敏感性分析

证据综合中的敏感性分析是指在不同合理假设下或移除某些研究后重复进行荟萃分析，以观察主要结论是否仍然成立。它旨在探究汇总结果对特定选择、特定研究或特定数据的依赖程度，从而评估综合结果的稳健性。

Definition

敏感性分析是一套程序，通过在替代分析假设下或排除选定研究或数据后重新估算汇总效应，以评估荟萃分析的结论是否以及如何发生变化。

Scope

本条目涵盖荟萃分析和系统评价中应用的敏感性分析：包括逐一剔除法和影响分析、固定效应模型与随机效应模型结果的比较、限制为低偏倚风险研究，以及检验缺失数据或估算数据的影响。这是一项方法学参考描述，而非临床指导。另一个独立的敏感性分析节点涵盖了因果推断和建模中使用的概念。

Core questions

• 汇总结论是否依赖于任何单一的有影响力的研究？
• 当比较固定效应模型和随机效应模型时，它是否会改变？
• 对于纳入或排除高偏倚风险研究，它的稳健性如何？
• 它对缺失数据或替代效应测量方法的假设有多敏感？

Key concepts

• 逐一剔除法（影响）分析
• 固定效应与随机效应比较
• 偏倚风险限制
• 缺失数据和估算假设
• 汇总估计值的稳健性

Mechanisms

在刻意改变一个假设而保持其他所有因素不变的情况下重新计算综合结果，分析人员观察汇总估计值、其置信区间或定性结论是否发生变化。常见的变体包括：每次移除一项研究以检测异常值或有影响力的试验；在固定效应模型和随机效应模型之间切换，以观察异质性假设的重要性（Riley 及其同事指出，这种比较可能会显著改变表观精度）；将综合结果限制在被判定为偏倚风险低的研究；以及在缺失数据或不同效应指标的不同处理方式下重新运行分析。在这些变体中基本保持不变的结果被认为是稳健的；发生实质性变化的结果则表明结论是偶然的，必须在报告中附带该警告。Sterne 及其同事提出的相关诊断方法，例如检查漏斗图不对称性，通过探究小样本研究效应或报告偏倚是否威胁到汇总估计值，补充了敏感性分析。

Clinical relevance

指南或卫生技术评估是否应根据汇总估计值采取行动，部分取决于该估计值的稳健性，因此敏感性分析有助于读者判断综合结果的可靠程度。本条目描述了该方法，并非个体临床决策的基础。

Evidence & guidelines

根据《Cochrane 手册》（Higgins & Green, 2008），敏感性分析是系统评价实施的预期组成部分，并体现在 PRISMA 报告条目中（Moher et al., 2009）；Sterne 及其同事（2011）提供了关于漏斗图不对称性相关评估的指导。

History

随着临床荟萃分析在 20 世纪 90 年代和 21 世纪初的成熟，审阅者们日益认识到单一的汇总数字可能隐藏着脆弱性，预先指定的敏感性分析成为《Cochrane 手册》和 PRISMA 中编纂的标准化审阅行为的一部分。关于漏斗图不对称性的并行工作（Sterne et al., 2011）提供了结构化的方法来检验一个重要的威胁，即小样本研究效应，这与稳健性检查的精神一致。

Debates

敏感性分析应如何规划和报告？

普遍认为，敏感性分析应预先指定并与事后探索明确区分，以避免选择性地报告支持预期结论的版本，这一标准体现在当前的报告指南中。

Key figures

• Julian Higgins
• Jonathan Sterne
• Richard Riley
• Jonathan Deeks

Seminal works

• higgins-handbook-2008
• sterne-2011

Frequently asked questions

什么是逐一剔除法敏感性分析？

它重复进行荟萃分析多次，每次省略一项研究，以观察是否有任何单一研究驱动汇总结果；如果估计值在所有这些情况下都稳定，则没有单一研究具有过大的影响力。

敏感性分析与亚组分析有何不同？

敏感性分析检验结论对分析选择或排除研究的稳健性，而亚组分析则探讨效应本身在不同定义的研究或参与者组之间是否存在差异。