miRNA對癲癇診斷價值的系統評價與Meta分析_《癲癇雜志》

作者：

李安 ¹ , 陳睿 ¹ ,  薛國芳 ²

1. 山西醫科大學第二臨床醫學院（太原 030001）;
2. 山西醫科大學第二醫院神經內科（太原 030001）;

關鍵詞：

生物標志物診斷癲癇 Meta分析 miRNA

DOI：

10.7507/2096-0247.202404009

視頻：

導出 下載 收藏 掃碼 引用

摘要 全文 圖表 視頻 參考文獻 施引文獻 補充材料

目的系統評價和Meta分析miRNA 作為癲癇患者診斷工具的準確性。方法系統檢索PubMed、EMBASE、 The Cochrane Library和Web of Science數據庫，搜集有關miRNA診斷癲癇的文獻，時間截止至2024年1月1日。由兩名研究人員獨立篩選、提取文獻，并以協商的方式解決差異。采用QUADAS-2 評價工具對納入的研究進行質量評估。采用Review Manager 5.4、Meta-Disc 1.4及 Stata 17.0軟件進行統計分析。結果共納入17 篇文獻，包括 942 例癲癇患者和 932 例健康對照者。miRNA 在癲癇診斷中合并敏感度為0.76［95%CI（0.71，0.79）］，合并特異度為0.78［95%CI（0.74，0.82）］，SROC曲線下面積為0.84［95%CI（0.80，0.87）］。亞組分析表明miRNA對顳葉癲癇，特別是伴有海馬硬化的內側顳葉癲癇（Mesial temporal lobe epilepsy with hippocampal sclerosis，MTLE-HS）有更高診斷價值。結論研究表明 miRNA 可能是癲癇，尤其是顳葉癲癇診斷的一種有前途的工具，但仍需更多高質量的研究予以支持。

引用本文： 李安, 陳睿, 薛國芳. miRNA對癲癇診斷價值的系統評價與Meta分析. 癲癇雜志, 2024, 10(4): 299-307. doi: 10.7507/2096-0247.202404009 復制

癲癇是一種常見的神經系統疾病，影響全球超過 700 000 人^[1]。目前，癲癇的診斷主要基于詳細的病史采集，但患者或其家屬提供的信息通常不夠充分^[1]。近年來，腦電圖和影像學作為重要的輔助手段已廣泛應用于癲癇的臨床診斷，但上述手段存在局限性^[2，3]。首先，大部分癲癇患者磁共振成像結果為陰性^[4]。其次，腦電圖結果可能是非特異性的^[5]，正常的腦電圖并不能排除癲癇，甚至有5～8%的正常兒童腦電圖可能出現癲癇樣放電^[6]。另外，常規腦電圖捕獲癲癇樣放電的能力較差，短程腦電圖由于時長限制很多未能捕獲癲癇樣放電，以及長程視頻腦電圖需大量時間和經濟成本^[7]。因此，需要一項非侵入性、易于檢測且經濟的生物標志物來改善癲癇的診斷。

最近，miRNA因其在血清中穩定、易于檢測、經濟且無創的特點而受到廣泛關注，并已成為許多疾病的新型診斷工具，其中包括一些中樞神經系統疾病^[8–10]。miRNA是一類短鏈非編碼RNA，并在多種疾病中異常表達，它們的失調與許多疾病有關，并被建議作為不同疾病的新生物標志物^{[9，11，12]}。超過 50% 的已識別 miRNA 在大腦中表達，越來越多的證據表明 miRNA 在癲癇發生過程中發揮作用^[13]。目前在癲癇患者的血清中發現了超過 100 個失調的 miRNA，這些 miRNA很多與癲癇發生有關^{[8，9，11，14–21]}。除了作為生物標志物外，miRNA 還會降低 mRNA 的穩定性和翻譯，從而抑制多種蛋白質的表達，可以為癲癇病因學和癲癇治療的潛在治療靶點提供線索^[22，23]。因此，本研究通過Meta分析，系統地評估了 miRNA 作為癲癇診斷生物標志物的診斷價值，為癲癇的臨床診斷提供參考依據。

1 資料與方法

1.1 檢索策略

系統檢索PubMed、EMBASE、The Cochrane Library和Web of Science數據庫，時間截至 2024 年 1月 1 日。英文檢索詞包括："epilepsy" ，"miRNA" 和"diagnosis"。以PubMed為例，具體檢索式如下：

#1 （（（（（（（（（（（（（（（（（"MicroRNAs"［Mesh］） OR （MicroRNA［Title/Abstract］）） OR （miRNAs［Title/Abstract］）） OR （Micro RNA［Title/Abstract］）） OR （RNA，Micro［Title/Abstract］）） OR （miRNA［Title/Abstract］）） OR （Primary MicroRNA［Title/Abstract］）） OR （MicroRNA，Primary［Title/Abstract］）） OR （Primary miRNA［Title/Abstract］）） OR （miRNA，Primary［Title/Abstract］）） OR （pri-miRNA［Title/Abstract］）） OR （pri miRNA［Title/Abstract］）） OR （RNA，Small Temporal［Title/Abstract］）） OR （Temporal RNA，Small［Title/Abstract］）） OR （stRNA［Title/Abstract］）） OR （Small Temporal RNA［Title/Abstract］）） OR （pre-miRNA［Title/Abstract］）） OR （pre miRNA［Title/Abstract］）

#2 （（（（（（（（（（（"Epilepsy"［Mesh］） OR （Epilepsies［Title/Abstract］）） OR （Seizure Disorder［Title/Abstract］）） OR （Seizure Disorders［Title/Abstract］）） OR （Awakening Epilepsy［Title/Abstract］）） OR （Epilepsy，Awakening［Title/Abstract］）） OR （Epilepsy，Cryptogenic［Title/Abstract］）） OR （Cryptogenic Epilepsies［Title/Abstract］）） OR （Cryptogenic Epilepsy［Title/Abstract］）） OR （Epilepsies，Cryptogenic［Title/Abstract］）） OR （Aura［Title/Abstract］）） OR （Auras［Title/Abstract］）

#3 （（（（（（（（（（（（（（"Diagnosis"［Mesh］） OR （Diagnoses［Title/Abstract］）） OR （Diagnose［Title/Abstract］）） OR （Diagnoses and Examinations［Title/Abstract］）） OR （Examinations and Diagnoses［Title/Abstract］）） OR （Diagnoses and Examination［Title/Abstract］）） OR （Examination and Diagnoses［Title/Abstract］）） OR （Postmortem Diagnosis［Title/Abstract］）） OR （Diagnoses，Postmortem［Title/Abstract］）） OR （Diagnosis，Postmortem［Title/Abstract］）） OR （Postmortem Diagnoses［Title/Abstract］）） OR （Antemortem Diagnosis［Title/Abstract］）） OR （Antemortem Diagnoses［Title/Abstract］）） OR （Diagnoses，Antemortem［Title/Abstract］）） OR （Diagnosis，Antemortem［Title/Abstract］）

#4 #1 AND #2 AND #3

1.2 納入和排除標準

1.2.1 納入標準

① 研究類型：診斷準確性研究；② 研究對象：通過金標準診斷的癲癇患者；③ 可提供真陽性（True positive，TP）、假陽性（False positive，FP）、真陰性（True negative，TN）及假陰性（False negative，FN）值，以構建 2×2 列聯表。

1.2.2 排除標準是

① 除英語外其他語言撰寫的文章；② 細胞、動物等基礎實驗；③ 會議摘要、綜述以及未正式發表的研究；④ 病例數< 10 例的研究；⑤ 無法獲取全文或構建 2×2 列聯表。

1.3 偏倚風險評價

用診斷準確性研究質量評估-2 （QUADAS-2）評價偏倚風險。該工具由四個部分組成:病例的選擇、待評價試驗、金標準、病例流程和進展情況。所有組成部分都進行偏倚風險評估，前3部分還進行臨床適用性評估。

1.4 文獻篩選和資料提取

由兩名研究者獨立按照納排標準進行文獻篩選和資料提取，隨后將提取的文獻進行交叉核對，如有爭議則與第三位研究者進行協商。資料提取內容包括：第一作者、發表年份、研究國家、樣本量、年齡、miRNA、TP、FP、TN及FN。

1.5 統計分析

采用Review Manager 5.4、Meta-Disc 1.4及 Stata 17.0軟件進行統計分析。計算合并敏感度、特異度、陽性似然比、陰性似然比和診斷優勢比（Diagnostic odds ratio，DOR）及其相應的 95% 置信區間（Confidence interval，CI），并繪制綜合受試者工作特征（Summary receiver operating characteristic，SROC）曲線，計算曲線下面積。診斷性Meta異質性評估包括兩個方面：閾值效應與非閾值效應。閾值效應：通過計算靈敏度對數與（1-特異度）對數的Spearman相關系數及其P值，當P<0.05時，認為存在閾值效應引起的異質性。非閾值效應：采用Cochran’s Q 檢驗及I²值檢驗非閾值效應引起的異質性，若I²<50%，認為異質性較小，采用固定效應模型；若I²≥50%，認為異質性較大，采用隨機效應模型。為了尋找異質性的可能原因，進行了敏感性分析、亞組分析和Meta回歸分析。繪制Deek漏斗圖檢測發表偏倚。

2 結果

2.1 文獻篩選流程及結果

初篩后總共獲得了 573 篇文獻，閱讀標題和摘要后排除了112篇重復文獻及 424篇無關文獻。閱讀全文后根據排除標準剔除了 20 篇文獻，其中7篇是會議記錄、13 篇無法構建 2×2 列聯表。最終本研究納入 17 篇文獻。文獻篩選流程及結果見圖1。

圖1 文獻篩選流程及結果

圖選項

第一作者	年份	國家	No.P	No.C	年齡	研究組	對照組	miRNA	Tp	Fp	Fn	Tn
Nomair^[24]	2023	埃及	40	40	成人	未提及	健康人群	miR-132-3p、miR-146a-5p	27	19	13	21
Nomair^[24]	2023	埃及	40	40	成人	未提及	健康人群	miR-132-3p	22	15	18	25
Nomair^[24]	2023	埃及	40	40	成人	未提及	健康人群	miR-146a-5p	24	12	16	28
Zahra^[25]	2022	埃及	40	20	未提及	全面性癲癇	健康人群	miR-153、miR-199a	34	2	6	18
Zahra^[25]	2022	埃及	40	20	未提及	全面性癲癇	健康人群	miR-153	30	6	10	14
Zahra^[25]	2022	埃及	40	20	未提及	全面性癲癇	健康人群	miR-199a	34	4	6	16
Liu^[26]	2022	中國	43	43	青少年	未提及	健康人群	miR-155	36	9	7	34
Guerra Leal^[27]	2022	葡萄牙	16	48	成人	MTLE-HS	健康人群	miR-22	11	5	5	43
Yu^[28]	2021	中國	98	72	青少年	顳葉癲癇	健康人群	miR-148a-3p	82	6	16	66
Wu^[29]	2021	中國	65	70	青少年	顳葉癲癇	健康人群	miR-29a	56	16	9	54
Niu^[30]	2021	中國	59	63	青少年	顳葉癲癇	健康人群	miR-194-5p	48	7	11	56
Li^[31]	2021	中國	53	53	青少年	顳葉癲癇	健康人群	miR-135b-5p	43	9	10	44
Moustafa^[32]	2020	埃及	15	20	成人	未提及	健康人群	miR-194-5p	11	9	4	11
Moustafa^[32]	2020	埃及	15	20	成人	未提及	健康人群	miR-106b	9	7	6	13
Martins‐Ferreira^[33]	2020	葡萄牙	79	67	成人	全面性癲癇	健康人群	miR-146a、miR-155、 miR-132	58	13	21	54
Martins‐Ferreira^[33]	2020	葡萄牙	79	67	成人	全面性癲癇	健康人群	miR-146a、miR-155	50	16	29	51
Li^[34]	2020	中國	63	67	青少年	顳葉癲癇	健康人群	miR-15a-5p	52	8	11	59
Ioriatti^[35]	2020	巴西	28	11	成人	MTLE-HS	健康人群	miR-383-3p	25	1	3	10
Shen^[36]	2019	中國	40	42	成人	難治性癲癇	健康人群	miR-145-5p	26	14	14	28
Elnady^[37]	2019	埃及	30	20	青少年	未提及	健康人群	miR-146a	22	8	8	12
Elnady^[37]	2019	埃及	30	20	青少年	未提及	健康人群	miR-106b	24	4	6	16
Avansini^[38]	2017	巴西	65	83	未提及	顳葉癲癇	健康人群	miR-134	42	21	23	62
Avansini^[38]	2017	巴西	14	16	未提及	顳葉癲癇	健康人群	miR-134	9	4	5	12
Wang^[39]	2015	中國	117	112	成人	未提及	健康人群	miR-106b-5p	94	21	23	91
Wang^[40]	2015	中國	77	85	成人	難治性癲癇	健康人群	miR-301a-3p	62	16	15	69

類別	Coeff	Std.Err	P-value
國家	?0.469	0.1969	0.0262
年齡	?0.54	0.2724	0.0601
癲癇亞型	0.254	0.1804	0.1726
miRNA	?0.402	0.5495	0.4717

類別	敏感度		特異度
類別	SEN	95%CI	SPE	95%CI
國家
中國	0.81	0.78，0.84	0.83	0.79，0.85
埃及	0.72	0.67，0.77	0.67	0.61，0.73
葡萄牙	0.68	0.61，0.75	0.81	0.75，0.87
巴西	0.71	0.61，0.79	0.76	0.67，0.84
年齡
青少年	0.82	0.78，0.86	0.84	0.80，0.87
成人	0.72	0.68，0.75	0.72	0.68，0.75
未提及	0.75	0.68，0.81	0.77	0.69，0.83
癲癇亞型
顳葉癲癇	0.8	0.75，0.83	0.83	0.79，0.87
難治性癲癇	0.74	0.66，0.82	0.8	0.73，0.86
全面性癲癇	0.74	0.69，0.79	0.79	0.72，0.84
MTLE-HS	0.82	0.67，0.92	0.9	0.79，0.96
未提及	0.73	0.68，0.77	0.71	0.66，0.75
MiRNA 類型
miR-106b	0.78	0.71，0.84	0.79	0.72，0.85
miR-134	0.65	0.53，0.75	0.75	0.65，0.83
miR-146a	0.66	0.53，0.77	0.67	0.53，0.78
miR-194-5p	0.8	0.69，0.88	0.81	0.71，0.89
Other	0.77	0.74，0.80	0.79	0.76，0.82

1.	Thijs RD, Surges R, O’Brien TJ, et al. Epilepsy in adults. Lancet, 2019, 393(10172): 689-701.
2.	Johnson EL. Seizures and epilepsy. The Medical Clinics of North America, 2019, 103(2): 309-324.
3.	Martinez B, Peplow PV. MicroRNAs as potential biomarkers in temporal lobe epilepsy and mesial temporal lobe epilepsy. Neural Regeneration Research, 2023, 18(4): 716-726.
4.	Ridley B, Marchi A, Wirsich J, et al. Brain sodium MRI in human epilepsy: disturbances of ionic homeostasis reflect the organization of pathological regions. NeuroImage, 2017, 157: 173-183.
5.	Engel J Jr, Pitk?nen A, Loeb JA, et al. Epilepsy biomarkers. Epilepsia, 2013, 54(Suppl 4): 61-69.
6.	Iliescu C, Craiu D. Diagnostic approach of epilepsy in childhood and adolescence. Maedica, 2013, 8(2): 195-199.
7.	Grau-López L, Jiménez M, Ciurans J, et al. Clinical predictors of adverse events during continuous video-EEG monitoring in an epilepsy unit. Epileptic Disorders: International Epilepsy Journal with Videotape, 2020, 22(4): 449-454.
8.	Raoof R, Bauer S, El Naggar H, et al. Dual-center, dual-platform microRNA profiling identifies potential plasma biomarkers of adult temporal lobe epilepsy. EBioMedicine, 2018, 38: 127-141.
9.	Henshall DC, Hamer HM, Pasterkamp RJ, et al. MicroRNAs in epilepsy: pathophysiology and clinical utility. Lancet Neurol, 2016, 15(13): 1368-1376.
10.	Saugstad JA. MicroRNAs as effectors of brain function with roles in ischemia and injury, neuroprotection, and neurodegeneration. J Cereb Blood Flow Metab, 2010, 30(9): 1564-1576.
11.	Ou S, Liu X, Xu T, et al. miRNA-let-7i modulates status epilepticus via the TLR4 pathway. Acta Epileptologica, 2022, 4(1): 20.
12.	Chen R, Xue G, H?lscher C. The role of the TNFα-mediated astrocyte signaling pathway in epilepsy. Acta Epileptologica, 2021, 3(1): 24.
13.	Wang L, Yue Y, Wang X, et al. Function and clinical potential of microRNAs in hepatocellular carcinoma. Oncology Letters, 2015, 10(6): 3345-3353.
14.	Ghafouri-Fard S, Hussen BM, Abak A, et al. Aberrant expression of miRNAs in epilepsy. Molecular Biology Reports, 2022, 49(6): 5057-5074.
15.	Sueri C, Gasparini S, Balestrini S, et al. Diagnostic biomarkers of epilepsy. Current Pharmaceutical Biotechnology, 2018, 19(6): 440-450.
16.	Ma Y. The challenge of microRNA as a biomarker of epilepsy. Current Neuropharmacology, 2018, 16(1): 37-42.
17.	Claudia Cava, Ida Manna, Antonio Gambardella, et al. Potential role of miRNAs as theranostic biomarkers of epilepsy. Mol Ther Nucleic Acids, 2018, 13: 275-290.
18.	Alsharafi WA, Xiao B, Abuhamed MM, et al. miRNAs: biological and clinical determinants in epilepsy. Frontiers in Molecular Neuroscience, 2015, 8: 59.
19.	Wang S, He X, Bao N, et al. Potentials of miR-9-5p in promoting epileptic seizure and improving survival of glioma patients. Acta Epileptologica, 2022, 4(1): 33.
20.	Cattani AA, Allene C, Seifert V, et al. Involvement of microRNAs in epileptogenesis. Epilepsia, 2016, 57(7): 1015-1026.
21.	Shao Y, Chen Y. Pathophysiology and Clinical Utility of Non-coding RNAs in Epilepsy. Frontiers in Molecular Neuroscience, 2017, 10: 249.
22.	Liu D, Zhu J, Shu Y, et al. Model-based assessment of a Northwestern Tropical Pacific moored array to monitor intraseasonal variability. Ocean Modelling, 2018, 126: 1-12.
23.	Rodriguez AS, Engel T, Palfi A, et al. Tubby-like protein 1 (Tulp1) is a target of microRNA-134 and is down-regulated in experimental epilepsy. International Journal of Physiology, Pathophysiology and Pharmacology, 2017, 9(6): 178-187.
24.	Nomair AM, Mekky JF, El-hamshary SA, et al. Circulating miR-146a-5p and miR-132–3p as potential diagnostic biomarkers in epilepsy. Epilepsy Research, 2023, 191: 107089.
25.	Zahra MA, Kamha ES, Abdelaziz HK, et al. Aberrant expression of serum MicroRNA-153 and -199a in generalized epilepsy and its correlation with drug resistance. Annals of Neurosciences, 2022, 29(4): 203-208.
26.	Liu Y, Yu G, Ding YY, et al. Expression of miR-155 in serum exosomes in children with epilepsy and its diagnostic value. Disease Markers, 2022, 22: 1-6.
27.	Guerra Leal B, Barros-Barbosa A, Ferreirinha F, et al. Mesial temporal lobe epilepsy (MTLE) drug-refractoriness is associated with P2X7 receptors overexpression in the human hippocampus and temporal neocortex and may be predicted by low circulating levels of miR-22. Frontiers in Cellular Neuroscience, 2022, 16: 910662.
28.	Yu Y, Du L, Zhang J. Febrile Seizure-related miR-148a-3p exerts neuroprotection by promoting the proliferation of hippocampal neurons in children with temporal lobe epilepsy. Developmental Neuroscience, 2021, 43(5): 312-320.
29.	Wu Y, Zhang Y, Zhu S, et al. MiRNA-29a serves as a promising diagnostic biomarker in children with temporal lobe epilepsy and regulates seizure-induced cell death and inflammation in hippocampal neurons. Epileptic Disorders, 2021, 23(6): 823-832.
30.	Niu X, Zhu HL, Liu Q, et al. MiR-194-5p serves as a potential biomarker and regulates the proliferation and apoptosis of hippocampus neuron in children with temporal lobe epilepsy. Journal of the Chinese Medical Association, 2021, 84(5): 510-516.
31.	Li R, Hu J, Cao S. The clinical significance of miR-135b-5p and its role in the proliferation and apoptosis of hippocampus neurons in children with temporal lobe epilepsy. Developmental Neuroscience, 2020, 42(5-6): 187-194.
32.	Moustafa M, Abokrysha NT, Eldesoukey NA, et al. Role of circulating miR 194-5p, miR 106b, and miR 146a as potential biomarkers for epilepsy: a case-control study. The Egyptian Journal of Neurology, Psychiatry and Neurosurgery, 2020, 56(1): 82.
33.	Martins‐Ferreira R, Chaves J, Carvalho C, et al. Circulating microRNAs as potential biomarkers for genetic generalized epilepsies: a three microRNA panel. European Journal of Neurology, 2020, 27(4): 660-666.
34.	Li N, Pan J, Liu W, et al. MicroRNA-15a-5p serves as a potential biomarker and regulates the viability and apoptosis of hippocampus neuron in children with temporal lobe epilepsy. Diagnostic Pathology, 2020, 15(1): 46.
35.	Ioriatti ES, Cirino MLA, Lizarte Neto FS, et al. Expression of circulating microRNAs as predictors of diagnosis and surgical outcome in patients with mesial temporal lobe epilepsy with hippocampal sclerosis. Epilepsy Research, 2020, 166: 106373.
36.	Shen CH, Zhang YX, Zheng Y, et al. Expression of plasma microRNA-145-5p and its correlation with clinical features in patients with refractory epilepsy. Epilepsy Research, 2019, 154: 21-25.
37.	Elnady HG, Abdelmoneam N, Eissa E, et al. MicroRNAs as potential biomarkers for childhood epilepsy. Open Access Macedonian Journal of Medical Sciences, 2019, 7(23): 3965-3969.
38.	Avansini SH, De Sousa Lima BP, Secolin R, et al. MicroRNA hsa-miR-134 is a circulating biomarker for mesial temporal lobe epilepsy. Plos One, 2017, 12(4): e0173060.
39.	Wang J, Tan L, Tan L, et al. Circulating microRNAs are promising novel biomarkers for drug-resistant epilepsy. Scientific Reports, 2015, 5(1): 10201.
40.	Wang J, Yu JT, Tan L, et al. Genome-wide circulating microRNA expression profiling indicates biomarkers for epilepsy. Scientific Reports, 2015, 5(1): 9522.
41.	Morris G, O’Brien D, Henshall DC. Opportunities and challenges for microRNA-targeting therapeutics for epilepsy. Trends in Pharmacological Sciences, 2021, 42(7): 605-616.
42.	Wang J, Zhao J. MicroRNA dysregulation in epilepsy: from pathogenetic involvement to diagnostic biomarker and therapeutic agent development. Frontiers in Molecular Neuroscience, 2021, 14: 650372.
43.	Fisher RS, Acevedo C, Arzimanoglou A, et al. ILAE official report: a practical clinical definition of epilepsy. Epilepsia, 2014, 55(4): 475-482.
44.	Lee YJ, Kang HC, Bae SJ, et al. Comparison of temporal lobectomies of children and adults with intractable temporal lobe epilepsy. Child’s Nervous System, 2010, 26(2): 177-183.

第一作者	敏感度			特異度
第一作者	SEN	95%CI	I²	SPE	95%CI	I²
Nomair^[24]	0.762	0.737，0.786	56.0	0.792	0.767，0.815	53.4
Nomair^[24]	0.766	0.741，0.790	49.0	0.788	0.763，0.812	60.0
Nomair^[24]	0.765	0.740，0.789	52.7	0.786	0.76，0.809	62.5
Zahra^[25]	0.756	0.731，0.781	55.5	0.781	0.755，0.804	62.2
Zahra^[25]	0.76	0.734，0.784	57.2	0.784	0.759，0.808	63.0
Zahra^[25]	0.756	0.731，0.781	55.5	0.782	0.757，0.806	63.4
Liu^[26]	0.757	0.731，0.781	55.9	0.782	0.757，0.806	63.4
Guerra Leal^[27]	0.760	0.735，0.784	56.8	0.778	0.752，0.802	60.6
Yu^[28]	0.753	0.726，0.778	54.0	0.774	0.748，0.798	56.6
Wu^[29]	0.754	0.728，0.778	53.4	0.783	0.758，0.807	63.4
Niu^[30]	0.757	0.731，0.781	56.3	0.776	0.751，0.801	60.2
Li^[31]	0.757	0.731，0.781	56.5	0.780	0.755，0.804	62.9
Moustafa^[32]	0.760	0.735，0.784	57.1	0.787	0.762，0.810	59.9
Moustafa^[32]	0.761	0.736，0.785	55.6	0.785	0.760，0.808	62.3
Martins‐Ferreira^[33]	0.761	0.735，0.786	57.0	0.781	0.755，0.805	63.3
Martins‐Ferreira^[33]	0.768	0.743，0.792	51.0	0.784	0.758，0.808	63.3
Li^[34]	0.756	0.730，0.780	55.8	0.777	0.751，0.801	60.5
Ioriatti^[35]	0.756	0.731，0.780	54.4	0.781	0.756，0.805	62.7
Shen^[36]	0.760	0.735，0.784	57.1	0.786	0.761，0.809	61.3
Elnady^[37]	0.758	0.733，0.782	57.0	0.782	0.757，0.806	63.4
Elnady^[37]	0.763	0.738，0.787	55.1	0.787	0.762，0.811	61.5
Avansini^[38]	0.766	0.740，0.790	53.3	0.785	0.760，0.810	63.0
Avansini^[38]	0.761	0.736，0.785	56.4	0.783	0.758，0.807	63.3
Wang^[39]	0.755	0.728，0.780	56.0	0.779	0.753，0.804	63.0
Wang^[40]	0.756	0.730，0.781	56.4	0.780	0.754，0.805	63.1

第一作者	敏感度			特異度
第一作者	SEN	95%CI	I²	SPE	95%CI	I²
Nomair^[24]	0.762	0.737，0.786	56.0	0.792	0.767，0.815	53.4
Nomair^[24]	0.766	0.741，0.790	49.0	0.788	0.763，0.812	60.0
Nomair^[24]	0.765	0.740，0.789	52.7	0.786	0.76，0.809	62.5
Zahra^[25]	0.756	0.731，0.781	55.5	0.781	0.755，0.804	62.2
Zahra^[25]	0.76	0.734，0.784	57.2	0.784	0.759，0.808	63.0
Zahra^[25]	0.756	0.731，0.781	55.5	0.782	0.757，0.806	63.4
Liu^[26]	0.757	0.731，0.781	55.9	0.782	0.757，0.806	63.4
Guerra Leal^[27]	0.760	0.735，0.784	56.8	0.778	0.752，0.802	60.6
Yu^[28]	0.753	0.726，0.778	54.0	0.774	0.748，0.798	56.6
Wu^[29]	0.754	0.728，0.778	53.4	0.783	0.758，0.807	63.4
Niu^[30]	0.757	0.731，0.781	56.3	0.776	0.751，0.801	60.2
Li^[31]	0.757	0.731，0.781	56.5	0.780	0.755，0.804	62.9
Moustafa^[32]	0.760	0.735，0.784	57.1	0.787	0.762，0.810	59.9
Moustafa^[32]	0.761	0.736，0.785	55.6	0.785	0.760，0.808	62.3
Martins‐Ferreira^[33]	0.761	0.735，0.786	57.0	0.781	0.755，0.805	63.3
Martins‐Ferreira^[33]	0.768	0.743，0.792	51.0	0.784	0.758，0.808	63.3
Li^[34]	0.756	0.730，0.780	55.8	0.777	0.751，0.801	60.5
Ioriatti^[35]	0.756	0.731，0.780	54.4	0.781	0.756，0.805	62.7
Shen^[36]	0.760	0.735，0.784	57.1	0.786	0.761，0.809	61.3
Elnady^[37]	0.758	0.733，0.782	57.0	0.782	0.757，0.806	63.4
Elnady^[37]	0.763	0.738，0.787	55.1	0.787	0.762，0.811	61.5
Avansini^[38]	0.766	0.740，0.790	53.3	0.785	0.760，0.810	63.0
Avansini^[38]	0.761	0.736，0.785	56.4	0.783	0.758，0.807	63.3
Wang^[39]	0.755	0.728，0.780	56.0	0.779	0.753，0.804	63.0
Wang^[40]	0.756	0.730，0.781	56.4	0.780	0.754，0.805	63.1

第一作者	敏感度			特異度
第一作者	SEN	95%CI	I²	SPE	95%CI	I²
Nomair^[24]	0.762	0.737，0.786	56.0	0.792	0.767，0.815	53.4
Nomair^[24]	0.766	0.741，0.790	49.0	0.788	0.763，0.812	60.0
Nomair^[24]	0.765	0.740，0.789	52.7	0.786	0.76，0.809	62.5
Zahra^[25]	0.756	0.731，0.781	55.5	0.781	0.755，0.804	62.2
Zahra^[25]	0.76	0.734，0.784	57.2	0.784	0.759，0.808	63.0
Zahra^[25]	0.756	0.731，0.781	55.5	0.782	0.757，0.806	63.4
Liu^[26]	0.757	0.731，0.781	55.9	0.782	0.757，0.806	63.4
Guerra Leal^[27]	0.760	0.735，0.784	56.8	0.778	0.752，0.802	60.6
Yu^[28]	0.753	0.726，0.778	54.0	0.774	0.748，0.798	56.6
Wu^[29]	0.754	0.728，0.778	53.4	0.783	0.758，0.807	63.4
Niu^[30]	0.757	0.731，0.781	56.3	0.776	0.751，0.801	60.2
Li^[31]	0.757	0.731，0.781	56.5	0.780	0.755，0.804	62.9
Moustafa^[32]	0.760	0.735，0.784	57.1	0.787	0.762，0.810	59.9
Moustafa^[32]	0.761	0.736，0.785	55.6	0.785	0.760，0.808	62.3
Martins‐Ferreira^[33]	0.761	0.735，0.786	57.0	0.781	0.755，0.805	63.3
Martins‐Ferreira^[33]	0.768	0.743，0.792	51.0	0.784	0.758，0.808	63.3
Li^[34]	0.756	0.730，0.780	55.8	0.777	0.751，0.801	60.5
Ioriatti^[35]	0.756	0.731，0.780	54.4	0.781	0.756，0.805	62.7
Shen^[36]	0.760	0.735，0.784	57.1	0.786	0.761，0.809	61.3
Elnady^[37]	0.758	0.733，0.782	57.0	0.782	0.757，0.806	63.4
Elnady^[37]	0.763	0.738，0.787	55.1	0.787	0.762，0.811	61.5
Avansini^[38]	0.766	0.740，0.790	53.3	0.785	0.760，0.810	63.0
Avansini^[38]	0.761	0.736，0.785	56.4	0.783	0.758，0.807	63.3
Wang^[39]	0.755	0.728，0.780	56.0	0.779	0.753，0.804	63.0
Wang^[40]	0.756	0.730，0.781	56.4	0.780	0.754，0.805	63.1

《癲癇雜志》

miRNA對癲癇診斷價值的系統評價與Meta分析

摘要 全文 圖表 視頻 參考文獻 施引文獻 補充材料

1 資料與方法

1.1 檢索策略

1.2 納入和排除標準

1.2.1 納入標準

1.2.2 排除標準是

1.3 偏倚風險評價

1.4 文獻篩選和資料提取

1.5 統計分析

2 結果

2.1 文獻篩選流程及結果

2.2 納入研究基本特征

2.3 偏倚風險評價

2.4 Meta分析結果

2.5 Meta回歸和亞組分析

2.6 敏感性分析和發表偏倚

3 討論

1 資料與方法

1.1 檢索策略

1.2 納入和排除標準

1.2.1 納入標準

1.2.2 排除標準是

1.3 偏倚風險評價

1.4 文獻篩選和資料提取

1.5 統計分析

2 結果

2.1 文獻篩選流程及結果

2.2 納入研究基本特征

2.3 偏倚風險評價

2.4 Meta分析結果

2.5 Meta回歸和亞組分析

2.6 敏感性分析和發表偏倚

3 討論

上一篇

下一篇

Format

Content

摘要全文圖表視頻參考文獻施引文獻補充材料