危險比（hazard ratio，HR）作為生存研究的效應指標，是生存資料 Meta 分析最適宜進行合并分析的效應量，但常因原始研究未直接報道或缺乏而難以獲取。目前可采用從原始研究的生存曲線圖上截取生存率等數據，并將其與隨訪時間等信息輸入 Excel 進行轉換來獲得 HR 及 95%CI 的數據。然而，目前國內對相關換算過程的報道較少，且換算的細節未達成一致。本文旨在對如何獲取驗證生存曲線中的生存數據進行探討，以期為進行生存數據 Meta 分析的研究者提供合理的生存數據獲取方法。
引用本文： 劉清, 丁利. 如何獲取與驗證生存曲線中生存數據進行 Meta 分析. 中國循證醫學雜志, 2019, 19(9): 1124-1130. doi: 10.7507/1672-2531.201904111 復制
生存分析（survival analysis）是將事件的結果和出現這一結果所經歷的時間結合起來分析的一類統計分析方法，同時考慮生存時間和生存結局，因此也被稱為事件時間分析（time to event analysis）。目前，生存分析廣泛應用于惡性腫瘤、慢性疾病等的預后研究，如白血病化療緩解持續時間和緩解率、胃癌術后生存時間和生存率等。生存率的估計可采用 Kaplan-Meier 法和壽命表法，以前者較常用。生存曲線（survive curve）是以時間為橫軸、生存率為縱軸繪制的階梯狀圖形，包括 K-M 曲線和壽命表法曲線[1]。
對于生存資料而言，結局事件和結局發生時間同樣重要。因此，危險比（hazard ratio，HR）是生存資料 Meta 分析最適宜進行合并分析的效應量[2]。如果采用比值比（odds ratio，OR）或相對危險度（relative risk，RR）對生存資料進行分析，僅能對事件發生時間點的結局指標情況進行計算，不能反應全貌[3]。
采用 RevMan 軟件進行 HR 的 Meta 分析時，需要采用一般倒方差法，錄入 HR 的對數及其標準誤（standard error，SE）。獲取 ln HR 和 SE（ln HR）有兩種方法：① 采用直接法或間接法計算，方法詳見 2007 年 Tierney 等[4]的研究；② 生存曲線法。周支瑞等[5]報道了生存曲線法提取 HR 和轉換 Meta 分析數據的方法，但對很多具體細節如取點法、隨訪時間的估算、圖片的處理等報告并不詳細。本文旨在對如何獲取與驗證生存曲線中生存數據進行 Meta 分析的過程及相關細節，以期為進行生存數據 Meta 分析的研究者提供合理的生存數據獲取方法。
1 資料與工具
1.1 資料來源
本文生存曲線及相關生存資料的數據來源于 Lim 等[6]的研究，該研究報告了早期未分化胃癌干預后的長期臨床結局指標。
1.2 圖片提取及處理軟件
Adobe Photoshop 7.0、PDF 轉換器等。
1.3 圖形數據轉換軟件
圖形數據轉換軟件種類較多，如 Getdata graph digitizer、Engauge digitizer 等，本文采用 Engauge digitizer 4.1 軟件，因為該軟件具有開源特性，且操作簡單、容易獲得。下載地址為：http://sourceforge.net/projects/digitizer/。下載并解壓后雙擊 Engauge.exe 即可使用。
1.4 HR 換算表格程序
采用 Tierney 等[4]提供的 HR 換算的 Excel 表格。將從生存曲線提取的數據及文獻相關信息填入該表格，即可換算得到 HR 及其 95%CI。該表格包含 7 個工作表，每個工作表都有特定的作用。本文主要涉及（1）summary data、（2a）curve data、（2b）curve copy 和（4）outcome information 4 個工作表，后續我們將簡要介紹實現數據轉換的具體步驟及注意事項。文件下載地址為： http://www.biomedcentral.com/content/supplementary/1745-6215-8-16-S1.xls。
2 生存曲線圖的提取與處理
2.1 圖片提取
高質量的生存曲線圖更容易被圖形數據轉換軟件識別，尤其在連續取點時可避免“長段間隔”現象發生，此外，還能提高手動取點的精準度。故建議使用 PS 軟件、PDF 轉換器等提取像素更大的圖片。值得注意的是，Windows 操作系統自帶的截圖軟件雖然操作便捷，但圖片的分辨率低，不建議使用。
2.2 圖片處理
由于 Engauge digitizer 4.1 對黑白圖片較敏感，對虛線識別差，因此需對提取圖片進行適當的修飾處理。以 Adobe Photoshop 7.0 為例，具體方法如下。
將彩色圖片進行“去色”處理，轉化為黑白圖片（操作步驟為依次點擊“圖像→調整→去色”）。還可通過“銳化”、“調色階”等處理，以提高圖像清晰度。生存曲線線條偏細、色澤灰暗及虛線時，Engauge 軟件對其識別較差，且影響標記取點的準確度。因此，此類圖片要進行相應的“線條加粗”、“顏色加深”和“虛線實化”等修飾。上述過程，可簡單地通過 PS 軟件實現，具體操作方法：打開 PS 軟件→導入圖片→選擇“鉛筆”工具→通過選擇畫筆“主直徑”加粗線條→選擇“色板”上的黑色以加深顏色→沿曲線拖動畫筆（非直線時）或按“Shift”鍵拖動畫筆（直線時）可實現虛線實化。當兩條曲線靠近、交叉時，建議用細線條對目標曲線進行修飾，以增加線條間的辨別度。重疊部分以軟件能識別為宜，一般可不修飾。圖片修飾前后效果比較，見圖 1。
圖1
圖片修飾前后軟件識別效果對比圖
a：原圖；b：原圖識別情況；c：對目標曲線進行“顏色加深”處理后；d：修飾后圖片識別情況。
3 數據獲取
在獲取清晰的、曲線辨別度高的圖片后，導入 Engauge 軟件，選擇合適的取點法，不僅能提高模擬曲線的符合程度，又能節省時間。因取點密集、重復、小數位數多等，需對讀取數據進行適當整理。
3.1 導入曲線圖
打開 Engauge 4.1 軟件，依次點擊“File→Import”，選擇并雙擊修飾后的圖片 c（圖 1）即可。未經修飾圖片可能出現曲線不被識別或“間隔”現象，如修飾后圖片導入后出現模糊不清、點片狀缺損等，可依次點擊“View→Original Image”，以顯示原圖，見圖 2。
圖2
導入軟件時的生存曲線圖
3.2 系統設置
3.2.1 定義曲線
根據實際需要，增添曲線名稱，依次點擊“Settings→Curves”，彈出對話框點擊“New”即可。曲線默認名稱為“Curve+數字”，通過“Rename”進行更改，以使標記符號與各曲線呈一一對應關系。點擊“Properties”，可更換取點標記符號的形狀、大小、顏色及描記線的粗細、顏色等，以便區別各曲線且易避免交叉取點發生。
3.2.2 定義二維坐標系
即確定原點及橫縱坐標軸的刻度。點擊工具欄“Zoom”可放大圖像。操作方法為依次點擊“Digitize→Axes”，或點擊工具欄的“Axes Point”，以十字光標交叉點瞄準原點及坐標軸最大刻度處并點擊，在彈出對話框中填寫具體坐標值即可。需要說明的是，坐標軸交點并非總是原點，如本文中交點坐標應為（0，60）。此外，部分文獻提供生存曲線坐標軸交點位置不明確，需要對其進行適當的估計。設置后的生存曲線圖，見圖 3。
圖3
系統設置后的生存曲線圖
3.3 取點法
3.3.1 自動取點
操作方法為點擊“Digitize→Segment Fill”或點擊工具欄的“Segment Fill”，此時曲線被識別而呈綠色，見圖 4a。通過工具欄的“Curve List”選擇曲線，沿對應曲線移動光標并點擊即可自動取點，直至兩條曲線均完成取點，見圖 4b。
圖4
各種取點法效果圖
3.3.2 手動取點
依次點擊“Digitize→Segment Fill”或點擊工具欄的“Curve Point”，呈現灰度圖，見圖 4c。同樣，點擊工具欄的“Curve List”選擇曲線，沿對應曲線移動光標并點擊可自由取點。為使模擬曲線接近真實情況，遵循如下原則：曲線平直時取點稀疏，波動曲折時較多取點，見圖 4d。
3.3.3 等分取點
即將隨訪時間范圍等間隔均分，在每條等分線與曲線交點處取點。根據隨訪時間、曲線特點決定等分間距，且等分數不宜超過 Excel 轉換程序的容量。操作方法為依次點擊“Settings→Grid display”，彈出對話框圖 5a。在“X Grid Lines”，選擇“X Stop”，即可調節“X Count”（等分線的數目，包括邊線）、“X Start”（坐標軸交點橫坐標值）、“X Step”（等分間距）。本文生存曲線實例的等分間距為 5 個月，則等分線數為 26，“X Start”為 0，見圖 5b。設置完成后，點擊“OK”，然后點擊“View→Gridlines display”，即可顯示圖 4e。同樣，點擊工具欄的“Curve List”選擇曲線，移動光標，在等分線與曲線交點處取點，見圖 4f。周支瑞等[5]報道可以用 PS 軟件進行等分取點，但我們使用 Engauge 軟件自帶功能更簡單易行。
圖5
使用軟件自帶功能實現“等分”
3.4 讀取并處理數據
在圖 4b、4d 和 4f，點擊工具欄“Export File”，在彈出的對話框中選擇文件保存地址，設置文件名稱，點擊“保存”即可導出格式為“.csv”的文件。文件中即為各曲線取點的具體坐標數據。本文以等分取點法為例，對讀取數據的適宜處理方法進行說明。
等分取點實質上仍為手動取點，值得注意的是，取點不精確會導致同一等分線處出現多組數據，由于數據轉換程序容量限制，本文建議保留與等分線對應 X 值最接近的數據，其余進行刪減。如圖 6 所示，設置數據小數位數。X 列設置小數位數為 1 位，另外兩列設置為 2 位。而周支瑞等[5]采用將 X 列小數位數設為 0 位，可能會加大了實際點與真實點的偏差，。取點時，由于存在偏差，后一點的生存率可能略大于前一點，這多見于曲線呈水平線時，此時需要將后一點的生存率調至前一點水平。另外，隨訪開始時的生存率一般為 100%。讀取和整理后的數據，見圖 6。
圖6
讀取并整理后的數據
4 數據轉換
以 RevMan 軟件實現生存資料的 Meta 分析，需錄入 HR 的對數及其標準誤（一般倒方差法）。用生存曲線法估算時，將讀取并整理后的數據及其他相關信息填入 Excel 運算表格即可獲得。
4.1 填表注意事項
詳細閱讀文獻，將從文獻中獲得的信息如實填入“summary data”，如主題、試驗組與對照組的名稱、各組研究人數及最終分析人數等。此步驟雖不是必須的，但能為后續的操作提供便利。生存曲線法中，可通過最大隨訪時間、最小隨訪時間或多個時間點的危險病例數估計截尾數據[4]。在圖 7a 的工作表中，需輸入隨訪時間范圍，Lim 等僅提供中位數及四分位數間距（IQR），因此合理地估算隨訪時間范圍至關重要。Tierney 等[4]提供估算方法如下：估算最小隨訪時間：① 曲線圖上第一個刪失標記處；② 中位隨訪時間與 1/2 招募病例時間之差；③ 分析數據日期與招募病例末尾日期之差（分析數據日期為投稿日期減去 6 個月）。估算最大隨訪時間：① 曲線圖上最后一個刪失標記處；② 中位隨訪時間與 1/2 招募病例時間之和；③ 分析數據日期與招募病例起始日期之差。本文采用 Engauge 4.1 軟件讀取首尾刪失標記點數據，估算隨訪時間范圍為 7.9～134.8 月。
圖7
數據輸入轉換程序及模擬曲線圖
4.2 輸入數據
在圖 7a 的工作表中，輸入上述隨訪時間范圍。然后，在 C 列輸入圖 6 中的各時間點，在 D 列輸入各時間點對應的生存率。
4.3 模擬曲線及結果
數據輸入后，在工作表 2b 中自動呈現模擬生存曲線，見圖 7b。將其與原生存曲線進行比較以反映最終結果的真實度，結果顯示本例的再模擬的生存曲線與文獻提供的近似。圖 8 為輸出結果，HR = 2.0，95%CI（0.42，9.58），與原始文獻提供的 HR = 1.75，95%CI（0.57，5.40）存在一定的偏差。
圖8
輸出估算結果
5 討論
獲取生存資料的 Meta 分析合并效應量，首選方法為 Tierney 等[4]報道的直接法和間接法。生存曲線法依據曲線及隨訪時間等信息進行估算，則與真實情況存在偏差，主要影響因素如下：① 文獻提供的生存曲線不標準，曲線過粗、不清晰及原點坐標值不明確等；② 隨訪時間范圍可用于估計截尾數據，估算的隨訪時間與實際可能存在較大差異；③ 取點誤差。因此，生存曲線法僅作為一種數據獲取補救措施。本文中估算 HR 及其 95%CI 與文獻存在差異，可能與上述因素有關，此處不細究原因。
與直接獲取生存曲線及隨訪時間比較，生存曲線圖取點具有主觀性。根據曲線特點選擇適宜的取點方法，不僅能提高效率，也能減少與真實值的偏差。取點方法包括自動取點、手動取點及等分取點。自動取點操作簡單，描點精確；但取點過于密集，受 Excel 表格程序的容量限制，可能需刪減部分數據，影響工作效率，如方法不當，則將增大誤差。手動取點時，根據曲線波動情況決定合適的點及點間距，機動性較好，但增加了難度；肉眼描點降低了精確度；在一條曲線上取點，在另一條曲線上默認存在對應的描記點，因此該方法或許并未減少取點的密集程度。等分取點時，根據曲線特點及隨訪時間范圍確定合適的等分間距，降低了點的密集程度；采用應用軟件自帶功能實現，操作簡單，并未影響獲取效率。綜上所述，本文推薦具體實踐中采用等分取點法。
生存資料的 Meta 分析在預后研究的系統評價中應用廣泛，HR 被視為其結果合并的最佳效應量。生存曲線法可作為獲取 HR 等指標的補救措施，但相關研究較少，很多環節尚存爭議。本文不少內容基于作者實踐經驗，難免紕漏之處，希望更多學者進一步研究斧正。
生存分析（survival analysis）是將事件的結果和出現這一結果所經歷的時間結合起來分析的一類統計分析方法，同時考慮生存時間和生存結局，因此也被稱為事件時間分析（time to event analysis）。目前，生存分析廣泛應用于惡性腫瘤、慢性疾病等的預后研究，如白血病化療緩解持續時間和緩解率、胃癌術后生存時間和生存率等。生存率的估計可采用 Kaplan-Meier 法和壽命表法，以前者較常用。生存曲線（survive curve）是以時間為橫軸、生存率為縱軸繪制的階梯狀圖形，包括 K-M 曲線和壽命表法曲線[1]。
對于生存資料而言，結局事件和結局發生時間同樣重要。因此，危險比（hazard ratio，HR）是生存資料 Meta 分析最適宜進行合并分析的效應量[2]。如果采用比值比（odds ratio，OR）或相對危險度（relative risk，RR）對生存資料進行分析，僅能對事件發生時間點的結局指標情況進行計算，不能反應全貌[3]。
采用 RevMan 軟件進行 HR 的 Meta 分析時，需要采用一般倒方差法，錄入 HR 的對數及其標準誤（standard error，SE）。獲取 ln HR 和 SE（ln HR）有兩種方法：① 采用直接法或間接法計算，方法詳見 2007 年 Tierney 等[4]的研究；② 生存曲線法。周支瑞等[5]報道了生存曲線法提取 HR 和轉換 Meta 分析數據的方法，但對很多具體細節如取點法、隨訪時間的估算、圖片的處理等報告并不詳細。本文旨在對如何獲取與驗證生存曲線中生存數據進行 Meta 分析的過程及相關細節，以期為進行生存數據 Meta 分析的研究者提供合理的生存數據獲取方法。
1 資料與工具
1.1 資料來源
本文生存曲線及相關生存資料的數據來源于 Lim 等[6]的研究，該研究報告了早期未分化胃癌干預后的長期臨床結局指標。
1.2 圖片提取及處理軟件
Adobe Photoshop 7.0、PDF 轉換器等。
1.3 圖形數據轉換軟件
圖形數據轉換軟件種類較多，如 Getdata graph digitizer、Engauge digitizer 等，本文采用 Engauge digitizer 4.1 軟件，因為該軟件具有開源特性，且操作簡單、容易獲得。下載地址為：http://sourceforge.net/projects/digitizer/。下載并解壓后雙擊 Engauge.exe 即可使用。
1.4 HR 換算表格程序
采用 Tierney 等[4]提供的 HR 換算的 Excel 表格。將從生存曲線提取的數據及文獻相關信息填入該表格，即可換算得到 HR 及其 95%CI。該表格包含 7 個工作表，每個工作表都有特定的作用。本文主要涉及（1）summary data、（2a）curve data、（2b）curve copy 和（4）outcome information 4 個工作表，后續我們將簡要介紹實現數據轉換的具體步驟及注意事項。文件下載地址為： http://www.biomedcentral.com/content/supplementary/1745-6215-8-16-S1.xls。
2 生存曲線圖的提取與處理
2.1 圖片提取
高質量的生存曲線圖更容易被圖形數據轉換軟件識別，尤其在連續取點時可避免“長段間隔”現象發生，此外，還能提高手動取點的精準度。故建議使用 PS 軟件、PDF 轉換器等提取像素更大的圖片。值得注意的是，Windows 操作系統自帶的截圖軟件雖然操作便捷，但圖片的分辨率低，不建議使用。
2.2 圖片處理
由于 Engauge digitizer 4.1 對黑白圖片較敏感，對虛線識別差，因此需對提取圖片進行適當的修飾處理。以 Adobe Photoshop 7.0 為例，具體方法如下。
將彩色圖片進行“去色”處理，轉化為黑白圖片（操作步驟為依次點擊“圖像→調整→去色”）。還可通過“銳化”、“調色階”等處理，以提高圖像清晰度。生存曲線線條偏細、色澤灰暗及虛線時，Engauge 軟件對其識別較差，且影響標記取點的準確度。因此，此類圖片要進行相應的“線條加粗”、“顏色加深”和“虛線實化”等修飾。上述過程，可簡單地通過 PS 軟件實現，具體操作方法：打開 PS 軟件→導入圖片→選擇“鉛筆”工具→通過選擇畫筆“主直徑”加粗線條→選擇“色板”上的黑色以加深顏色→沿曲線拖動畫筆（非直線時）或按“Shift”鍵拖動畫筆（直線時）可實現虛線實化。當兩條曲線靠近、交叉時，建議用細線條對目標曲線進行修飾，以增加線條間的辨別度。重疊部分以軟件能識別為宜，一般可不修飾。圖片修飾前后效果比較，見圖 1。
圖1
圖片修飾前后軟件識別效果對比圖
a：原圖；b：原圖識別情況；c：對目標曲線進行“顏色加深”處理后；d：修飾后圖片識別情況。
3 數據獲取
在獲取清晰的、曲線辨別度高的圖片后，導入 Engauge 軟件，選擇合適的取點法，不僅能提高模擬曲線的符合程度，又能節省時間。因取點密集、重復、小數位數多等，需對讀取數據進行適當整理。
3.1 導入曲線圖
打開 Engauge 4.1 軟件，依次點擊“File→Import”，選擇并雙擊修飾后的圖片 c（圖 1）即可。未經修飾圖片可能出現曲線不被識別或“間隔”現象，如修飾后圖片導入后出現模糊不清、點片狀缺損等，可依次點擊“View→Original Image”，以顯示原圖，見圖 2。
圖2
導入軟件時的生存曲線圖
3.2 系統設置
3.2.1 定義曲線
根據實際需要，增添曲線名稱，依次點擊“Settings→Curves”，彈出對話框點擊“New”即可。曲線默認名稱為“Curve+數字”，通過“Rename”進行更改，以使標記符號與各曲線呈一一對應關系。點擊“Properties”，可更換取點標記符號的形狀、大小、顏色及描記線的粗細、顏色等，以便區別各曲線且易避免交叉取點發生。
3.2.2 定義二維坐標系
即確定原點及橫縱坐標軸的刻度。點擊工具欄“Zoom”可放大圖像。操作方法為依次點擊“Digitize→Axes”，或點擊工具欄的“Axes Point”，以十字光標交叉點瞄準原點及坐標軸最大刻度處并點擊，在彈出對話框中填寫具體坐標值即可。需要說明的是，坐標軸交點并非總是原點，如本文中交點坐標應為（0，60）。此外，部分文獻提供生存曲線坐標軸交點位置不明確，需要對其進行適當的估計。設置后的生存曲線圖，見圖 3。
圖3
系統設置后的生存曲線圖
3.3 取點法
3.3.1 自動取點
操作方法為點擊“Digitize→Segment Fill”或點擊工具欄的“Segment Fill”，此時曲線被識別而呈綠色，見圖 4a。通過工具欄的“Curve List”選擇曲線，沿對應曲線移動光標并點擊即可自動取點，直至兩條曲線均完成取點，見圖 4b。
圖4
各種取點法效果圖
3.3.2 手動取點
依次點擊“Digitize→Segment Fill”或點擊工具欄的“Curve Point”，呈現灰度圖，見圖 4c。同樣，點擊工具欄的“Curve List”選擇曲線，沿對應曲線移動光標并點擊可自由取點。為使模擬曲線接近真實情況，遵循如下原則：曲線平直時取點稀疏，波動曲折時較多取點，見圖 4d。
3.3.3 等分取點
即將隨訪時間范圍等間隔均分，在每條等分線與曲線交點處取點。根據隨訪時間、曲線特點決定等分間距，且等分數不宜超過 Excel 轉換程序的容量。操作方法為依次點擊“Settings→Grid display”，彈出對話框圖 5a。在“X Grid Lines”，選擇“X Stop”，即可調節“X Count”（等分線的數目，包括邊線）、“X Start”（坐標軸交點橫坐標值）、“X Step”（等分間距）。本文生存曲線實例的等分間距為 5 個月，則等分線數為 26，“X Start”為 0，見圖 5b。設置完成后，點擊“OK”，然后點擊“View→Gridlines display”，即可顯示圖 4e。同樣，點擊工具欄的“Curve List”選擇曲線，移動光標，在等分線與曲線交點處取點，見圖 4f。周支瑞等[5]報道可以用 PS 軟件進行等分取點，但我們使用 Engauge 軟件自帶功能更簡單易行。
圖5
使用軟件自帶功能實現“等分”
3.4 讀取并處理數據
在圖 4b、4d 和 4f，點擊工具欄“Export File”，在彈出的對話框中選擇文件保存地址，設置文件名稱，點擊“保存”即可導出格式為“.csv”的文件。文件中即為各曲線取點的具體坐標數據。本文以等分取點法為例，對讀取數據的適宜處理方法進行說明。
等分取點實質上仍為手動取點，值得注意的是，取點不精確會導致同一等分線處出現多組數據，由于數據轉換程序容量限制，本文建議保留與等分線對應 X 值最接近的數據，其余進行刪減。如圖 6 所示，設置數據小數位數。X 列設置小數位數為 1 位，另外兩列設置為 2 位。而周支瑞等[5]采用將 X 列小數位數設為 0 位，可能會加大了實際點與真實點的偏差，。取點時，由于存在偏差，后一點的生存率可能略大于前一點，這多見于曲線呈水平線時，此時需要將后一點的生存率調至前一點水平。另外，隨訪開始時的生存率一般為 100%。讀取和整理后的數據，見圖 6。
圖6
讀取并整理后的數據
4 數據轉換
以 RevMan 軟件實現生存資料的 Meta 分析，需錄入 HR 的對數及其標準誤（一般倒方差法）。用生存曲線法估算時，將讀取并整理后的數據及其他相關信息填入 Excel 運算表格即可獲得。
4.1 填表注意事項
詳細閱讀文獻，將從文獻中獲得的信息如實填入“summary data”，如主題、試驗組與對照組的名稱、各組研究人數及最終分析人數等。此步驟雖不是必須的，但能為后續的操作提供便利。生存曲線法中，可通過最大隨訪時間、最小隨訪時間或多個時間點的危險病例數估計截尾數據[4]。在圖 7a 的工作表中，需輸入隨訪時間范圍，Lim 等僅提供中位數及四分位數間距（IQR），因此合理地估算隨訪時間范圍至關重要。Tierney 等[4]提供估算方法如下：估算最小隨訪時間：① 曲線圖上第一個刪失標記處；② 中位隨訪時間與 1/2 招募病例時間之差；③ 分析數據日期與招募病例末尾日期之差（分析數據日期為投稿日期減去 6 個月）。估算最大隨訪時間：① 曲線圖上最后一個刪失標記處；② 中位隨訪時間與 1/2 招募病例時間之和；③ 分析數據日期與招募病例起始日期之差。本文采用 Engauge 4.1 軟件讀取首尾刪失標記點數據，估算隨訪時間范圍為 7.9～134.8 月。
圖7
數據輸入轉換程序及模擬曲線圖
4.2 輸入數據
在圖 7a 的工作表中，輸入上述隨訪時間范圍。然后，在 C 列輸入圖 6 中的各時間點，在 D 列輸入各時間點對應的生存率。
4.3 模擬曲線及結果
數據輸入后，在工作表 2b 中自動呈現模擬生存曲線，見圖 7b。將其與原生存曲線進行比較以反映最終結果的真實度，結果顯示本例的再模擬的生存曲線與文獻提供的近似。圖 8 為輸出結果，HR = 2.0，95%CI（0.42，9.58），與原始文獻提供的 HR = 1.75，95%CI（0.57，5.40）存在一定的偏差。
圖8
輸出估算結果
5 討論
獲取生存資料的 Meta 分析合并效應量，首選方法為 Tierney 等[4]報道的直接法和間接法。生存曲線法依據曲線及隨訪時間等信息進行估算，則與真實情況存在偏差，主要影響因素如下：① 文獻提供的生存曲線不標準，曲線過粗、不清晰及原點坐標值不明確等；② 隨訪時間范圍可用于估計截尾數據，估算的隨訪時間與實際可能存在較大差異；③ 取點誤差。因此，生存曲線法僅作為一種數據獲取補救措施。本文中估算 HR 及其 95%CI 與文獻存在差異，可能與上述因素有關，此處不細究原因。
與直接獲取生存曲線及隨訪時間比較，生存曲線圖取點具有主觀性。根據曲線特點選擇適宜的取點方法，不僅能提高效率，也能減少與真實值的偏差。取點方法包括自動取點、手動取點及等分取點。自動取點操作簡單，描點精確；但取點過于密集，受 Excel 表格程序的容量限制，可能需刪減部分數據，影響工作效率，如方法不當，則將增大誤差。手動取點時，根據曲線波動情況決定合適的點及點間距，機動性較好，但增加了難度；肉眼描點降低了精確度；在一條曲線上取點，在另一條曲線上默認存在對應的描記點，因此該方法或許并未減少取點的密集程度。等分取點時，根據曲線特點及隨訪時間范圍確定合適的等分間距，降低了點的密集程度；采用應用軟件自帶功能實現，操作簡單，并未影響獲取效率。綜上所述，本文推薦具體實踐中采用等分取點法。
生存資料的 Meta 分析在預后研究的系統評價中應用廣泛，HR 被視為其結果合并的最佳效應量。生存曲線法可作為獲取 HR 等指標的補救措施，但相關研究較少，很多環節尚存爭議。本文不少內容基于作者實踐經驗，難免紕漏之處，希望更多學者進一步研究斧正。
