COVID-19 | 如何利用Meta-analysis分析挖掘175篇文献中的COVID-19发病机制

 

WTO的数据显示：截至2020年11月5日，COVID-19在全球范围内已造成120万人死亡。患者的临床表现具有多样性且与个体免疫反应的差异高度相关，包括无症状、轻症、中症、重症、死亡等。代谢促进人体的所有生物过程，包括免疫反应等，因此探究COVID-19如何影响人体的代谢产物可加速人们对该疾病的了解。

 

世界各地的学者和实验室进行了许多代谢组研究，旨在揭示COVID-19患者在患病期间的代谢失调。许多研究获得了突破性的结论和成果。氨基酸、能量代谢（糖酵解、TCA循环、戊糖磷酸途径）、尿素循环、脂质代谢产物（脂肪酸、花生四烯酸、甘油磷脂和鞘脂）等含量的变化现在被认为是COVID-19发病机制的重要特征。

 

对现有数据集进行Meta-analysis可以加速对COVID-19发病机制的了解，并有助于鉴别生物标记，以提供更好的临床治疗。该文献结合对疾病现有的理解对Meta-analysis 的结果进行了说明。下文将依次介绍Meta-analysis的具体方法及实施步骤、文章选取的研究材料、研究方法、数据分析和研究结论。

 

WTO的数据显示：截至2020年11月5日，COVID-19在全球范围内已造成120万人死亡。患者的临床表现具有多样性且与个体免疫反应的差异高度相关，包括无症状、轻症、中症、重症、死亡等。代谢促进人体的所有生物过程，包括免疫反应等，因此探究COVID-19如何影响人体的代谢产物可加速人们对该疾病的了解。

 

世界各地的学者和实验室进行了许多代谢组研究，旨在揭示COVID-19患者在患病期间的代谢失调。许多研究获得了突破性的结论和成果。氨基酸、能量代谢（糖酵解、TCA循环、戊糖磷酸途径）、尿素循环、脂质代谢产物（脂肪酸、花生四烯酸、甘油磷脂和鞘脂）等含量的变化现在被认为是COVID-19发病机制的重要特征。

 

对现有数据集进行Meta-analysis可以加速对COVID-19发病机制的了解，并有助于鉴别生物标记，以提供更好的临床治疗。该文献结合对疾病现有的理解对Meta-analysis 的结果进行了说明。下文将依次介绍Meta-analysis的具体方法及实施步骤、文章选取的研究材料、研究方法、数据分析和研究结论。

---

Meta-analysis

 

DEF

 

Meta-analysis是一种定量统计合并的流行病学方法，Meta意思是more comprehensive，即更加全面综合。其主要目的是将不同研究的结论更为客观综合地反映出来。在临床研究领域，样本量的局限性，实验条件的差异都会影响研究的结论，因此同一方向的研究经常会得出截然不同的结论，对临床诊断和未来的研究人员产生误导。Meta-analysis通过系统评价和统计分析，通过统计方法来纠正偏误，使分析的结果更为全面和可靠，为临床决策和未来的研究提供了良好的依据。在Meta-analysis的分析过程中，研究者不进行原始的研究，而是将研究已获得的数据进行综合分析。Meta-analysis是结论的结论，该方法不是研究问题的终点，而是阶段性总结检验。

---

Framework

 

选题

 

对一些大样本，多中心临床合作已经得到明确结论的课题，没必要做Meta-analysis。对于结论有争议，实验样本量较小的课题，才需要Meta-analysis。

---

文献检索

• 圈定搜索数据库
• 确定语言类型
• 明确需要包含的研究类型
• 明确暴露因素/治疗方法
• 筛选关键词
• 检索获取摘要和全文

---

数据整合

 

描述性整合

 

• 建立干预/暴露因素是如何导致结果的假说，包括原因和适用人群
• 初步综合纳入的研究，以文本形式或者制表和／或图形显示
• 探讨各研究内或各研究间的关系
• 评估证据的稳定性
• 评估Meta-analysis的重要性

 

定量整合

 

• 提高统计检验的power和精度
• 统计结合各研究结果给出一个“平均”干预效果的合并估计值，改进对作用效应的估计
• 评价结果一致性，解决不同研究间的矛盾
• 解决以往单个研究未明确的新问题

---

数据分析方法

 

• 异质性检验（齐性检验）
• 统计合并效应量（加权合并，计算效应尺度及95％的置信区间）并进行统计推断
• 图示单个试验的结果和合并后的结果：森林图（Forrest plot）
• 敏感性分析：用来评估Meta-analysis分析结果的稳定性
• 采用“倒漏斗图”对入选文献进行潜在的发表偏倚（publication bias）的评

---

研究材料

 

文章从175篇与COVID-19相关的文章中选取了来自美国、中国和巴西的六项研究，共包含7个数据集（来自337个体的438个样本）。

 

---

研究方法

• 多元统计分析(PCA/OPLS-DA)
• 通路分析
• network分析
• 热力图层次聚类分析
• Meta-analysis

---

数据分析

• 运用MetaboAnalystR 3.0 pipeline对原始数据集进行处理，根据正负离子合并后的峰强度得到最优参数的列表。
• 运用PCA和OPLS-DA来判断对照组（HCs）和新冠疾病组（COVID-19）的区别。PCA分析中得到的第一主成分和第二主成分可能由于代谢数据的高维问题，对总方差的解释率较低。但在进一步进行OPLS-DA分析之后，两组具有显著区别（Q2 0.964 and R2 0.803）且置换检验显示无过拟合现象。
• 运用Mummichog approach 对原始数据进行代谢通路的富集分析，其中发现HCs组和COVID-19组中有四条通路存在显著差异。
• 在探究新冠病人体内的代谢活动变化时，network 分析可以揭示协调代谢活动，作为代谢物簇在体内的分布。