Meta-Analysen mit SAS® Analysen und Graphiken KSFE 2001 Steffen Witte / Oliver Kuß 9. März 2001 5. KSFE
Inhalte Einführung Beispiel Analyse (bei stetigen Zielvariablen) Graphiken (Forest- und Funnelplot) Diskussion 9. März 2001 5. KSFE
Einführung Meta-Analyse: Kombination von Ergebnissen, um zu einer Gesamtaussage zu kommen insbesondere bei klinischen Studien mit verschiedenen Endergebnissen 9. März 2001 5. KSFE
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) 9. März 2001 5. KSFE
Beispiel: Arthrosebehandlung (II) Zielgröße: standardisierte Score-Differenz am Ende der Behandlungsphase Skalierung: stetig (sonst bei Meta-Analysen oft binomial) Auswertungsmethode: nach Whitehead & Whitehead 1991 9. März 2001 5. KSFE
Beispiel - Datenstruktur 9. März 2001 5. KSFE
Software Für die Analyse (und graphische Darstellung) von Meta-Analysen, unter anderem: RevMan (CC) MetaAnalysis (kommerziell) EpiInfo (CDC) SAS 9. März 2001 5. KSFE
Analyse: Whitehead (I) 9. März 2001 5. KSFE
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 9. März 2001 5. KSFE
%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 9. März 2001 5. KSFE
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); 9. März 2001 5. KSFE
submit 9. März 2001 5. KSFE
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 9. März 2001 5. KSFE
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 9. März 2001 5. KSFE
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; 9. März 2001 5. KSFE
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; 9. März 2001 5. KSFE
Graphik: Funnelplot Funnelplot zur Identifikation von Selektions-Bias Scatterplot (im wesentlichen: proc gplot; plot effect * n;) mit labeling (%label) 9. März 2001 5. KSFE
%metafunn - SAS-Makro %metafunn( inset=dataset, SAS-Datensatz label=var, Variable, die Labels enthält effect=var, x-Achse efflow=num, x-Achse, lower limit effupp=num, x-Achse, upper limit n=var, y-Achse nlow=num, y-Achse, lower limit nupp=num); y-Achse, upper limit 9. März 2001 5. KSFE
Beispiel: %metafunn (I) 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); 9. März 2001 5. KSFE
submit 9. März 2001 5. KSFE
Funnelplot (I) 9. März 2001 5. KSFE
Beispiel: %metafunn (II) 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); 9. März 2001 5. KSFE
submit 9. März 2001 5. KSFE
Funnelplot (II) 9. März 2001 5. KSFE
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; 9. März 2001 5. KSFE
Forestplot (I) 9. März 2001 5. KSFE 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--] | 9. März 2001 5. KSFE
%metaki - SAS-Makro %metaki( data=dataset, SAS-Datensatz est=var, Effekt-Schätzer kilest=var, lower limit kiuest=var, upper limit by=var, Klassifikationsvariable name=var, Variable der y-Achse namefmt=fmt); Format der y-Achse 9. März 2001 5. KSFE
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 9. März 2001 5. KSFE
submit 9. März 2001 5. KSFE
Forestplot (II) 9. März 2001 5. KSFE
ENDE Makros, Beispielprogramme: Witte@imbi.uni-heidelberg.de Oliver.Kuss@medizin.uni-halle.de Dokument des Vortrages: http://www.biometrie.uni-hd.de 9. März 2001 5. KSFE
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 9. März 2001 5. KSFE