[科普中国]-剂量反应关系

流行病学研究中，通常需要了解某种暴露（干预）水平的变化与结局指标发生风险的潜在关系，从而达到对该结局进行有效预防或干预的目的，这种关系即剂量 - 反应关系 。剂量 - 反应关系分析多应用于观察性研究，原因是观察性研究较随机对照试验更易获得大样本量，而大样本量能为剂量 -反应关系模型提供足够的统计效能 。

剂量反应 Meta 分析模型剂量 - 反应关系是作为影响循证实践证据质量等级重要因素之一，如 GRADE 证据评价系统里，对于存在优质的剂量 - 反应关系的证据将给予相应升级 。从本质上讲，剂量 - 反应 Meta 分析模型是一种Meta 回归模型，该模型不仅可采用线性，也可采用非线性 。线性关系主要反映暴露（干预）水平变化与结局指标发生风险的整体趋势变化，可理解为该线条直线的斜率；而非线性关系更关注暴露（干预）水平对应的结局指标发生风险，以横坐标为暴露或干预水平，纵坐标为发生风险的对数（或其他转换方式），可理解为该条逼近的曲线上横坐标任意一点对应的纵坐标的值 。

作为剂量 - 反应关系的难点也是重点 — 非线性逼近法已逐渐被关注。非线性逼近有三种思路，其一为参数法逼近，其二为非参数法逼近，其三则为半参数法逼近 。在循证及临床实践中，半参数法与参数法逼近的非线性关系过于灵活，其可能出现局部波动过大，理解较困难，因此其应用较少 。目前常用的模型多基于参数法，如基于样条函数、灵活多项式幂函数 、二次多项式函数 等。本文介绍、归纳几种常用的参数法下的非线性关系逼近模型，并对相关方法学作一概论。1

Meta 分析模型的应用剂量 - 反应 Meta 分析模型不仅能用于病例 - 对照研究与队列研究，还适用于随机对照设计的研究，甚至也可用于基因多态性的研究。值得注意的是，上述任何一种剂量 - 反应 Meta 分析模型都需要大样本量的支持，以保证足够的统计效能，这样结果才有较高的可信度。正由于该因素限制，使其在容易获取大样本量的队列研究应用最广泛，其在观察性研究中的证据等级当中也是最高。1

Meta 分析模型的缺陷尽管数学模型已较为完善，但剂量 - 反应 Meta分析仍存在缺陷。其一，数据类型特殊，对数据完整性要求较高。在实际应用中，许多原始研究并未给出所需的数据，而通过一些估算方法得出的结果往往有一定差别 。其二，剂量 - 反应关系实质是基于线性或非线性回归理论，因此，理论上对于回归发表偏倚分析可能存在方法学盲区。其三，使用亚组分析中，各亚组间的交互作用是优质 Meta 分析中需要考虑的问题之一，而剂量 - 反应Meta 分析目前无有效手段进行检测与调整。随着，方法学的不断更新与完善，优质方法学也将不断诞生与完善。1