生存資料的二次研究系列之五：三級隨機(jī)效應(yīng)Meta分析模型在預(yù)后相關(guān)Meta分析中的應(yīng)用

孟詳喻，周新雨，李勝，翁鴻，曾憲濤

循證理論與實(shí)踐

生存資料的二次研究系列之五：三級隨機(jī)效應(yīng)Meta分析模型在預(yù)后相關(guān)Meta分析中的應(yīng)用

孟詳喻1，2，周新雨3，李勝1，2，翁鴻1，2，曾憲濤1，2

醫(yī)學(xué)研究中的結(jié)局指標(biāo)往往不止一個(gè)。在涉及長期隨訪的研究中，時(shí)間-事件（TTE）結(jié)局往往有多個(gè)，如無進(jìn)展生存與總生存。上述結(jié)局指標(biāo)之間存在關(guān)聯(lián)，分開合并的結(jié)果會增加I類錯誤概率。以三級隨機(jī)效應(yīng)Meta分析模型針對多個(gè)相互關(guān)聯(lián)的TTE結(jié)局進(jìn)行Meta分析的方法，可以在一定程度上避免上述問題。

三級隨機(jī)效應(yīng)Meta分析模型；Meta分析；預(yù)后

在涉及長期隨訪的研究中，時(shí)間-事件（time-to-event，TTE）結(jié)局往往有多個(gè)。涉及TTE資料的研究一般會對無進(jìn)展生存（progression-free survival，PFS）與總生存（overall survival，OS）這兩個(gè)結(jié)局指標(biāo)進(jìn)行分析與報(bào)道［1，2］。無進(jìn)展生存的終點(diǎn)事件為疾病進(jìn)展或死亡，總生存的終點(diǎn)事件為死亡［1］。顯然這兩個(gè)指標(biāo)間存在內(nèi)在聯(lián)系。如果單獨(dú)進(jìn)行合并，則會使犯I類錯誤的概率增加而得出不正確結(jié)論［3-5］。使用三級隨機(jī)效應(yīng)Meta分析模型對相互關(guān)聯(lián)的結(jié)局變量資料進(jìn)行合并能夠避免上述問題。尤其是在PFS與OS等預(yù)后指標(biāo)的合并結(jié)果存在差異的情況下，以三級模型進(jìn)行分析有助于對預(yù)后進(jìn)行綜合判斷［5］。另一方面，由于絕大多數(shù)文獻(xiàn)中缺乏上述結(jié)局指標(biāo)之間的具體相關(guān)信息（抽樣協(xié)方差矩陣），因而無法進(jìn)行多元Meta分析［5-7］。本文首先對三級隨機(jī)效應(yīng)Meta分析模型進(jìn)行簡要的介紹，之后通過實(shí)例分析展示以R軟件實(shí)現(xiàn)相關(guān)分析的方法。

1　三級隨機(jī)效應(yīng)Meta分析模型簡介

1.1傳統(tǒng)隨機(jī)效應(yīng)模型 傳統(tǒng)的隨機(jī)效應(yīng)Meta分析模型可以表示為下方所示的二級結(jié)構(gòu)：

2　實(shí)例剖析

2.1原始研究資料 本實(shí)例的研究數(shù)據(jù)來源于一項(xiàng)對比埃羅替尼與傳統(tǒng)化療用于晚期非小細(xì)胞肺癌的療效的Meta分析［10］。共納入14項(xiàng)研究［11-25］，其中14篇對PFS進(jìn)行了分析［11-25］，13篇對OS進(jìn)行了分析［11，12，14-25］，納入文獻(xiàn)的基本信息如表1所示。

其中HR為風(fēng)險(xiǎn)比，ULCI與LLCI分別為95%可信區(qū)間的上限與下限。為方便讀取及后續(xù)分析，將轉(zhuǎn)化后數(shù)據(jù)的格式進(jìn)行整理，部分?jǐn)?shù)據(jù)如表2所示。表中“author”、“l(fā)ogHR”、“v_logHR”、“study_id”與“outcome”分別代表第一作者姓氏、HR的對數(shù)、HR對數(shù)值的抽樣方差、研究編號和結(jié)局指標(biāo)。

表1　實(shí)例分析中納入文獻(xiàn)的基本信息

表2　整理后的原始數(shù)據(jù)表

將上述數(shù)據(jù)讀入R軟件，存入名稱為“chemo”的對象中，具體操作方法見專著［28］。輸入以下命令進(jìn)行分析：

library（metaSEM）

result《-meta3（logHR， v_logHR， study_id，data=chemo）

summary（result）

結(jié)果顯示β的點(diǎn)估計(jì)與95%可信區(qū)間為-0.0373436與（-0.2100761，0.1353888），其內(nèi)涵為綜合考慮了PFS與OS的預(yù)后風(fēng)險(xiǎn)比的對數(shù)值。相應(yīng)的風(fēng)險(xiǎn)比為0.96，95%可信區(qū)間為（0.81，1.14）。異質(zhì)性方面，τ2（2）與τ2（3）分別為0.1739與0.0027，相應(yīng)的I2（2）與I2（3）分別為0.8813 與0.0138，二者之和為0.8951，反推計(jì)算出隨機(jī)誤差占全部變異的比例為0.1049。異質(zhì)性Q檢驗(yàn)P ＜0.001。

根據(jù)實(shí)例分析的結(jié)果，可以得出如下結(jié)論：埃羅替尼組預(yù)后略優(yōu)于傳統(tǒng)化療組，差異無統(tǒng)計(jì)學(xué)顯著性，Meta分析檢測到客觀的異質(zhì)性，但就“預(yù)后”這一抽象指標(biāo)而言，不同研究間異質(zhì)性較?。ú坏诫S機(jī)誤差的15%）。

2.3擴(kuò)展分析 還可利用三級模型將反映預(yù)后即遠(yuǎn)期療效的OS、PFS指標(biāo)與反映早期療效的指標(biāo)進(jìn)行合并，匯總得出綜合反映“療效”這一抽象概念的分析結(jié)果。在此特別提醒讀者，由于OS 與PFS的終點(diǎn)事件為死亡及疾病進(jìn)展，為有害事件；但總有效率ORR的終點(diǎn)事件為有效，為有益事件，因此應(yīng)選擇無效率NRR作為早期療效的評價(jià)指標(biāo)，其效應(yīng)量選用相對危險(xiǎn)度RR；那么，若合并結(jié)果＜1則說明埃羅替尼組“療效”比傳統(tǒng)化療組好，反之亦然。囿于篇幅有限，具體數(shù)據(jù)在此不列表展示，請感興趣的讀者自武漢大學(xué)中南醫(yī)院循證與轉(zhuǎn)化醫(yī)學(xué)中心官網(wǎng)（http://www. whuzncebtm.com/）的“資料下載”一欄下載。

R軟件的操作方法基本同前，在此不做進(jìn)一步說明。經(jīng)過計(jì)算分析，合并后的“療效”效應(yīng)量及其95%可信區(qū)間分別為0.95與（0.80，1.13），可見埃羅替尼相比傳統(tǒng)化療的“療效”略優(yōu)，但差異很小且非顯著。I2（2）與I2（3）分別為0.5171與0.4372，異質(zhì)性Q檢驗(yàn)P＜0.001。

至此，可能有讀者要問，既然能夠通過三級模型將多個(gè)相互關(guān)聯(lián)的結(jié)局指標(biāo)數(shù)據(jù)匯總為單個(gè)抽象結(jié)局指標(biāo)的合并結(jié)果，那么能否通過三級模型得出每一個(gè)結(jié)局指標(biāo)的合并值從而校正單獨(dú)合并過程中可能被低估的標(biāo)準(zhǔn)誤及可能增大的Ⅰ類錯誤風(fēng)險(xiǎn)呢？答案是肯定的。通過設(shè)置啞變量，將yij= β+ u（2）ij+u（3）j+eij模型中的截距項(xiàng)β進(jìn)行分解即可。

以上述分析實(shí)例為例，通過設(shè)置三個(gè)啞變量X1、X2與X3將參數(shù)β分解為三個(gè)參數(shù)γ1、γ2與γ3，即β=γ1×X1+γ2×X2+γ3×X3，則模型可改寫為yij=γ1×X1+γ2×X2+γ3×X3+u（2）ij+u（3）j+eij。分別令ORR、PFS與OS對應(yīng)的啞變量取值為向量（1，0，0）、（0，1，0）與（0，0，1），則γ1、γ2與γ3分別對應(yīng)ORR、PFS與OS之合并后的效應(yīng)量。整理好的數(shù)據(jù)在此不作具體展示，請感興趣的讀者自武漢大學(xué)中南醫(yī)院循證與轉(zhuǎn)化醫(yī)學(xué)中心官網(wǎng)的“資料下載”一欄下載。將數(shù)據(jù)載入R，存入名稱為“chemo1”的對象中，輸入如下命令進(jìn)行運(yùn)算分析：

result《- meta3 （y = logES， v = v_logES， cluster = study_id， x = cbind（x1， x2， x3）， intercept.constraints = 0， data = chemo1）

結(jié)果顯示，合并后無效率的RR及其95%CI為0.90（0.70，1.14），PFS與OS的HR及95%CI分別為0.90（0.72，1.12）與1.06（0.84，1.34），而上述結(jié)局指標(biāo)以傳統(tǒng)隨機(jī)效應(yīng)模型分開合并的結(jié)果依次為0.98（0.89，1.08）、0.89（0.69，1.13）與1.02（0.94，1.12）。

3　結(jié)語

臨床研究中使用多個(gè)結(jié)局指標(biāo)幾乎是常態(tài)，而這些研究指標(biāo)之間很可能存在內(nèi)在關(guān)聯(lián)。這種結(jié)局指標(biāo)間的相關(guān)關(guān)系在預(yù)后分析中尤為顯著。預(yù)后研究中所使用的PFS和OS等指標(biāo)存在天然的內(nèi)在相關(guān)性，其原因主要在于兩個(gè)方面：一是結(jié)局事件的共享，如PFS的終點(diǎn)事件包含了OS的終點(diǎn)事件；二是研究樣本的共享，所有這些結(jié)局指標(biāo)的測量值均來源于同一樣本［3，4，6］。在進(jìn)行Meta分析時(shí)，應(yīng)考慮這種內(nèi)在相關(guān)關(guān)系，忽略的話將有可能導(dǎo)致統(tǒng)計(jì)推斷出現(xiàn)偏倚［3-5］。具體來講，如果將相互關(guān)聯(lián)的結(jié)局指標(biāo)視為相互獨(dú)立的指標(biāo)，則將造成部分信息的重復(fù)利用，從而低估標(biāo)準(zhǔn)誤而增大Ⅰ類錯誤概率［3，5］。有學(xué)者就涉及多個(gè)內(nèi)在相關(guān)結(jié)局的Meta分析的處理方法進(jìn)行了探討，如將單個(gè)研究的不同結(jié)局指標(biāo)整合為單個(gè)結(jié)局指標(biāo)后合并或僅選取單個(gè)結(jié)局指標(biāo)等，這些方法各有利弊，在此不做贅述［5-7］。由于原始文獻(xiàn)對于TTE指標(biāo)的報(bào)告大多僅限于HR及其95%CI，缺少抽樣協(xié)方差的信息且無法根據(jù)其他信息對其進(jìn)行估計(jì)，傳統(tǒng)的多元Meta分析不適用于多個(gè)內(nèi)在相關(guān)TTE結(jié)局的合并［3-7］。

本文推薦的三級Meta分析在方法學(xué)上近似于多元Meta分析，綜合了不同多重結(jié)局常規(guī)處理方法的優(yōu)勢，既能夠整合不同結(jié)局的信息用于反映某抽象概念的效應(yīng)，亦可通過參數(shù)分解對單一結(jié)局指標(biāo)的效應(yīng)進(jìn)行校正估計(jì)，而在異質(zhì)性分析方面基本沿襲了傳統(tǒng)Meta分析的策略，便于研究者掌握。根據(jù)我們長期文獻(xiàn)閱讀的經(jīng)驗(yàn)，有不少M(fèi)eta分析在處理TTE結(jié)局時(shí)并未考慮到這些結(jié)局指標(biāo)內(nèi)在的相關(guān)性，其分析結(jié)果有可能存在偏倚。建議預(yù)后相關(guān)二次研究的讀者們在今后的研究工作中注意這一問題，使用本文介紹的模型及軟件操作方法以確保分析結(jié)果的準(zhǔn)確與可靠。

［1］ 孟詳喻，田國祥，仇成鳳，等. 生存資料的二次研究系列之三: 預(yù)后相關(guān)的二次研究的基本概念介紹［J］. 中國循證心血管醫(yī)學(xué)雜志，2016，8（3）:257-9.

［2］ 孟詳喻，方程，李妙竹，等. 生存資料的二次研究系列之四: 預(yù)后相關(guān)系統(tǒng)評價(jià)/Meta分析的文獻(xiàn)計(jì)量學(xué)研究［J］. 中國循證心血管醫(yī)學(xué)雜志，2016，8（4）: in press.

［3］ Tinsley HEA，Brown ED. Handbook of applied multivariate statistics and mathematical modeling［M］. Orlando: Academic Press，2000.

［4］ Berkey CS，Anderson JJ，HoaglinDC. Multiple-outcome meta-analysis of clinical trials［J］. Stat Med，1996，15（5）:537-57.

［5］ Van den Noortgate W，López-López JA，Marín-Martínez F，et al. Three-level meta-analysis of dependent effect sizes［J］. Behav ResMethods，2013，45（2）:576-94.

［6］ Arends LR，Vokó Z，Stijnen T. Combining multiple outcome measures in a meta-analysis: an application［J］. Stat Med，2003，22（8）:1335-53.

［7］ Berkey CS，Hoaglin DC，Antczak-Bouckoms A，et al. Meta-analysis of multiple outcomes by regression with random effects［J］. Stat Med，1998，17（22）:2537-50.

［8］ Higgins JP，Thompson SG. Quantifying heterogeneity in a metaanalysis［J］. Stat Med，2002，21（11）:1539-58.

［9］ Cochran WG. The combination of estimates from different experiments［J］. Biometrics，1954，10（1）:101-29.

［10］ Ma H，Tian X，Zeng XT，et al. The Efficacy of Erlotinib Versus Conventional Chemotherapy for Advanced Nonsmall-Cell Lung Cancer: A PRISMA-Compliant Systematic Review With Meta-Regression and Meta-Analysis［J］. Medicine （Baltimore），2016，95（2）: e2495.

［11］ Lee DH，Lee JS，Kim SW，et al. Three-arm randomised controlled phase 2 study comparing pemetrexed and erlotinib to either pemetrexed or erlotinib alone as second-line treatment for never-smokers with non-squamous non-small cell lung cancer［J］. Eur J Cancer，2013，49（15）:3111-21.

［12］ Ciuleanu T，Stelmakh L，Cicenas S，et al. Efficacy and safety of erlotinib versus chemotherapy in second-line treatment of patients with advanced， non-small-cell lung cancer with poor prognosis （TITAN）: a randomisedmulticentre， open-label， phase 3 study［J］. Lancet Oncol，2012， 13（3）:300-8.

［13］ Gridelli C，Ciardiello F，Gallo C，et al. First-line erlotinib followed by second-line cisplatin-gemcitabine chemotherapy in advanced nonsmall-cell lung cancer: the TORCH randomized trial［J］. J ClinOncol，2 012，30（24）:3002-11.

［14］ Heigener DF，Deppermann KM，Pawel J，et al. Open， randomized， multicenter phase II study comparing efficacy and tolerability of Erlotinib vs. Carboplatin/Vinorelbin in elderly patients （＞70 years of age） with untreated non-small cell lung cancer［J］. Lung Cancer，2014，84（1）:62-6. ［15］ Karampeazis A，Voutsina A，Souglakos J，et al. Pemetrexed versus erlotinib in pretreated patients with advanced non-small cell lung cancer: A Hellenic Oncology Research Group （HORG） randomized phase 3 study［J］. Cancer，2013，119（15）:2754-64.

［16］ Kawaguchi T，Ando M，Asami K，et al. Randomized phase III trial of erlotinib versus docetaxel as second- or third-line therapy in patients with advanced non-small-cell lung cancer: Docetaxel and Erlotinib Lung Cancer Trial （DELTA）［J］. J ClinOncol，2014，32（18）:1902-8.

［17］ Kelly K，Azzoli CG，Zatloukal P，et al. Randomized phase 2b study of pralatrexate versus erlotinib in patients with stage IIIB/IV nonsmall-cell lung cancer （NSCLC） after failure of prior platinum-based therapy［J］. J ThoracOncol，2012，7（6）:1041-8.

［18］ Lilenbaum R，Axelrod R，Thomas S，et al. Randomized phase II trial of erlotinib or standard chemotherapy in patients with advanced nonsmall-cell lung cancer and a performance status of 2［J］. J ClinOncol，20 08，26（6）:863-9.

［19］ Perol M，Chouaid C，Perol D，et al. Randomized， phase III study of gemcitabine or erlotinib maintenance therapy versus observation，with predefined second-line treatment， after cisplatin-gemcitabine induction chemotherapy in advanced non-small-cell lung cancer［J］. J ClinOncol，2012，30（28）:3516-24.

［20］ Rosell R，Carcereny E，Gervais R，et al. Erlotinib versus standard chemotherapy as first-line treatment for European patients with advanced EGFR mutation-positive non-small-cell lung cancer （EURTAC）: a multicentre， open-label， randomised phase 3 trial［J］. Lancet Oncol，2012， 13（3）:239-46.

［21］ Zhou C，Wu YL，Chen G，et al. Erlotinib versus chemotherapy as first-line treatment for patients with advanced EGFR mutationpositive non-small-cell lung cancer （OPTIMAL， CTONG-0802）: a multicentre， open-label， randomised， phase 3 study［J］. Lancet Oncol，2011，12（8）:735-42.

［22］ Zhou C，Wu YL，Chen G，et al. Final overall survival results from a randomised， phase III study of erlotinib versus chemotherapy as firstline treatment of EGFR mutation-positive advanced non-smallcell lung cancer （OPTIMAL， CTONG-0802）［J］. Ann Oncol，2015，26（9）:1877-83.

［23］ Wu YL，Zhou C，Liam CK，et al. First-line erlotinib versus gemcitabine/ cisplatin in patients with advanced EGFR mutation-positive nonsmall-cell lung cancer: analyses from the phase III， randomized， openlabel， ENSURE study［J］. Ann Oncol，2015，26（9）:1883-9.

［24］ Chen YM，Tsai CM，F(xiàn)an WC，et al. Phase II randomized trial of erlotinib or vinorelbine in chemonaive， advanced， non-small cell lung cancer patients aged 70 years or older［J］. J ThoracOncol，2012，7（2）:412-8.

［25］ Stinchcombe TE，Peterman AH，Lee CB，et al. A randomized phase II trial of first-line treatment with gemcitabine， erlotinib， or gemcitabine and erlotinib in elderly patients （age ＞/=70 years） with stage IIIB/IV nonsmall cell lung cancer［J］. J Thoracic Oncology，2011，6（9）:1569-77.

［26］ R Core Team. R: A language and environment for statistical computing ［Internet］. R Foundation for Statistical Computing， Vienna， Austria，2015. ［cited 2016Mar11］. Available from: https://www.R-project.org/

［27］ Cheung MWL. metaSEM: An R Package for Meta-Analysis using Structural Equation Modeling［J］. Frontiers in Psychology，2015，5:1521. ［28］ 曾憲濤，張超. R與Meta分析［M］. 北京:軍事醫(yī)學(xué)科學(xué)出版社，2015.

本文編輯：姚雪莉

Application of 3-level random-effects Meta-analysis model in prognosis-related Meta-analysis

MENG Xiang-yu*， ZHOU Xin-yu， LI Sheng， WENG Hong， ZENG Xian-tao.*Center for Evidence-Based and Translational Medicine， Zhongnan Hospital， Wuhan University， Wuhan 430071， China.

ZENG Xian-tao， E-mail: zengxiantao1128@163.com

Multiple outcomes are often involved in medical research. In studies concerning long term followup， generally multiple time-to-event （TTE） outcomes are investigated， for example， progression-free survival and overall survival. These outcomes are correlated with each other， and split-and-merge results will increase the probability of type I error. The 3-level random-effects Meta-analysis model is used in the Meta-analysis on multiple correlated TTE outcomes may prevent above mentioned problems.

Three-level random-effects Meta-analysis model； Meta-analysis； Prognosis

R4

A

1674-4055（2016）05-0513-04

1430071 武漢，武漢大學(xué)中南醫(yī)院循證與轉(zhuǎn)化醫(yī)學(xué)中心；2430071 武漢，武漢大學(xué)循證與轉(zhuǎn)化醫(yī)學(xué)中心；3400016 重慶，重慶醫(yī)科大學(xué)第一附屬醫(yī)院神經(jīng)內(nèi)科

曾憲濤，E-mail:zengxiantao1128@163.com.

10.3969/j.issn.1674-4055.2016.05.01

第一級：fj=β+uj

第二級：yj=fj+ej

其中β為效應(yīng)的人群參數(shù)即人群的真實(shí)效應(yīng)，yj為研究j實(shí)際觀察到的效應(yīng)，uj與ej則分別表示研究j的隨機(jī)效應(yīng)（即研究j的真實(shí)效應(yīng)與人群真實(shí)效應(yīng)間的差異）與抽樣誤差。uj～N（0，τ2），τ2即不同研究真實(shí)效應(yīng)的方差，反映了不同研究間異質(zhì)性。ej～N（0，vj）則反映研究j的隨機(jī)誤差。一般情況下Meta分析假設(shè)uj與ej相互獨(dú)立，則上述二級結(jié)構(gòu)可以合并為yj=β+uj+ej。在uj與ej獨(dú)立的前提條件下（一般情況下均作此假設(shè)），yj的方差可以表示為Var（yj）=τ2+vj。uj==0是該模型的一種特殊情形，也就是所謂的固定效應(yīng)模型?？梢钥闯觯潭ㄐ?yīng)模型只是隨機(jī)效應(yīng)模型的降維，研究間異質(zhì)性越小二者越接近。隨機(jī)效應(yīng)模型需要對兩個(gè)參數(shù)即β與τ2進(jìn)行估計(jì)。除最大似然估計(jì)以外，需首先估計(jì)異質(zhì)性參量τ2而后對β進(jìn)行估計(jì)。為量化異質(zhì)性程度的大小，一般采用I2統(tǒng)計(jì)量，其計(jì)算公式為為研究間異質(zhì)性占全部變異的比例［8］。一般采用Cochran于1954年提出的Q檢驗(yàn)方法進(jìn)行異質(zhì)性檢驗(yàn)［9］。

第一級：yij=θij+eij

第二級：θij= fj+ u（2）ij

第三級：fj= β+u（3）j

其中θij為第j個(gè)研究的第i個(gè)結(jié)局的真實(shí)效應(yīng)，eij為其抽樣誤差；β則為i個(gè)相互關(guān)聯(lián)的結(jié)局指標(biāo)在人群中的綜合平均效應(yīng)， fj則為研究j所對應(yīng)的該效應(yīng)的真實(shí)值。其中u（2）ij～N（0，τ 且u（3）ij～N（0，τ）），τ與τ分別反映第二級與第三級的異質(zhì)性。假設(shè)對任意給定的i、j有eij、u（2）ij及u（3）j相互對立，且不同的u（3）j之間及不同的u（2）ij之間相互獨(dú)立，則上述三級模型可以合并為yij= β+ u（2）ij+u（3）j+eij，yj的方差可以表示為Var（yij）=τ2（2）+τ2（3）+vj?？梢娙壞Ｐ徒Y(jié)構(gòu)中的θij與fj為潛變量，通過該模型進(jìn)行Meta分析只對β、τ2（2）與τ2（3）這三個(gè)參數(shù)進(jìn)行估計(jì)；效應(yīng)量參數(shù)的估計(jì)只有一個(gè)，即綜合了多個(gè)結(jié)局指標(biāo)的人群綜合平均效應(yīng)，而原始研究中各結(jié)局指標(biāo)的具體意義將丟失而整合為單個(gè)具有某種抽象意義的指標(biāo)。舉例說明，對一系列研究的OS與PFS兩個(gè)預(yù)后相關(guān)結(jié)局進(jìn)行三級Meta分析，合并結(jié)果不再具有OS與PFS的具體定義而只代表預(yù)后這一抽象概念。在異質(zhì)性量化方面，三級模型中分別以來表示第二級與第三級異質(zhì)性占全部變異的比例。由于在同質(zhì)性零假設(shè)下三級模型將自動降維等同于二級模型，Cochran Q檢驗(yàn)可直接應(yīng)用于三級模型的異質(zhì)性檢驗(yàn)。由于篇幅有限加之該模型的方法學(xué)基礎(chǔ)較為復(fù)雜，在此不做進(jìn)一步說明。感興趣的讀者請參閱相關(guān)文獻(xiàn)資料［5］。