流行病學研究中，通常需要了解某種暴露（干預）水平的變化與結局指標發生風險的潛在關係，從而達到對該結局進行有效預防或干預的目的，這種關係即劑量 - 反應關係 。劑量 - 反應關係分析多套用於觀察性研究，原因是觀察性研究較隨機對照試驗更易獲得大樣本量，而大樣本量能為劑量 -反應關係模型提供足夠的統計效能 。
基本介紹
- 中文名：劑量 - 反應關係
- 外文名：Perform Dose-response
劑量反應 Meta 分析模型,Meta 分析模型的套用,Meta 分析模型的缺陷,
流行病學研究中，通常需要了解某種暴露（干預）水平的變化與結局指標發生風險的潛在關係，從而達到對該結局進行有效預防或干預的目的，這種關係即劑量 - 反應關係 。劑量 - 反應關係分析多套用於觀察性研究，原因是觀察性研究較隨機對照試驗更易獲得大樣本量，而大樣本量能為劑量 -反應關係模型提供足夠的統計效能 。
劑量反應 Meta 分析模型
劑量 - 反應關係是作為影響循證實踐證據質量等級重要因素之一，如 GRADE 證據評價系統里，對於存在優質的劑量 - 反應關係的證據將給予相應升級 。從本質上講，劑量 - 反應 Meta 分析模型是一種Meta 回歸模型，該模型不僅可採用線性，也可採用非線性 。線性關係主要反映暴露（干預）水平變化與結局指標發生風險的整體趨勢變化，可理解為該線條直線的斜率；而非線性關係更關注暴露（干預）水平對應的結局指標發生風險，以橫坐標為暴露或干預水平，縱坐標為發生風險的對數（或其他轉換方式），可理解為該條逼近的曲線上橫坐標任意一點對應的縱坐標的值 。
作為劑量 - 反應關係的難點也是重點 — 非線性逼近法已逐漸被關注。非線性逼近有三種思路，其一為參數法逼近，其二為非參數法逼近，其三則為半參數法逼近 。在循證及臨床實踐中，半參數法與參數法逼近的非線性關係過於靈活，其可能出現局部波動過大，理解較困難，因此其套用較少 。常用的模型多基於參數法，如基於樣條函式、靈活多項式冪函式 、二次多項式函式 等。本文介紹、歸納幾種常用的參數法下的非線性關係逼近模型，並對相關方法學作一概論。
Meta 分析模型的套用
劑量 - 反應 Meta 分析模型不僅能用於病例 - 對照研究與佇列研究，還適用於隨機對照設計的研究，甚至也可用於基因多態性的研究。值得注意的是，上述任何一種劑量 - 反應 Meta 分析模型都需要大樣本量的支持，以保證足夠的統計效能，這樣結果才有較高的可信度。正由於該因素限制，使其在容易獲取大樣本量的佇列研究套用最廣泛，其在觀察性研究中的證據等級當中也是最高。
Meta 分析模型的缺陷
儘管數學模型已較為完善，但劑量 - 反應 Meta分析仍存在缺陷。其一，數據類型特殊，對數據完整性要求較高。在實際套用中，許多原始研究並未給出所需的數據，而通過一些估算方法得出的結果往往有一定差別 。其二，劑量 - 反應關係實質是基於線性或非線性回歸理論，因此，理論上對於回歸發表偏倚分析可能存在方法學盲區。其三，使用亞組分析中，各亞組間的互動作用是優質 Meta 分析中需要考慮的問題之一，而劑量 - 反應Meta 分析無有效手段進行檢測與調整。隨著，方法學的不斷更新與完善，優質方法學也將不斷誕生與完善。
