Meta分析方法,包括常规分析、个体数据分析、单组率分析、诊断试验分析、累计分析、序贯分析、剂量反应关系分析、网状分析、Meta回归分析和其他分析(如前瞻Meta分析、累计Meta分析)[9-11]。常规Meta分析是基于对照设计的试验进行的Meta分析,研究对象包括随机对照试验、队列研究、病例对照研究以及动物试验等,是目前使用最广泛、发表文章数量最多的方法。本文提到的Meta分析指的就是常规Meta分析。
Meta分析目前还没有一个公认的定义,一般认为Meta分析是“一种基于文献资料的定量统计方法,它通过对原始研究的二次统计,对某领域中的科学问题进行综合定量分析,最终获得有学术价值的分析结果”[12-15]。Meta分析能够有效发现不同研究的矛盾与差异之处,适合于解决争议大、研究数量多、同时具有明确对比的科研问题。需要注意的是,使用Meta分析的文章既可以归为研究论文,也可以归为综述论文,二者在文章内容和文章体例上并没有明显的区别,题目中带有系统综述(systematic review)的Meta分析文章会被归类为综述文章,具体分类与期刊的偏好有关。
2 Meta分析的基本流程Meta分析已形成了一套严格的的操作流程,包括研究方案的制定、文献收集与筛选、文献质量评估、信息录入、数据分析、结果讨论等部分[10-11]。一个完整的Meta分析应包括文献检索表、文献筛选图、文献质量评估图、纳入研究的特点表、发表偏倚(publication bias)情况以及综合分析得到的森林图(forest plot)等[16]。
2.1 研究方案的制定Meta分析适用于具有争议性、有研究价值、同时资料充分的科学问题,在进行Meta分析之前需要首先审查所研究的问题是否具备这3个基本特点。动物营养领域的Meta分析的方案设计需遵循目前已被广泛接受的PICO[(试验对象(participant)、干预手段(intervention)、比较组(comparison)和结局(outcome)]原则,即需要考虑试验对象、干预手段、比较组和结局4个方面的因素(表 2)。根据结局种类的不同,需要采取不同的效应指标及其对应的计算方法(表 3)。对于养殖试验中常用的指标如平均日增重、平均日采食量、料重比等,研究中多采用相同的计算方法与计量单位,一些研究中采用的其他单位(如英磅、加仑等)也很容易换算为统一的计量单位,因此可优先选择使用加权均值差进行计算。
Meta分析是基于文献资料的二次统计,一个缺少系统、全面的文献收集与合理的文献筛选的Meta分析不具有学术意义。可用于动物营养领域的文献收集和筛选大致有如下3个步骤:
1) 根据研究方案,制定检索关键词。动物营养试验中一般具有较明确的对照组,即基础饲粮组,因此制定研究关键词时可以优先考虑试验对象、干预手段和结局3个方面。
2) 根据不同数据库的要求进行检索。动物营养领域的高质量研究结果一般收录于PubMed和Web of Science数据库,检索时也应以这2个数据库为主。由于在检索方式上存在一定差异,检索时需根据二者的检索要求微调检索策略。作为补充,研究者也应手动检索相关文献资料,尤其是获取文献中引用的资料。
3) 制定纳入与排除标准,根据标准对文献进行筛查。检索得到的文献数量庞大、同时并不完全符合研究的主题与要求,需要制定纳入与排除标准进行严格的筛查。对于动物营养研究而言,筛查时应注意动物的品种与品系、是否具有对照组、干预手段是否符合主题要求等。为减少主观因素的影响,该步骤需由2位或以上研究者进行,对于有争议的文献要协商解决或寻求第三方进行决定。
2.3 文献质量评估Meta分析并不能提高原始研究的质量,试验设计存在缺陷的研究将直接影响Meta分析结果的可靠性,因此有必要对纳入分析的文献进行质量评估。文献质量评估需要2位或以上研究者独立操作以减少主观因素的干扰[17]。Meta分析中最常用的是对随机对照试验进行评估的Cochrane风险偏倚评估工具(Cochrane collaboration’s tool for assessing risk of bias)[18]。除此之外还有专门用于医学动物试验的文献质量评估方法如STAIR清单[19]、ARRIV指南[20]和CAMARADES清单[21]等,其中目前应用较多的是CAMARADES清单,评价的方面包括:1)样本量,2)随机序列的产生,3)盲法缺血诱导,4)结果的盲法评估,5)合适的动物模型,6)应用无明显内在神经保护活性的麻醉药,7)温度控制,8)遵守动物保护法,9)论文经同行评审后发表,10)潜在利益冲突。其中第3项、第6项和第7项可根据实际情况进行调整。尽管种类繁多,但是这些评价标准都无法充分体现动物养殖试验设计的合理性。首先,与医学以小鼠、大鼠为主的试验不同,动物养殖试验涉及猪、牛、羊、鸡等多种动物,考虑到空间和成本,大动物的样本量一般低于小动物的样本量,不能用一个统一的尺度对样本量进行衡量。其次,动物的品种、品系对试验结果的影响没有体现。地方品种与常见的商品化品种(杜洛克、长白、大白及其杂交系)在肠道菌群、生理特点、营养需求和生产性能上存在着诸多差异[22-24],这一点需要在文献质量评估中予以考虑。此外,动物营养试验统计数据是否完整也影响到文献的质量。若在动物营养学界中大规模引入Meta分析,动物营养学研究者有必要和从事循证医学(evidence-based medicine)的学者跨界合作,开发一套专门用于动物营养试验的文献质量评估标准。
2.4 信息录入为帮助读者全面理解纳入研究的具体信息、同时也便于研究者进行分析,Meta分析需要提供纳入研究的特点表。录入的信息一般包括第一作者姓氏、地域、发表年份、样本量、各结局中对照组与试验组的数值等。根据研究方案可以调整录入信息的条数,例如动物的品种或品系、生理阶段(体重、日龄等)、性别以及干预手段的具体实施情况等。
2.5 数据分析 2.5.1 发表偏倚多数期刊倾向于报道统计检验具有显著差异的研究,造成收集到的资料中阳性结果多、阴性结果少的发表偏倚的情况,所以有必要对发表偏倚的严重程度进行量化,已发表的Meta分析文章几乎都是建立于无显著发表偏倚的基础上的。Meta分析中常用Begg法和Egger法进行双重检验,P < 0.10时被认为存在显著的发表偏倚,当2种检验方法的结果出现差异时以Egger法的结果为准。研究数量过少时发表偏倚可能出现假阳性的情况[16]。
2.5.2 综合分析综合分析建立于合适的效应模型和之前研究设计中已选定的效应指标的基础上进行。效应模型包括随机效应模型(random-effects model)、固定效应模型(fixed-effects model)和混合效应模型(mixed-effects model)。固定效应模型多适用于异质性水平较低的情况且与随机效应模型的结果差别不大,相比之下随机效应模型因为适用范围更广泛成为Meta分析中最常用的模型。混合效应模型结合了2种模型的特点,但是由于其原理复杂、在使用时需要进行专门的讨论,因此应用不多[25]。Meta分析文章中综合分析的结果多以森林图的形式展示,包括单个研究和总体研究的效应值(含95%置信区间、权重)以及异质性(heterogeneity)水平等信息。异质性反映各独立研究效应量的变异程度和测量结果的差异性[26]。对于异质性显著(P≤0.10)或在中等水平(moderate level)以上(>50%)的结果,有必要通过后续的分析判定异质性的来源,同时尽可能降低异质性水平。
2.5.3 异质性分析与敏感性分析异质性分析主要有3种常用方法:亚组分析、Meta回归分析和敏感性分析。对异质性较大的Meta分析进行亚组研究是解决异质性的常见思路,例如可以按照不同的干预方案、干预时间、干预剂量、试验对象等进行亚组分析。亚组分析每次只能按1个方式进行分类并计算合并效应量(pooled estimates),若要对多个变量同时进行分析,需要使用Meta回归分析的方法。为避免假阳性结果,样本量过少时不宜进行亚组分析和回归分析。亚组分析和回归分析常结合在一起使用[27]。
敏感性分析不仅适用于异质性分析,还可以用于判断每个步骤的决策是否稳健、是否会对综合估计值和异质性产生影响[27]。敏感性分析的方法主要有:改变效应模型、改变效应指标、删除影响较大或质量不高的数据等[28]。由于文献筛选过程中难免出现一些最终纳入的资料与其他资料数据差异较大的情况,在敏感性分析中可以剔除这些数据重新计算合并效应量。若删除后合并效应量或异质性水平有显著变化,应当对相关资料进行重点研读以解释原因。
2.6 结果与讨论目前Meta分析的结果与讨论已形成一套规范化的操作流程,按照其指南进行操作即可。讨论中可以根据回归分析、亚组分析和敏感性分析等对综合分析的结果进行解释,对于那些对结果有显著影响的资料需要深入研究其试验设计与试验实施流程,同时参考相关文献对表观现象背后的机理进行一定解读。
3 组内标准差的估算 3.1 平均值的标准误(standard error of mean)无法用于换算组内标准差Meta分析需要各组数据的组内标准差,如何能够获取可靠的组内标准差是Meta分析在传统动物营养领域应用的关键环节。动物科学研究中常用平均值的标准误来表示样本平均值的离散程度,且多置于同一指标各组数据的最后一栏,用以反映各组组内标准误的平均值。但是在缺少极值和四分位数等数据的条件下,该平均值并不能用于推算各个试验组的组内标准差[29]。因此当进行动物营养领域Meta分析时,分析者有必要与文章作者联系请求得到原始数据以计算精确的组内标准差。
3.2 根据提供的平均值估算组内标准差当文章中没有提供组内标准差且作者没有提供原始数据的情况时,可以根据文献中提供的平均值按照一定比例推算得到组内标准差,该方法由Li等[30]提出并首先应用于猪生产性能试验的Meta分析中。Li等[30]按照平均值的8%~15%在Excel中随机生成猪平均日采食量、平均日增重、料重比的标准差,并重复10次确认其不会对综合估计值产生显著影响,之后选取其中一次的结果制作森林图并进行其他后续分析。该方法的合理性在于,首先,该估算区间是基于大量养殖试验的一手资料和学界、业界专家的建议以及作者提供的原始数据制定的。同时由于组内标准差是试验中的随机误差引起并服从随机分布,因此在估算时标准差没有被简单的计算为一个单一的平均比率,而是在一定区间内随机生成的。其次,对组内标准差的估算不会对综合估计值产生过大的影响。不论固定效应模型还是随机效应模型,Meta分析中对综合估计值影响最大的始终是各研究的平均值和样本量而非标准差。需要注意的是,8%~15%的估算区间是针对猪生产性能试验开发的,其他类型的养殖试验(如母猪繁殖力试验),以及牛、羊、鸡、水产等动物的养殖试验是否需要其他的估算方案有待进一步的研究。
4 Meta分析的应用案例下面以长链脂肪酸在生长-育肥猪饲粮中添加对猪生产性能的Meta分析为例[30],介绍Meta分析在动物营养试验中的实际应用。
4.1 研究方案的制定1) 根据初期文献检索,发现长链脂肪酸对生长-育肥猪生产性能的影响研究数量多、争议大、且尚未有权威的定论,因此决定引入Meta分析;2)参考PICO原则,制定Meta分析详细的研究方案(表 4);3)根据饲粮(含干酒糟及其可溶物vs.不含干酒糟及其可溶物)、剂量(高vs.低)和脂肪酸饱和度(饱和vs.不饱和)将全部研究预设为3类亚组。
文献收集:1)选定PubMed和Web of Science为目标数据库,检索语言为英语;2)根据研究方案中的试验对象、干预手段和结局制定对应检索词;3)为避免品种选育引起的生产性能的变化,文献收集范围限定为2000年1月1日至2018年9月30日。
文献筛选:1)纳入标准:符合PICO原则、文献中报道饲粮中各脂肪酸的成分与蛋白质水平;2)排除标准:非富含长链脂肪酸的混合物、缺少玉米-豆粕基础饲粮组。
4.3 信息录入录入信息包括:作者信息(第一作者、年代)、遗传背景、能量水平、试验个数、生理阶段(初始平均体重、终末平均体重及其对应生理阶段[31])、添加物种类与剂量、亚组分类情况(饲粮、剂量和饱和度)、结局中对照组和试验组的测量结果(平均日采食量、平均日增重、料重比)。
4.4 文献质量评估根据Cochrane风险偏倚评估工具[18]和试验报告综合标准声明(consolidated standards of reporting trials statement)[32]对文献质量进行评估。
4.5 数据分析1) 随机生成组内标准差,进行发表偏倚评估和综合分析,并对结果进行反复检验(10次);2)发现生长-育肥猪结果存在显著异质性且文献数量充分,采用回归分析、亚组分析和敏感性分析的三重方法对异质性的来源进行分析。
4.6 结果与讨论根据Meta分析的一般原则,对纳入文献的特点、综合分析、回归分析以及亚组分析等结果进行描述。讨论中对全部分析的结果进行了解释,特别针对敏感性分析中发现的对结果有显著性影响的文章进行了专门探讨,追溯其在试验设计方面的不同之处,并据此提出脂肪酸促生长机理的有关结论。
5 小结Meta分析作为一种能够综合定量分析各独立研究的方法,已经在人类医学、生态学、社会学等学科得到了广泛的应用,同时还催生了一个新的学科——循证医学。但是在动物营养领域,由于相关研究的数据报道不充分等因素制约,Meta分析尚未得到充分地重视和应用,研究者仍只能依靠传统的论述性综述对营养素和饲料添加剂的实用价值进行定性评定,导致在诸多问题上始终无法得到一个最终答案。笔者认为,可以在遵守Meta分析基本要求的基础上,加之合理的组内标准差估算,得到一个相对精确并可靠的结论。该方法的运用将能够极大地发掘已有研究的价值,为动物营养学的动物试验设计提供有力的支撑,同时还可用于对各营养物质的价值进行不同方面的定量评估。
[1] |
程新, 黄林, 李昆太. Meta分析:一种新的文献综述方法[J]. 广东农业科学, 2010, 37(6): 376-378. DOI:10.3969/j.issn.1004-874X.2010.06.147 |
[2] |
彭少麟, 郑凤英. Meta分析:综述中的一次大革命[J]. 生态学杂志, 1999, 18(6): 65-70. DOI:10.3321/j.issn:1000-4890.1999.06.013 |
[3] |
PEARSON K. Report on certain enteric fever inoculation statistics[J]. British Medical Journal, 1904, 2: 1243-1246. DOI:10.1136/bmj.2.2288.1243 |
[4] |
TIPPETT L H C. The methods of Statistics[M]. London: Williams & Norgate Press, 1931.
|
[5] |
FISHER R A. Statistical methods for research workers[M]. 5th ed. London: Oliver and Boyd Press, 1934.
|
[6] |
YATES F, COCHRAN W G. The analysis of groups of experiments[J]. The Journal of Agricultural Science, 1938, 28(4): 556-580. DOI:10.1017/S0021859600050978 |
[7] |
GLASS G V. Primary, secondary, and meta-analysis of research[J]. Educational Researcher, 1976, 5(10): 3-8. DOI:10.3102/0013189X005010003 |
[8] |
TRAN Z V, WELTMAN A, GLASS G V, et al. The effects of exercise on blood lipids and lipoproteins:a meta-analysis of studies[J]. Medicine and Science in Sports and Exercise, 1983, 15(5): 393-402. DOI:10.1249/00005768-198315050-00009 |
[9] |
曾宪涛, 冷卫东, 郭毅, 等. Meta分析系列之一:Meta分析的类型[J]. 中国循证心血管医学杂志, 2012, 4(1): 3-5. DOI:10.3969/j.issn.1674-4055.2012.01.002 |
[10] |
李志霞, 杨俊, 叶欣, 等. 系统综述与网状Meta分析的PRISMA扩展声明[J]. 中国循证心血管医学杂志, 2016, 8(6): 656-660, 665. DOI:10.3969/j.issn.1674-4055.2016.06.05 |
[11] |
MOHER D, LIBERATI A, TETZLAFF J, et al. Preferred reporting items for systematic reviews and meta-analyses:the PRISMA statement[J]. British Medical Journal, 2009, 339(7): b2535. |
[12] |
SACKS H S, BERRIER J, REITMAN D, et al. Meta-analyses of randomized controlled trials[J]. New England Journal of Medicine, 1987, 316(8): 450-455. DOI:10.1056/NEJM198702193160806 |
[13] |
ELLENBERG S S. Meta-analysis:the quantitative approach to research review[J]. Seminars in Oncology, 1988, 15(5): 472-481. |
[14] |
FLEISS J L, GROSS A J. Meta-analysis in epidemiology, with special reference to studies of the association between exposure to environmental tobacco smoke and lung cancer:a critique[J]. Journal of Clinical Epidemiology, 1991, 44(2): 127-139. DOI:10.1016/0895-4356(91)90261-7 |
[15] |
郭明, 李新. Meta分析及其在生态环境领域研究中的应用[J]. 中国沙漠, 2009, 29(5): 911-919. |
[16] |
曹卉娟, 刘建平. 系统综述中图表的设计与应用[J]. 北京中医药大学学报(中医临床版), 2013, 20(4): 43-49. |
[17] |
曾宪涛, 黄伟, 田国祥. Meta分析系列之九:Meta分析的质量评价工具[J]. 中国循证心血管医学杂志, 2013, 5(1): 3-5. DOI:10.3969/j.1674-4055.2013.01.002 |
[18] |
HIGGINS J P T, ALTMAN D G, GOTZSCHE P C, et al. The cochrane Collaboration's tool for assessing risk of bias in randomised trials[J]. British Medical Journal, 2011, 343: d5928. DOI:10.1136/bmj.d5928 |
[19] |
FISHER M, FEUERSTEIN G, HOWELLS D W, et al. Update of the stroke therapy academic industry roundtable preclinical recommendations[J]. Stroke, 2009, 40(6): 2244-2250. DOI:10.1161/STROKEAHA.108.541128 |
[20] |
KILKENNY C, BROWNE W J, CUTHILL I C, et al. Improving bioscience research reporting:the ARRIVE guidelines for reporting animal research[J]. PLoS Biology, 2010, 8(6): e1000412. DOI:10.1371/journal.pbio.1000412 |
[21] |
CROSSLEY N A, SENA E, GOEHLER J, et al. Empirical evidence of bias in the design of experimental stroke studies:a metaepidemiologic approach[J]. Stroke, 2008, 39(3): 929-934. DOI:10.1161/STROKEAHA.107.498725 |
[22] |
BAN D M, ZHANG B, WANG Z X, et al. Differential gene expression of epigenetic modifying enzymes between Tibet pig and Yorkshire in high and low altitudes[J]. Genetics and Molecular Research, 2015, 14(2): 3274-3280. DOI:10.4238/2015.April.13.6 |
[23] |
WANG K K, TANG X C, XIE Z C, et al. CRISPR/Cas9-mediated knockout of myostatin in Chinese indigenous Erhualian pigs[J]. Transgenic Research, 2017, 26(6): 799-805. DOI:10.1007/s11248-017-0044-z |
[24] |
HU J, MA L B, NIE Y F, et al. A microbiota-derived bacteriocin targets the host to confer diarrhea resistance in early-weaned piglets[J]. Cell Host & Microbe, 2018, 24(6): 817-832. |
[25] |
陈新林, 李海文, 刘凤斌, 等. 单病例随机对照试验的设计和评价方法[J]. 中国循证医学杂志, 2016, 16(2): 242-245. |
[26] |
王丹, 翟俊霞, 牟振云, 等. Meta分析中的异质性及其处理方法[J]. 中国循证医学杂志, 2009, 9(10): 1115-1118. |
[27] |
张天嵩, 董胜杰, 周支瑞. 高级Meta分析方法——基于stata实现[M]. 上海: 复旦大学出版社, 2015.
|
[28] |
詹思延. 如何做一个好的系统综述和Meta分析[J]. 北京大学学报(医学版), 2010, 42(6): 644-647. DOI:10.3969/j.issn.1671-167X.2010.06.008 |
[29] |
罗德惠, 万翔, 刘际明, 等. 如何实现从样本量、中位数、极值或四分位数到均数与标准差的转换[J]. 中国循证医学杂志, 2017, 17(11): 1350-1356. |
[30] |
LI Z, XU B C, LU Z Q, et al. Effects of long-chain fatty acid supplementation on the growth performance of grower and finisher pigs:a meta-analysis[J]. Journal of Animal Science and Biotechnology, 2019, 10(1): 65. |
[31] |
NRC. Nutrients requirements of swine[M]. 11th ed. Washington, D.C.: National Academy Press, 2012.
|
[32] |
PANDIS N, CHUNG B, SCHERER R W, et al. CONSORT 2010 statement:extension checklist for reporting within person randomised trials[J]. British Medical Journal, 2017, 357(3): 534-552. |