RESEARCH NOTE · deep
共享对照如何改变荟萃分析的统计功效
共享样本让研究不再独立
两个研究使用同一批对照时，效应估计中的随机误差会部分共同变化。传统荟萃分析若假设研究独立，就可能低估或错误估计合并结果的不确定性。
重叠不仅发生在公开对照库，也会来自多疾病研究重复招募、同一生物银行或多个项目共享样本。
把样本拆开并非没有代价
最直接的处理是将共享对照分配给不同研究，使每个人只出现一次。这样恢复独立性，却减少每项研究实际使用的对照数量。
当共享比例较高时，简单拆分可能明显降低统计功效，尤其影响样本较小或效应较弱的研究。
相关校正需要正确描述重叠
另一类方法在汇总统计量层面估计研究间相关，并把相关矩阵带入合并。它保留更多样本，但依赖重叠比例、样本表型和计算假设。
若只知道可能重叠，却不知道具体样本或比例，校正本身也会产生不确定性。
FOLD关注共享与非共享个体的贡献
FOLD方法讨论的是重叠研究中，不同控制样本对最终统计量贡献不一致时的功效问题。它提醒研究者，处理相关性与保留功效是两个相连但不完全相同的任务。
理解方法时应回到研究设计，而不是只比较软件输出的P值大小。
怎样留下可复核记录
每个研究应保存样本来源、纳入时间、去重方式、共享标识和分析版本。合并前先画出样本关系，比在结果异常后猜测更有效。
只持有汇总统计量时，应说明无法重新核对个体重叠的限制，并对不同相关假设做敏感性分析。
结论边界
没有一种处理能补回未记录的样本身份。研究越早建立统一标识与数据治理规则，后续荟萃分析越容易判断独立性。
显著性提高不是方法正确的证明；有效处理应同时控制错误率、保留合理功效并与研究设计一致。
重叠可以发生在病例、对照和家系层面
公开生物银行让多个研究更容易共享对照，同一患者也可能因不同表型进入多个病例队列。家系成员即使不是同一个人，遗传相关也会使统计量产生依赖。只按样本编号去重，无法处理所有相关结构。
研究设计阶段应建立跨项目标识，在保护隐私的前提下记录可比较的哈希或中心内映射。到荟萃分析阶段才从样本量推测重叠，通常只能得到粗略相关。
表型相关与样本重叠需要区分
两个研究即使没有共享个体，相关表型也可能因遗传相关产生相似效应；共享个体则让抽样误差相关。前者是生物信息，后者是设计结构，模型中的处理位置不同。
若同时存在相关表型与重叠样本，应明确相关矩阵如何估计。使用零效应标记估计相关是一种做法，但群体结构和广泛多效性也可能影响估计。
拆分对照为何会损失功效
对照数量影响效应估计精度。把一批共享对照分给多个研究，虽然让统计量独立，却降低每项研究的有效样本。病例远少于对照时，损失可能有限；病例与对照接近平衡时，影响更明显。
拆分策略还要决定如何分配。平均分配简单，却不一定让所有研究功效最大。根据病例数量或信息量分配更合理，但需要提前规划。
相关校正依赖可验证输入
汇总层面校正通常需要研究间相关系数。这个数值可以由已知重叠比例推导，也可以从大量近似零效应标记估计。两种方式都带有假设。
估计相关后应检查矩阵是否正定、数值是否稳定，以及结果对相关系数变化是否敏感。一个无法解释的相关矩阵不应被当作纯技术参数。
跨疾病分析尤其容易出现隐藏亚群
同一医疗系统中的患者可能拥有多个诊断，因此不同疾病GWAS会共享部分病例。若其中一个疾病定义较宽，重叠还可能反映临床异质性。
此时统计相关既来自共享个体，也可能来自真正多效性。仅校正样本重叠不能回答疾病机制是否共享，需要结合独立样本和亚组资料。
报告应说明处理前后的信息变化
读者需要知道原始研究样本量、共享比例、采用的拆分或相关校正方法，以及处理后有效样本如何变化。只报告最终合并P值，无法判断功效来自更多信息还是模型假设。
敏感性分析可以比较不重叠、估计重叠和较高重叠三种情形。如果结论方向稳定但区间变化，说明主要判断较稳；若显著性和方向都改变，应保留不确定性。
数据治理比事后算法更早解决问题
建立统一受试者标识、记录招募中心和时间、保存表型版本，能让后续项目在不暴露身份的情况下识别重叠。治理成本发生在前期，却能减少每次合并时的猜测。
对于无法回溯的旧研究，最诚实的处理是声明重叠未知，并限制结论。统计软件不能从缺失的元数据中恢复真实样本关系。
同一生物银行中的研究尤其需要协调
大型生物银行会被不同团队用于多个性状。即使每篇论文独立完成，后续跨性状合并时仍可能共享大量个体。公开说明中应标注数据来源与版本，方便识别潜在重叠。
如果研究只公布总样本量而不说明生物银行组成，外部分析者难以估计相关。透明的队列构成比一个更精确的小数位相关系数更有长期价值。
重叠比例的误差需要敏感性分析
实际重叠可能因质量控制、缺失表型和不同版本而低于名义队列重叠。使用单一比例会制造虚假精确。
在合理范围内改变重叠假设，观察效应、标准误和显著性。如果中心判断对范围敏感，应把这种依赖作为结果的一部分。
合并前先统一效应定义
同一性状可能用连续值、二分类或不同单位分析。即使样本完全独立，效应尺度不一致也无法直接合并。
先统一效应等位基因、单位和模型，再处理重叠相关。把多个问题同时交给软件，错误会变得难以定位。