傳統Meta分析的反復更新及累積Meta分析在重復檢驗的條件下會改變統計分析結果的穩健性。此外，傳統Meta分析缺少對樣本量的估計。而試驗序貫分析（trial sequential analysis，TSA）將成組序貫設計原理引入Meta分析來調整隨機誤差，并最終估算出系統評價/Meta分析所需的樣本量。TSA在Meta分析中目前主要由TSA軟件來完成。本文結合實例介紹TSA軟件在Meta分析中的應用。
引用本文： 翁鴻, 李勝, 曾憲濤, 武珊珊, 劉晴, 王行環. 試驗序貫分析軟件在Meta分析中的應用. 中國循證醫學雜志, 2016, 16(5): 604-611. doi: 10.7507/1672-2531.20160093 復制
Meta分析是將多個具有相同研究主題的研究進行定量綜合分析的一個過程，其優勢在于可以增加樣本量，并增強結果的精確性和穩健性 [1]。基于隨機對照試驗（randomized controlled trial，RCT）的系統評價/Meta分析是當前公認的最高級別證據，而證據又是循證醫學的核心 [2, 3]。因此，當所有可用的試驗被納入后，系統評價/Meta分析被認為是最佳可用證據，但“最佳可用的證據”并不同于“足夠的證據”或“有力的證據” [4-9]。傳統Meta分析缺少對統計效能的關注，當納入的試驗數目較少或樣本量較小時，由于隨機誤差的影響，大約有25%的傳統Meta分析得出錯誤的假陽性結論 [6, 10]；若得出無統計學意義的結果，我們會認為該干預措施無效，或者得出需要進一步開展相關研究的結論，而無法確認該結果是由于干預措施是真的無效還是由于樣本量不足引起的假陰性。此外，由于新的研究發表，Meta分析需要進行更新，而重復進行統計學檢驗也會增加Ⅰ類錯誤（假陽性）的風險。
Pogue等在1997年首次將成組序貫分析的方法引入Meta分析，即試驗序貫分析（trial sequential analysis，TSA），克服了傳統Meta分析的不足 [
1 建立新項目
本文以《Plasmakinetic resection technology for the treatment of benign prostatic hyperplasia: evidence from a systematic review and meta-analysis》一文 [16]為例，介紹TSA軟件的應用。TSA軟件同RevMan軟件一樣，不能直接進行數據的輸入和分析，也需要進行一定的準備工作，建立一個新項目，然后才能進行數據的錄入和統計學分析 [17]。下載TSA軟件后，打開解壓包，點擊“ TSA.jar ”程序啟動TSA軟件，目前尚未添加項目，中上部顯示“ No Meta-analysis Defined ”，即此時沒有添加Meta分析項目，此時左側頂端菜單欄僅有“ File ”一項，點擊該菜單，選擇“ New Meta-analysis ”，然后出現“ New Meta-analysis ”對話框（圖 1）。該對話框主要分為4個部分：結局指標（Outcome）、比較（Comparison）、結局指標類型（Outcome type）、評論（Comments）。結局指標包括數據類型（二分類數據、連續型數據）和指標名稱兩項。比較欄包括試驗組（group 1）和對照組（group 2）的名稱。結局指標類型分為“ Negative ”和“Positive ”兩項，對二分類數據，“ Negative ”主要包括病死率、發病率等具有消極性質的指標，“ Positive ”主要包括生存率、病毒清除率等具有積極性質的指標；對連續型數據，“ Negative ”主要包括抑郁評分增加等具有消極性質的指標，“ Positive ”主要包括血小板計數增加等具有積極性質的指標。選擇結局指標類型是為了讓軟件能夠根據數據分析結果來推斷出支持哪一組干預措施。本文使用二分類數據“ TUR syndrome ”為結局指標，結局指標類型為“ Negative ”，試驗組干預措施為“ PKRP ”，對照組干預措施為“ M-TURP ”。這些欄目完成后，點擊“ Create ”鍵。
圖1
“ New Meta-analysis ”對話框
2 設置Meta分析參數
建立完新項目后，即出現“ Meta-analysis ”菜單欄目（圖 2），左上角主要有5個菜單欄：“ Meta-analysis ”、“ Trials ”、“ TSA ”、“ Graphs ”和“ Diversity ”。“Meta-analysis ”菜單欄下主要由4大部分組成：效應量及模型設置（Set Effect Measure and Model）、零事件處理設置（Set Zero Event Handling）、可信區間設定（Set Confidence Interval）和Meta分析結果（Meta-analysis Summary）。對二分類數據，效應量有Relative Risk（RR）、Odds Ratio（OR）、Risk Difference （RD）、Peto OR；對連續型數據，效應量僅有Mean Difference（MD）。模型共有1種固定效應模型和3種隨機效應模型（DL法、SJ法和BT法）可供選擇。對零事件處理的，TSA軟件提供了3種方法：連續性校正（Constant）、倒數校正（Reciprocal）、經驗性校正（Empirical）。當有零事件研究納入時，可選擇“ Include trials with no events ”項，使用經驗性校正時需注意，應先輸入納入研究的數據后才可應用該方法。校正的值（Value）提供了4個：1、0.5、0.01、0.001。可信區間設定時應先選擇“ Conventional ”，其后提供了4個可選擇的可信區間，一般選擇95%。本文選擇的效應量為RR，模型為固定效應模型，零事件處理方法為連續性校正，校正值為1。可信區間為傳統95%可信區間。
圖2
“ Meta-analysis ”菜單欄目
3 錄入研究及數據
點擊主菜單欄的“ Trials ”鍵，出現添加研究的界面（圖 3）。主要由4個區域組成：添加二分類數據研究（Add Dichotomous Trial）、編輯/刪除已添加研究（Edit/Delete Trial）、忽略研究（Ignore Trial）和添加研究的顯示區。添加研究的區域主要輸入研究名稱、年限、試驗組和對照組的事件發生數及樣本量，如果是高質量RCT，則可以選擇“ Low Bias Risk ”鍵。然后點擊“ Add Trial ”鍵即可將輸入的研究添加進顯示區。編輯/刪除已添加研究由編輯研究和刪除研究兩個欄組成，在顯示區選中研究后，就可以進行編輯或刪除操作。忽略研究區由4個欄組成：忽略低風險偏倚研究、忽略高風險偏倚研究、忽略所有研究及無研究忽略。顯示區主要由4個欄組成，顯示輸入研究的基本信息（研究名稱、年限）、偏倚情況、是否被忽略（忽略研究也可在此欄下操作）及相關數據。圖 4為本文已添加研究數據的界面，偏倚風險這一項我們未進行選擇。在“ Data ”欄顯示的干預組均有0.5的加入，這是因為我們采用的是連續性1校正，因此在試驗組和對照組的事件發生數中各加0.5，那么總人數就加1。本文采用的結局指標較為特殊，為一種術中并發癥，在試驗組均未發生。
圖3
“ Trials ”菜單欄
圖4
已添加研究的顯示界面
4 TSA參數設置
添加完研究后，點擊左上角的“ TSA ”菜單，即出現關于TSA參數設置的界面（圖 5）。主要由添加（Add）、編輯（Edit）、運算（Calculations）、信息軸（Information axis）、模板（Templates）、期中分析（Interim analyses）和顯示區組成。添加區域由3個主體部分組成：傳統界值（Conventional Test Boundary）、α消耗函數界值（Alpha-spending Boundaries）和重對數定律（Law of the Iterated Logarithm）。
圖5
“ TSA”菜單欄界面
點擊“ Conventional Test Boundary ”鍵后，彈出“ Conventional Test Boundary ”對話框（圖 6），進行傳統界值的參數設置。傳統界值名定義為“ Conventional ”，界值類型（Boundary Type）一般設定為雙側（Two-sided），Ⅰ類錯誤通常定義為5%（即顯著性水平），然后點擊“ Add ”鍵。界值類型也可選擇單側，上單側（One-sided Upper）用于檢測試驗組干預措施優于對照組干預措施，下單測（One-sided Lower）用于檢測對照組干預措施優于試驗組干預措施；對二分類數據，應注意的是當結局指標為“ Positive ”類指標時，這時單側檢驗的意義就恰好與上述相反。
圖6
“ Conventional Test Boundary ”對話框
點擊“ Alpha-spending Boundaries ”鍵，彈出“ Alpha-spending Boundaries ”對話框（圖 7），進行α消耗函數界值（即TSA界值）設置。該對話框為二分類數據下的界面，連續型數據下的界面與此界面差別不大，僅在期望信息量計算的設置有些許差別，讀者可自行摸索。該對話框主要由3部分組成：假設檢驗設置（Hypothesis Testing）、內嵌無效線設置（Inner Wedge）和期望信息量設置（Required Information Size，RIS）。我們將TSA界值名定義為RIS；假設檢驗的界值類型設定為雙側檢驗（Two-sided），Ⅰ類錯誤定義為5%，α消耗函數在TSA軟件中只提供了O’Brien-Fleming法，信息軸有累積的樣本量（Sample Size）、累積的事件發生數（Event Size）和累積的統計信息量（Statistical Information）3個可供選擇，我們選擇樣本量作為TSA界值圖的橫軸。內嵌為設置無效界值，無效界值是用于檢驗干預措施的療效是否確實無差異，TSA軟件只提供了O’Brien-Fleming法β消耗函數來進行無效檢驗。對RIS的設置，首先信息量（Information Size）選擇“ Estimate ”，這是由于我們選擇累積的樣本量作為信息軸，統計學效能一般定義為80%，這時內嵌設置內的“ Power ”就會自動變為80%；Ⅰ類錯誤不需要設置，因為在假設檢驗里已設置該項；由于納入研究的質量不高，因此相對危險度減少率（Relative Risk Reduction，RRR）使用用戶自定義（User Defined），我們按臨床專業經驗估算為35%；試驗組事件發生率不需要用戶自定義，軟件可自行計算；對照組事件發生率我們按臨床專業經驗估算為3%；異質性校正（Heterogeneity Correction）我們使用基于模型的變異值（Model Variance Based），即Meta分析模型所檢測出的異質性大小。設置完成后點擊“ Add ”鍵。
圖7
“ Alpha-spending Boundaries”對話框
點擊“ Law of the Iterated Logarithm ”鍵，彈出“ Law of the Iterated Logarithm ”對話框，我們將重對數定律界值定義為“ LIL ”；界值類型設置為雙側（Two-sided），Ⅰ類錯誤定義為5%；由于我們選擇的效應量為RR，Ⅰ類錯誤定義為5%，因此懲罰值λ（penalty）為2 [12]。然后點擊“ Add ”鍵。重對數定律法不同于TSA界值，TSA界值是校正顯著性檢驗水準，而重對數定律法是通過懲罰檢驗統計量Z值，然后與傳統界值Z=1.96進行比較，看其是否超出傳統界值線。
圖8
“ Law of the Iterated Logarithm ”對話框
這些設置好的傳統界值和TSA界值可保存為模版，點擊圖 5中的“ Save as template ”即可，便于下次使用，再點擊“ Manage templates ”，即可得到保存模板的詳細信息（圖 9），選中左側的模板，右側即顯示出其詳細參數信息的設置情況。最后，點擊圖 5中的“ Perform calculations ”，執行計算。
圖9
保存的界值模板
5 TSA界值圖
點擊左上角的“ Graphs ”菜單，再點擊“ Adjusted Boundaries ”欄，即出現如圖 10所示界面。左上角“ Tests and boundaries Layout ”區域可改變圖中傳統界值、TSA界值、累積Z曲線和RIS線條的顏色、粗細等性狀。圖 10中從左上到右下的上下對稱的紅色折線為TSA界值線，藍色的折線為累積Z曲線，平行于橫軸的為傳統界值線Z=1.96，最右邊的豎線為RIS線，傳統界值線與橫軸之間的兩對稱折線為無效線。本例TSA圖形顯示，累積Z曲線已超過TSA界值線，因此，證明試驗組PKRP在TUR syndrome方面確實優于TURP。關于圖形的解讀，國內已有學者介紹 [11, 12]，本文不再贅述。左下角進行圖像的輸出設置，如分辨率的設置等，點擊“ Generate TSA Report ”即可。
圖10
TSA界值圖
6 懲罰統計量圖
在“ Graphs ”菜單界面點擊“ Penalised Tests ”欄，即出現圖 10界面。除圖形與TSA界值圖不同外，其他部分均相同，該圖形中有兩條曲線，藍色的為累積Z曲線，綠色的為懲罰統計量后的Z曲線。該圖顯示，懲罰后的Z曲線超過了傳統界值Z=1.96，因此也證明PKRP在TUR syndrome方面確實優于TURP。
圖11
懲罰統計量圖
7 TSA校正可信區間
此時，在點擊“ Meta-analysis ”菜單，可發現如圖 12所示的Meta分析結果，傳統的95%CI為（0.15，0.52）。如圖 13所示，選擇α消耗函數校正，點擊“ Select ”并選擇“ RIS ”，即可得出TSA校正后的95%CI（0.10，0.77），我們發現TSA校正后的可信區間比傳統的Meta分析所得出的可信區間更寬，結論更為保守。
圖12
傳統95%可信區間結果
圖13
TSA校正可信區間
8 結語
TSA不僅能用于估算Meta分析樣本量，還提供了接受無效假設的終止標準。當干預措施確實不存在統計學差異時，或累積樣本量已達到RIS時，TSA能及時建議終止試驗，避免醫療資源的浪費。TSA軟件提供了TSA界值和懲罰統計量兩種方法來檢驗兩組干預措施是否確實存在差異。此外，TSA軟件還可與RevMan軟件保存的數據進行互導，便于在制作Meta分析時進行TSA操作。
Meta分析是將多個具有相同研究主題的研究進行定量綜合分析的一個過程，其優勢在于可以增加樣本量，并增強結果的精確性和穩健性 [1]。基于隨機對照試驗（randomized controlled trial，RCT）的系統評價/Meta分析是當前公認的最高級別證據，而證據又是循證醫學的核心 [2, 3]。因此，當所有可用的試驗被納入后，系統評價/Meta分析被認為是最佳可用證據，但“最佳可用的證據”并不同于“足夠的證據”或“有力的證據” [4-9]。傳統Meta分析缺少對統計效能的關注，當納入的試驗數目較少或樣本量較小時，由于隨機誤差的影響，大約有25%的傳統Meta分析得出錯誤的假陽性結論 [6, 10]；若得出無統計學意義的結果，我們會認為該干預措施無效，或者得出需要進一步開展相關研究的結論，而無法確認該結果是由于干預措施是真的無效還是由于樣本量不足引起的假陰性。此外，由于新的研究發表，Meta分析需要進行更新，而重復進行統計學檢驗也會增加Ⅰ類錯誤（假陽性）的風險。
Pogue等在1997年首次將成組序貫分析的方法引入Meta分析，即試驗序貫分析（trial sequential analysis，TSA），克服了傳統Meta分析的不足 [
1 建立新項目
本文以《Plasmakinetic resection technology for the treatment of benign prostatic hyperplasia: evidence from a systematic review and meta-analysis》一文 [16]為例，介紹TSA軟件的應用。TSA軟件同RevMan軟件一樣，不能直接進行數據的輸入和分析，也需要進行一定的準備工作，建立一個新項目，然后才能進行數據的錄入和統計學分析 [17]。下載TSA軟件后，打開解壓包，點擊“ TSA.jar ”程序啟動TSA軟件，目前尚未添加項目，中上部顯示“ No Meta-analysis Defined ”，即此時沒有添加Meta分析項目，此時左側頂端菜單欄僅有“ File ”一項，點擊該菜單，選擇“ New Meta-analysis ”，然后出現“ New Meta-analysis ”對話框（圖 1）。該對話框主要分為4個部分：結局指標（Outcome）、比較（Comparison）、結局指標類型（Outcome type）、評論（Comments）。結局指標包括數據類型（二分類數據、連續型數據）和指標名稱兩項。比較欄包括試驗組（group 1）和對照組（group 2）的名稱。結局指標類型分為“ Negative ”和“Positive ”兩項，對二分類數據，“ Negative ”主要包括病死率、發病率等具有消極性質的指標，“ Positive ”主要包括生存率、病毒清除率等具有積極性質的指標；對連續型數據，“ Negative ”主要包括抑郁評分增加等具有消極性質的指標，“ Positive ”主要包括血小板計數增加等具有積極性質的指標。選擇結局指標類型是為了讓軟件能夠根據數據分析結果來推斷出支持哪一組干預措施。本文使用二分類數據“ TUR syndrome ”為結局指標，結局指標類型為“ Negative ”，試驗組干預措施為“ PKRP ”，對照組干預措施為“ M-TURP ”。這些欄目完成后，點擊“ Create ”鍵。
圖1
“ New Meta-analysis ”對話框
2 設置Meta分析參數
建立完新項目后，即出現“ Meta-analysis ”菜單欄目（圖 2），左上角主要有5個菜單欄：“ Meta-analysis ”、“ Trials ”、“ TSA ”、“ Graphs ”和“ Diversity ”。“Meta-analysis ”菜單欄下主要由4大部分組成：效應量及模型設置（Set Effect Measure and Model）、零事件處理設置（Set Zero Event Handling）、可信區間設定（Set Confidence Interval）和Meta分析結果（Meta-analysis Summary）。對二分類數據，效應量有Relative Risk（RR）、Odds Ratio（OR）、Risk Difference （RD）、Peto OR；對連續型數據，效應量僅有Mean Difference（MD）。模型共有1種固定效應模型和3種隨機效應模型（DL法、SJ法和BT法）可供選擇。對零事件處理的，TSA軟件提供了3種方法：連續性校正（Constant）、倒數校正（Reciprocal）、經驗性校正（Empirical）。當有零事件研究納入時，可選擇“ Include trials with no events ”項，使用經驗性校正時需注意，應先輸入納入研究的數據后才可應用該方法。校正的值（Value）提供了4個：1、0.5、0.01、0.001。可信區間設定時應先選擇“ Conventional ”，其后提供了4個可選擇的可信區間，一般選擇95%。本文選擇的效應量為RR，模型為固定效應模型，零事件處理方法為連續性校正，校正值為1。可信區間為傳統95%可信區間。
圖2
“ Meta-analysis ”菜單欄目
3 錄入研究及數據
點擊主菜單欄的“ Trials ”鍵，出現添加研究的界面（圖 3）。主要由4個區域組成：添加二分類數據研究（Add Dichotomous Trial）、編輯/刪除已添加研究（Edit/Delete Trial）、忽略研究（Ignore Trial）和添加研究的顯示區。添加研究的區域主要輸入研究名稱、年限、試驗組和對照組的事件發生數及樣本量，如果是高質量RCT，則可以選擇“ Low Bias Risk ”鍵。然后點擊“ Add Trial ”鍵即可將輸入的研究添加進顯示區。編輯/刪除已添加研究由編輯研究和刪除研究兩個欄組成，在顯示區選中研究后，就可以進行編輯或刪除操作。忽略研究區由4個欄組成：忽略低風險偏倚研究、忽略高風險偏倚研究、忽略所有研究及無研究忽略。顯示區主要由4個欄組成，顯示輸入研究的基本信息（研究名稱、年限）、偏倚情況、是否被忽略（忽略研究也可在此欄下操作）及相關數據。圖 4為本文已添加研究數據的界面，偏倚風險這一項我們未進行選擇。在“ Data ”欄顯示的干預組均有0.5的加入，這是因為我們采用的是連續性1校正，因此在試驗組和對照組的事件發生數中各加0.5，那么總人數就加1。本文采用的結局指標較為特殊，為一種術中并發癥，在試驗組均未發生。
圖3
“ Trials ”菜單欄
圖4
已添加研究的顯示界面
4 TSA參數設置
添加完研究后，點擊左上角的“ TSA ”菜單，即出現關于TSA參數設置的界面（圖 5）。主要由添加（Add）、編輯（Edit）、運算（Calculations）、信息軸（Information axis）、模板（Templates）、期中分析（Interim analyses）和顯示區組成。添加區域由3個主體部分組成：傳統界值（Conventional Test Boundary）、α消耗函數界值（Alpha-spending Boundaries）和重對數定律（Law of the Iterated Logarithm）。
圖5
“ TSA”菜單欄界面
點擊“ Conventional Test Boundary ”鍵后，彈出“ Conventional Test Boundary ”對話框（圖 6），進行傳統界值的參數設置。傳統界值名定義為“ Conventional ”，界值類型（Boundary Type）一般設定為雙側（Two-sided），Ⅰ類錯誤通常定義為5%（即顯著性水平），然后點擊“ Add ”鍵。界值類型也可選擇單側，上單側（One-sided Upper）用于檢測試驗組干預措施優于對照組干預措施，下單測（One-sided Lower）用于檢測對照組干預措施優于試驗組干預措施；對二分類數據，應注意的是當結局指標為“ Positive ”類指標時，這時單側檢驗的意義就恰好與上述相反。
圖6
“ Conventional Test Boundary ”對話框
點擊“ Alpha-spending Boundaries ”鍵，彈出“ Alpha-spending Boundaries ”對話框（圖 7），進行α消耗函數界值（即TSA界值）設置。該對話框為二分類數據下的界面，連續型數據下的界面與此界面差別不大，僅在期望信息量計算的設置有些許差別，讀者可自行摸索。該對話框主要由3部分組成：假設檢驗設置（Hypothesis Testing）、內嵌無效線設置（Inner Wedge）和期望信息量設置（Required Information Size，RIS）。我們將TSA界值名定義為RIS；假設檢驗的界值類型設定為雙側檢驗（Two-sided），Ⅰ類錯誤定義為5%，α消耗函數在TSA軟件中只提供了O’Brien-Fleming法，信息軸有累積的樣本量（Sample Size）、累積的事件發生數（Event Size）和累積的統計信息量（Statistical Information）3個可供選擇，我們選擇樣本量作為TSA界值圖的橫軸。內嵌為設置無效界值，無效界值是用于檢驗干預措施的療效是否確實無差異，TSA軟件只提供了O’Brien-Fleming法β消耗函數來進行無效檢驗。對RIS的設置，首先信息量（Information Size）選擇“ Estimate ”，這是由于我們選擇累積的樣本量作為信息軸，統計學效能一般定義為80%，這時內嵌設置內的“ Power ”就會自動變為80%；Ⅰ類錯誤不需要設置，因為在假設檢驗里已設置該項；由于納入研究的質量不高，因此相對危險度減少率（Relative Risk Reduction，RRR）使用用戶自定義（User Defined），我們按臨床專業經驗估算為35%；試驗組事件發生率不需要用戶自定義，軟件可自行計算；對照組事件發生率我們按臨床專業經驗估算為3%；異質性校正（Heterogeneity Correction）我們使用基于模型的變異值（Model Variance Based），即Meta分析模型所檢測出的異質性大小。設置完成后點擊“ Add ”鍵。
圖7
“ Alpha-spending Boundaries”對話框
點擊“ Law of the Iterated Logarithm ”鍵，彈出“ Law of the Iterated Logarithm ”對話框，我們將重對數定律界值定義為“ LIL ”；界值類型設置為雙側（Two-sided），Ⅰ類錯誤定義為5%；由于我們選擇的效應量為RR，Ⅰ類錯誤定義為5%，因此懲罰值λ（penalty）為2 [12]。然后點擊“ Add ”鍵。重對數定律法不同于TSA界值，TSA界值是校正顯著性檢驗水準，而重對數定律法是通過懲罰檢驗統計量Z值，然后與傳統界值Z=1.96進行比較，看其是否超出傳統界值線。
圖8
“ Law of the Iterated Logarithm ”對話框
這些設置好的傳統界值和TSA界值可保存為模版，點擊圖 5中的“ Save as template ”即可，便于下次使用，再點擊“ Manage templates ”，即可得到保存模板的詳細信息（圖 9），選中左側的模板，右側即顯示出其詳細參數信息的設置情況。最后，點擊圖 5中的“ Perform calculations ”，執行計算。
圖9
保存的界值模板
5 TSA界值圖
點擊左上角的“ Graphs ”菜單，再點擊“ Adjusted Boundaries ”欄，即出現如圖 10所示界面。左上角“ Tests and boundaries Layout ”區域可改變圖中傳統界值、TSA界值、累積Z曲線和RIS線條的顏色、粗細等性狀。圖 10中從左上到右下的上下對稱的紅色折線為TSA界值線，藍色的折線為累積Z曲線，平行于橫軸的為傳統界值線Z=1.96，最右邊的豎線為RIS線，傳統界值線與橫軸之間的兩對稱折線為無效線。本例TSA圖形顯示，累積Z曲線已超過TSA界值線，因此，證明試驗組PKRP在TUR syndrome方面確實優于TURP。關于圖形的解讀，國內已有學者介紹 [11, 12]，本文不再贅述。左下角進行圖像的輸出設置，如分辨率的設置等，點擊“ Generate TSA Report ”即可。
圖10
TSA界值圖
6 懲罰統計量圖
在“ Graphs ”菜單界面點擊“ Penalised Tests ”欄，即出現圖 10界面。除圖形與TSA界值圖不同外，其他部分均相同，該圖形中有兩條曲線，藍色的為累積Z曲線，綠色的為懲罰統計量后的Z曲線。該圖顯示，懲罰后的Z曲線超過了傳統界值Z=1.96，因此也證明PKRP在TUR syndrome方面確實優于TURP。
圖11
懲罰統計量圖
7 TSA校正可信區間
此時，在點擊“ Meta-analysis ”菜單，可發現如圖 12所示的Meta分析結果，傳統的95%CI為（0.15，0.52）。如圖 13所示，選擇α消耗函數校正，點擊“ Select ”并選擇“ RIS ”，即可得出TSA校正后的95%CI（0.10，0.77），我們發現TSA校正后的可信區間比傳統的Meta分析所得出的可信區間更寬，結論更為保守。
圖12
傳統95%可信區間結果
圖13
TSA校正可信區間
8 結語
TSA不僅能用于估算Meta分析樣本量，還提供了接受無效假設的終止標準。當干預措施確實不存在統計學差異時，或累積樣本量已達到RIS時，TSA能及時建議終止試驗，避免醫療資源的浪費。TSA軟件提供了TSA界值和懲罰統計量兩種方法來檢驗兩組干預措施是否確實存在差異。此外，TSA軟件還可與RevMan軟件保存的數據進行互導，便于在制作Meta分析時進行TSA操作。
