【网状Meta分析】仅凭普通亚组分析竟登上JAMA主刊!

从零开始学习使用 AI 欢迎踏入ClaudeCode未来世界,开启与AI协作的全新旅程。无论你是零基础新手、开发者,还是非程序员,都能通过实战项目快速掌握智能体协作技能——不再只是提问,而是指挥AI完成复杂任务。你将化身主角,在16个级别、200+实践中成长为高效创造者。真正的优势不再是会用工具,而是懂得如何让智能体为你工作。取代你的不是AI,而是会用AI的人。现在,故事从你开始👇 阅读详情

系统综述和网状Meta分析

晋升在即,却发现自己还没有一篇SCI文章?😭

预算、经验、资源统统为“零”!别担心,Meta分析或许能帮你逆袭!

当大家纷纷在拼搏创新、追逐新技术时,网状Meta分析已经悄悄踏入了一区Top的队伍。

今天,我们聚焦一篇2025年3月发表于医学顶刊JAMA(医学一区,IF63.5)的研究,题为:“Age and Sex Differences in Efficacy of Treatments for Type 2 Diabetes: A Network Meta-Analysis”。研究团队通过系统综述和网状Meta分析,探讨了三种降糖药物在2型糖尿病患者中的疗效是否受到年龄和性别的影响。

题目:2型糖尿病治疗效果的年龄和性别差异:一项网络荟萃分析

杂志:JAMA

影响因子:IF=63.5

中科院分区:医学一区

发表时间:2025年2月

01 研究背景

过去20年,SGLT2抑制剂和GLP-1受体激动剂已广泛用于2型糖尿病管理,并证实可改善心血管和肾脏结局。然而,老年人和女性在临床试验中的代表性不足,使治疗效果在不同人群中的适用性存在不确定性。65岁以上人群糖尿病患病率较高,且功能障碍和并发症风险增加,而女性虽绝对风险较低,但相对心血管风险更高,管理亦不足。当前指南未针对不同性别或年龄推荐特定治疗方案,因此,该团队进行系统综述和荟萃分析,以评估SGLT2抑制剂、GLP-1受体激动剂及DPP4抑制剂在不同年龄和性别患者中的疗效差异。

02 方法学

检索策略

团队检索了MEDLINE、Embase及美中临床试验注册库,检索截至2022年11月,使用关键词和医学主题词。

纳入标准

① 随机临床试验;

② 受试者为18岁及以上、确诊为2型糖尿病的成年人;

③ 研究需评估SGLT2抑制剂、GLP-1受体激动剂或DPP4抑制剂对糖化血红蛋白A1c或主要不良心血管事件(包括心血管死亡、非致死性心肌梗死或非致死性卒中)的疗效,并以安慰剂或其他类别药物为对照。

排除标准

① 同类药物之间的比较研究及未注册的试验,同时纳入无论是评估优效性还是非劣效性的研究。

数据提取

药物名称、剂量和方案通过ClinicalTrials.gov和已发表文献提取。基线时的年龄和性别来自已发表文献,个体参与者数据试验则直接从数据中获取。糖化血红蛋白A1c结果也通过相同途径提取,缺失数据使用最后可用观察值。主要不良心血管事件通过手动提取,并在有个体数据的试验中统一定义。个体数据的试验中,关注严重不良事件及与药物相关的事件(如胃肠道不良事件、低血糖等)。汇总数据试验未评估不良事件。偏倚风险使用Cochrane工具评估。

统计分析

统计分析使用了R中的multinma包进行多级网络元回归,分别针对糖化血红蛋白A1c和主要不良心血管事件拟合模型。分析包含个体参与者数据和汇总数据,基于药物类别和剂量进行分组。Cox回归模型用于分析主要不良心血管事件,评估年龄和性别对治疗效果的影响。对于不良事件数据,使用拟Poisson和负二项回归模型分析事件发生情况。95%可信区间用于估计效应及交互作用,所有分析未进行多重检验调整。分析使用R 4.4版本完成。

03 分析结果

文献检索结果

纳入了601个试验进行网状Meta分析,其中498个试验仅有汇总数据,103个试验有个体参与者数据。592个试验报告了糖化血红蛋白A1c,23个试验报告了主要不良心血管事件,14个试验报告了两者。

图1. 纳入试验的识别与汇总

主要治疗效果

在标准网状Meta分析中,各治疗方案与安慰剂相比,均显著降低糖化血红蛋白A1c,减少幅度为0.5%至1.5%。对于主要不良心血管事件,SGLT2抑制剂和GLP-1受体激动剂相比安慰剂显著降低了风险,而DPP4抑制剂未显示出显著的效果。

年龄×治疗和性别×治疗交互作用

研究分析了年龄×治疗和性别×治疗的交互作用对糖化血红蛋白(HbA1c)和主要不良心血管事件(MACE)的影响。

HbA1c 降低效果:

① SGLT2 抑制剂的降糖效果随年龄增长而减弱,单药、双药和三药治疗的 HbA1c 绝对降低值分别减少 0.24%、0.17% 和 0.25%(每增加 30 岁);

② GLP-1 受体激动剂的降糖效果随年龄增长增强,单药和双药治疗的 HbA1c 绝对降低值分别增加 -0.18% 和 -0.24%;

③ DPP4 抑制剂在双药治疗中对年长者的 HbA1c 降低稍有增强(-0.09%),但单药和三药治疗无明显变化。

SGLT2 抑制剂在三药治疗中对男性的 HbA1c 降低效果略好(-0.06%)。

MACE 风险降低:

① SGLT2 抑制剂对年长者的 MACE 风险降低更显著(HR = 0.76/30 年);

② GLP-1 受体激动剂的 MACE 保护作用在年长者中较弱(HR = 1.47/30 年);

③ DPP4 抑制剂的 MACE 保护效应不显著(HR = 0.73);

④ DPP4 抑制剂对男性的 MACE 预防效果较差(HR = 1.65),但调整性别亚组数据后,该效应有所减弱(HR = 1.22)。

其他不良事件:

① 没有发现任何药物类别在胃肠道不良反应、低血糖、尿路感染或严重不良事件方面存在年龄或性别交互作用;

② 由于个体数据试验中死亡率较低,未发现年龄或性别对非心血管死亡的影响;

③ 截肢和酮症酸中毒的事件过少,无法建模分析。

所有敏感性分析的结果基本一致,排除或包含个别试验数据未显著影响主要结论

图 2. 年龄×治疗和性别×治疗对糖化血红蛋白(HbA1c)及主要不良心血管事件(MACE)的交互作用

报告主要不良心血管事件(MACE)试验的年龄和性别特异性效应

SGLT2 抑制剂在老年人群(无论性别)中均显著降低 MACE 风险,而 GLP-1 受体激动剂在年轻女性中观察到 MACE 风险降低,但在男性及老年人中未见显著作用,且其疗效对个体数据试验的纳入较为敏感,需谨慎解读。DPP4 抑制剂整体对 MACE 影响不显著,尽管在不同年龄和性别中显示一定差异,但这些结果受特定试验影响较大,不具普遍性。

图 3. 治疗对主要不良心血管事件(MACE)风险的影响

04 讨论

这项网络 meta 分析评估了 601 项试验中 3 类新药(SGLT2 抑制剂、GLP-1 受体激动剂和 DPP4 抑制剂)在 2 型糖尿病患者中的疗效是否因年龄或性别而异。SGLT2 抑制剂对 HbA1c 的降效随着年龄增加有所减弱,但在老年人中对主要不良心血管事件(MACE)的保护作用更为显著。GLP-1 受体激动剂在年长患者中降糖效果较好,而在年轻女性中对心血管结局的疗效更强。尽管先前研究未能充分评估年龄和性别差异,本研究通过更全面的数据表明性别对药物疗效无显著影响。

尽管 SGLT2 抑制剂在降糖效果上受到年龄影响,老年人群中依然显示出较强的心血管获益,这可能与老年人肾功能下降有关。本研究强调,在老年患者中应重视药物的心血管保护作用,并考虑药物的安全性和耐受性,尤其是在伴有多种慢性疾病的患者中。未来需要更多纳入高龄患者和衰弱状态人群的研究,以评估治疗效果并优化个体化治疗。

这项网络 meta 分析存在若干局限性。尽管使用了个体参与者数据以提高统计效能,但这些数据仅在 17% 的试验中可用,且数据选择依赖于赞助商的数据共享安排。分析中使用的多层次网络 meta 回归假设同类药物的治疗效果交互作用是共同的,尽管药物类内的疗效被独立估算。此外,尽管纳入了大量试验,但仅少部分评估了心血管结局,并且由于软件限制,含多个药物类的试验组被排除。分析未涵盖其他临床结局如肾脏事件。虽然研究评估了年龄和性别的影响,但由于事件数量较少,分析受限。最后,未以绝对风险呈现主要不良心血管事件,年长者的绝对益处受竞争风险影响,因此,治疗的绝对益处需要综合考虑各类事件的发生率。

05 小优结语

这篇文章探讨了不同年龄和性别的2型糖尿病患者治疗效果的差异,发现SGLT2抑制剂和GLP-1受体激动剂能降低主要不良心血管事件风险。分析表明,SGLT2抑制剂在老年人群中的心脏保护作用更强,尽管其在降血糖方面效果较小;而GLP-1受体激动剂则在年轻人群中效果更好。

对于SCI初学者,Meta分析是最佳的论文写作方式之一,不需要做实验、不需要收数据,只要你有文献查阅能力,就能够完成!

第28篇 sw放样特征矩形-圆-矩形学习笔记 本例演示三轮廓放样:先画中心对齐的100×100矩形草图,再在偏移100的基准面上绘制圆,最后在另一基准面画矩形。通过依次选择三个轮廓并正确设置连接点,实现矩形→圆→矩形的平滑过渡,注意连接点位置避免扭曲。 阅读详情

相关推荐

告别点不亮!STM32F103驱动HT1621段码屏的常见坑点与调试心得

本文详细解析了STM32F103驱动HT1621段码屏的五大常见问题及解决方案,包括硬件连接、时序控制、RAM地址映射等关键难点。通过实测数据和代码示例,帮助开发者快速排查显示异常问题,提升驱动开发效率。特别针对HT1621与STM32F103的兼容性问题提供了专业调试建议。

weixin_30925435的博客 378

R使用multinma程序包实现生存数据的贝叶斯网状meta分析

multinma是由Phillippo开发的程序包,主要用来实现基于IPD校准的多水平网状Meta回归(ML-NMR),同时该程序包也可以用来实现传统的网状meta分析。今天的文章介绍如何使用multinma程序包实现生存数据的贝叶斯网状meta分析,用来评估6种免疫疗法联合化疗方案治疗一线晚期或转移性鳞状食管癌的NMA。

weixin_46587777的博客 2179

基于MicroPython的ESP32与微信小程序MQTT通信实战

本文详细介绍了基于MicroPython的ESP32与微信小程序通过MQTT协议实现远程控制的完整实战方案。项目利用巴法云作为免费MQTT服务器,提供了从设备端编程、小程序开发到通信调试的全流程指南,帮助开发者快速构建低成本、易上手的物联网应用,如智能开关、传感器监控等。

week9的博客 632

最新!复旦学者发文BMJ(IF=93.6)

2025年1月22日,复旦大学的学者在医学顶刊《BMJ》(医学一区top,IF=93.6)上发表了一项多中心、双盲、随机、安慰剂对照试验,题为“Dapagliflozin plus calorie restriction for remission of type 2 diabetes: multicentre, double blind, randomised, placebo controll...

郑老师统计 741

在 Ansys CFX Pre 中配置 RGP 表的分步指南

掌握在 Ansys CFX Pre 中设置 RGP 表的技巧,以优化仿真精度和效率。

jkh920184196的博客 1664

RK3399外设驱动之MIPI

RK3399外设驱动之MIPI 文章目录RK3399外设驱动之MIPIMIPI命令解析入口代码mipi显示配置实例rk3399mipi驱动rk mipi驱动注册过程rk32_mipi_dsi.c解析 内核版本 Linux4.4 平台 rk3399 作者 nineyole MIPI命令解析入口代码 MIPI的入口代码如下:kernel\drivers\video\rockchip\screen\lcd_mipi.c static int __init rk_mipi_screen_in

学无止境 2227

r语言ggplot怎么把多个维度数据合并在一个图中表示_精选| 2020年6月R新包推荐(第43期)...

作者:Joseph Rickert翻译:黄小伟,资深大数据分析从业者。目前就职杭州有赞数据分析团队,欢迎加入!知乎专栏:中国R语言社区 |10000+关注(Top 1)知乎圈子:数据分析圈 |6000+关注(Top 1)精选| 2020年6月R新包推荐(第43期)​mp.weixin.qq.com2020年6月份,290个R新包收录于CRAN(2020年5月份收录184个),累计收录16,896个...

weixin_39849239的博客 462

强化学习从基础到进阶-案例与实践[4]:深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN

强化学习从基础到进阶-案例与实践[4]:深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN

丨汀、的博客 2065

union all语句优化改写经验分享

1、问题前面几个案例是因为提前生成HEAP TABLE,条件没有提前过滤导致性能问题,今天想跟大家分享一个案例是适合做HEAP TABLE优化的。计划:从计划上对t1表过滤重复两次,从语句中可以看到是union all两部分,一部分是合计,另一部分是分组统计,此时我想到可以先分组统计,再把分组统计结果进行合计,分组统计的结果可以放到临时表中即heap table,从数学角度上讲就是提取公因子。2、改写计划:结果符合预期,性能提升一倍以上。

zcn126的博客 356

行业变革下的功能安全落地痛点3:高阶智驾安全责任转移 —— 从 “人为中心” 到 “机器主责” 的产业阵痛

文章围绕高阶智驾(L3 级)落地挑战,探讨安全责任从 “人控” 向 “机控” 转移的本质、技术短板导致的责任模糊、全球法规实践及技术 - 法规 - 保险的破局路径。

my9111526 126

【2026年华为暑期实习(AI)-4月29日-第一题- 选择题】(题目+思路+Java&C++&Python解析+在线测试)

本文摘要涵盖了机器学习和深度学习中的多个核心概念与技术,包括非负矩阵分解、条件数、MobileNet创新点、LDA降维、大模型评测指标、半精度训练、多任务学习、GPU存储层次、正则化、张量并行等。通过12道单选题和8道多选题的形式,系统性地考察了相关理论原理、应用场景及工程实践要点。题目设计注重概念准确性(如LDA目标函数)、技术细节(如Megatron-LM的并行策略)与实际应用(如FP16训练动机),并包含概率统计(二项分布)和数值计算(微分误差分析)等数学基础内容,全面检验读者对AI领域关键知识的掌握

m0_73659489的博客 142

MySQL建库建表操作学习笔记

SQL(Structured Query Language,结构化查询语言)是用于在关系型数据库上执行数据操作、数据检索以及数据维护的标准语言。:用于定义对数据库对象(库、表、列、索引)的操作,如 CREATE、DROP、ALTER、RENAME、TRUNCATE 等。保存可变长度的字符串(可包含字母、数字以及特殊字 符)。:用于定义对数据库记录的操作,如 INSERT、DELETE、UPDATE、SELECT 等。:用于定义对数据库、表、字段、用户的访问权限和安全级别,如 GRANT、REVOKE 等。

Eternitycai的博客 221

Python爬虫实战:如何通过解析JSON数据抓取抖音视频评论

本文介绍了如何使用Python爬虫抓取抖音视频评论数据。请求头伪造:通过使用随机的User-Agent,模拟真实用户的请求。代理池:使用代理IP来避免被封禁。JSON解析:直接从API接口获取JSON格式的数据,避免了动态加载内容的限制。需要注意的是,抓取网站数据时应遵守网站的爬虫协议,避免过度抓取影响网站性能或违反法律法规。希望本文能够帮助你掌握如何抓取和分析抖音视频评论数据!

2201_76125261的博客 3358

2026.11.7 AI学习总结

110 你 14b 模型权重本身就要约 8.8GB,默认上下文(Ollama 在 16GB 卡上可能给到 4K)加上 KV Cache 就爆了。比如设成 2048,你输入了 500 个 token 的问题,那模型最多还能生成 1500 个 token 的回答。超出部分会被截断,模型就"看不见"了。4 如果 14b 跑起来后发现它"忘事",再逐步往上加,比如先试 4096。,根据注意力头的重要性动态分配缓存资源,重要的留显存,不重要的下沉。,单位是 token,表示模型这一次推理最多能同时"看到"多少内容。

qq_41181702的博客 366

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

【FreeRTOS源码学习笔记】任务创建

【FreeRTOS源码学习笔记】任务创建

2502_90565057的博客 459

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 405

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

邓明 Agent 系统面试-意图识别学习笔记

不要只是做意图识别而不做测评,就好像要评估 RAG 准确性,在接口服务要测试响应时延,超时控制等等,这里也要关注意图识别准确率,如果面试官认为项目指标太高是在吹牛,关键就是回答因为 Agent 解决的是特定领域的意图识别,识别场景单一,另外就是因为用户输入相对简单。意图识别影响 prompt/spec 的加载,意图识别影响上下文组织,意图识别影响工具选择,意图识别影响 prompt 建议,意图识别得到的意图不是让模型随机生成而是候选类别里去做选择。2.意图识别的原因,以及意图识别得到的是什么?

m0_57222081的博客 212

Java 多态 学习笔记

多态是面向对象编程的重要特性,指同一操作作用于不同对象时产生不同行为。其核心在于“父类引用指向子类对象”,结合方法重写实现运行时动态绑定。多态使代码更灵活、可扩展,如用Person p = new Student();统一处理各类人员注册,无需修改调用逻辑。但多态无法直接调用子类特有方法,需通过instanceof判断并强制转换。编译时看左边(类型),运行时看右边(实际对象),实现解耦与维护便利。

AA_AA114514的博客 337

CMake学习

CMake如何编译成库?1. 为什么要有库?库就是预先写好,编译好的代码集合。存在的意义,1)避免重复造轮子和重复编译,库是,你的代码在编译时直接链接它,不需要把库的源码重新编译一遍,大大节省了编译时间。;2):编译成库让别人可以直接调用我的函数,但看不到cpp源码,看不到里面的逻辑。3):大项目可以拆分给不同的团队开发不同的库,最后拼在一起。静态库:就是在程序编译和链接阶段,把库里被用到的代码部分,像打包裹一样,直接复制粘贴到最终的可执行文件(如.exe或 Linux 下的无后缀文件)里面。

m0_56487684的博客 191

商业经济学学习资料

商业经济学学习资料

weixin_29403917的博客 279

将物理先验嵌入机器人学习:从经典力学到 VLA 与 WAM

本文综述了将物理先验嵌入机器人学习的三条路径:数据与表示、模型架构、训练损失,强调其位置决定约束效力。通过夹取软物体案例,阐明运动学、动力学、接触与材料特性在任务中的分层作用。指出物理先验非万能,需匹配实际条件;强约束可加速学习,但误用会引入偏差。提出“有效刚度”等概念,强调主动探测与参数辨识的重要性,并警示仅靠单一方法无法保障安全执行,需结合在线验证与控制闭环。

lovely_yoshino的博客 716

【学习笔记】51单片机 模块化编程

模块化编程:把各个模块的代码放在不同的c文件里,在.h文件里提供外部可调用函数的声明,在其他.c文件想使用其中的代码时,只需要#include"xxx.h"文件即可。传统方式编程:所有的函数均放在main.c中,若使用的模块比较多,则一个文件内会有很多的代码,不利于代码组织和管理,而且很影响编程者的思路。使用LCD602液晶屏作为调试窗口,提供类似printf函数的功能,可实时观察单片机内部数据的变换情况,便于调试和演示。使用到的.h文件必须要放在编译器可寻找到的地方(工程文件夹根目录,安全目录,自定义)

2601_96469072的博客 221

Linux网络学习【深入理解多路转接epoll】

本文围绕 Linux 多路转接 epoll 展开,以“设计动机—核心机制—触发模式—代码实践”为主线,对比 select、poll 的监听管理与就绪检查方式,解析关注集合、就绪列表及核心接口,重点讲解水平触发与边缘触发的行为差异,以及边缘触发配合非阻塞读写的处理要点。结合多连接服务器实践,梳理事件注册、连接接收、部分收发、可写事件按需监听及断开清理流程,厘清就绪通知与操作完成的区别,分析常见错误与性能影响因素,帮助读者建立从事件循环到连接管理的完整认识,为高并发服务器与事件驱动框架开发打下基础。

承于所学,探技术之渊;以代码求政,寻成长之道。 1万+

正则表达式学习笔记 02:基础语法

正则表达式是描述字符匹配规则的迷你语言,由普通字符和元字符组成。普通字符直接匹配自身,而元字符如.、*、+、^、$等具有特殊含义,用于控制匹配模式。常见功能包括任意字符匹配、字符类、预定义类(如\d)、量词、位置锚点、分组与捕获、环视断言及反向引用。需注意,若要匹配元字符本身,必须使用转义符\。例如,\.可匹配字面点号。

菜鸟的专栏 173

为什么学习 GUI 程序设计:从 Swing 入门桌面界面开发

学习GUI程序设计能让程序从“能用”走向“好用”,提升用户体验与开发能力。选择Java Swing作为入门,因其随JDK自带、跨平台一致、组件完整且学习曲线平缓。通过掌握容器、组件、布局与事件四大核心概念,结合最小示例实践,可快速构建交互界面。建议循序渐进:运行示例→熟悉组件→理解事件→组合布局→完成小项目(如待办清单),夯实桌面应用开发基础。

xyouyuweizhu的博客 108

ES6:Iterator与Generator函数学习及Generator函数和async实现异步编程理解

几个概念:可迭代对象是指具有迭代器接口的对象: 实现类数组使用 for of 循环 对象无法使用数组的迭代器。 generator 函数类似遍历器函数,返回一个迭代器对象; 该对象调用 方法时,会把 后面的表达式作为值 ,并执行当前指针与下一步指针之间的程序。 generator 实现迭代器函数 后面跟的内容为 得到的 值。流程:循环 会调用 generator 函数,返回一个 iterator 对象, 方法由 generator 内部的 决定。 Gene

2403_87566238的博客 215
上一篇: GRADE评分:Meta分析中的“证据等级”标尺,你真的了解吗?
下一篇: 【生信】机器学习算法+多组学搞定一区top,你的强来了!
全优统计
博客等级 码龄3年 497粉丝 62原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值