效應值

效應值是衡量處理效應大小的一系列指標的統稱。主要可以分為三類：①基於變異可解釋程度的效應值，例如兩變量的相關係數（correlation coefficient），迴歸模型的迴歸係數（regressioncoefficient）等；②基於均值差異的效應值，例如測量兩樣本之間危險度差值（RD, riskdifference）、均值差（MD, mean difference）、cohen’d等；③基於分類變量關聯強度的效應值。例如用來測量兩樣本之間相對危險度（RR值，risk ratio）、暴露比值比（OR值，odds ratio）、風險比（HR值，Hazardratio）等 ^[1]  。

在Meta分析中，干預措施效果的測量方式有賴於所收集數據的特徵。針對二分類結局數據即每個受試者的結局為兩個可能性中一個時，最常應用的二分類數據效應指標為風險比（RR）、比值比（OR）、危險度差值（RD）、需治療的例數（NNT），此時可用2*2四格表計算效應指標，見表1。其中，OR和RR是相對效應值，OR常用於病例對照研究，RR常用於隊列研究及隨機對照試驗，表示暴露組（干預組）相對於非暴露組（對照組）發生結局事件的相對風險大小，具有病因學的意義；而RD是絕對效應值，指暴露人羣與非暴露人羣比較，所增加的結局事件數量，具有疾病預防和公共衞生學上的意義。

針對連續結局效應指標即在特定範圍內可取任何值的數據，最常用的合併統計量有均數差（MD）和標準化均數差（SMD）。

針對有序結局和量表的效應指標即每個受試者被分入一類且分類有自然順序時，可選用成比例比值比（proportional odds ratio）和量表評分來表示其有序結局 ^[1]  。

與顯著性檢驗不同，效應值指標是不受樣本容量影響的。它表示不同處理下的總體均值之間差異的大小，可以在不同研究之間進行比較，有助於我們理解統計上顯著的差異是否有實際的意義。效應值是統計學假設檢驗的重要組成部分，在樣本量估計、把握度分析、尤其是系統綜述和Meta分析等統計實踐中起着關鍵的作用 ^[2-3]  。

在很多領域，展示研究結果時同時報告效應值是良好報告規範的一部分。正如報告P值説明了研究結果的統計學顯著性，效應值則提示了結果強度的大小，在社會科學、醫學領域的研究中尤為重要。