用于少研究随机效应荟萃分析的 Hartung-Knapp-Sidik-Jonkman 方法及其修正

背景：随机效应荟萃分析通常首先推导研究间变异（异质性）的估计，随后将其作为合并结果的基础，即用于估计主要关注效应。然而，异质性方差估计通常伴随显著的不确定性，尤其是在仅有少数研究可用的情境下，例如小人群和罕见病。方法：效应的置信区间和检验可通过简单正态近似或借助 Hartung-Knapp-Sidik-Jonkman (HKSJ) 方法通过 Student-t 分布构建，该方法还使用了效应估计量方差的精炼估计量。修正的 Knapp-Hartung 方法 (mKH) 应用了临时修正，旨在防止反直觉效应并产生更保守的推断。我们进行了一项模拟研究，以调查标准 HKSJ 和修正 mKH 程序在一系列情境下的行为，重点关注基于仅少数研究的荟萃分析这一常见情况。结果：当待合并的治疗效应估计精度相当时，标准 HKSJ 程序表现良好；但当研究间标准误差异显著时（例如由于研究规模变化），名义错误水平被超出。另一方面，应用修正产生更保守的结果，错误率更接近名义水平。差异在少数不同规模或精度研究的常见情况下最为明显。结论：建议使用修正的 mKH 程序，尤其是在仅少数研究贡献于荟萃分析且所涉及研究的精度（标准误）变化时。