連續(xù)型數(shù)據(jù)meta初步分析在STATA中的實(shí)現(xiàn)

1 數(shù)據(jù)提取

要對(duì)連續(xù)性數(shù)據(jù)進(jìn)行meta分析纳本，需要提取每篇文章的分組情況、樣本量腋颠、均值繁成、標(biāo)準(zhǔn)差。需要初步整理為如下格式淑玫，如下圖所示：

image.png

對(duì)文章效應(yīng)指標(biāo)的選擇巾腕，目前使用較多的是加權(quán)均數(shù)差（WMD）和標(biāo)準(zhǔn)均數(shù)差（SMD）。

1）WMD是對(duì)均數(shù)進(jìn)行加權(quán)絮蒿，

讓原始研究效應(yīng)估計(jì)的精度性決定其在meta分析中的權(quán)重尊搬，消除了絕對(duì)值的大小對(duì)分析結(jié)果的影響。
WMD在STATA軟件中的計(jì)算語句為：nostandard

2）SMD

則表示暴露組和對(duì)照組觀察變量的相對(duì)大小土涝，可以消除研究中不同測(cè)量單位帶來的影響佛寿，適用于不同指標(biāo)來衡量相同結(jié)果的meta分析但壮。
SMD在STATA軟件中的計(jì)算語句為：Cohen, Hedge, Glass

2 模型的選擇

理論上應(yīng)該先判斷研究異質(zhì)性的大小常侣，再根據(jù)異質(zhì)性來選擇分析模型腔长，但在實(shí)際操作中，常常先選擇固定效應(yīng)模型巾乳，然后計(jì)算異質(zhì)性鸟召，如果異質(zhì)性不接受，則再選擇隨機(jī)效應(yīng)模型欧募。
1)STATA 軟件為固定效應(yīng)模型提供的算法為倒方差法，實(shí)施語句為fixed种冬。
2）STATA 軟件為隨機(jī)效應(yīng)模型提供的算法為I-V heterogeneity法舔糖，實(shí)施語句為random。

3 在STATA中的實(shí)現(xiàn)

1）數(shù)據(jù)錄入：

打開STATA軟件的數(shù)據(jù)錄入界面十兢，將之前收集好的原始數(shù)據(jù)錄入摇庙，如下圖所示

2）數(shù)據(jù)分析及森林圖繪制：

固定效應(yīng)模型分析語句：
metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) fixed nostandard
隨機(jī)效應(yīng)模型分析語句：
metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) random nostandard
將語句輸入STATA的命令對(duì)話框迹冤，點(diǎn)擊回車后，命令的結(jié)果會(huì)呈現(xiàn)如下泡徙，并自動(dòng)彈出森林圖。結(jié)果如下圖所示：

image.png

image.png

3）繪制漏斗圖：

STATA語句：
metafunnel _ES _seES
將語句輸入STATA的命令對(duì)話框品腹，點(diǎn)擊回車后红碑，會(huì)自動(dòng)彈出漏斗圖。結(jié)果如圖5所示：

image.png

完結(jié)

二分類數(shù)據(jù)meta分析在STATA軟件中的實(shí)現(xiàn)

文章研究的結(jié)局指標(biāo)是二分類變量時(shí)羡鸥，頻數(shù)可以用2×2的表格呈現(xiàn)忠寻，如圖1所示：

image.png

對(duì)于文章的效應(yīng)指標(biāo)的選擇锡溯，通常有OR值（比值比）哑姚，RR值（相對(duì)危險(xiǎn)度）和RD值（率差）。根據(jù)納入文章的研究設(shè)計(jì)類型選擇合適的分析指標(biāo)倡蝙。

（2）在STATA中的實(shí)現(xiàn)

1）數(shù)據(jù)錄入：打開STATA軟件中的數(shù)據(jù)錄入界面绞佩，完成對(duì)納入研究數(shù)據(jù)的錄入。其中a,b,c,d分別代表二分類表中的頻數(shù)胆建，如圖2所示：

image

2）數(shù)據(jù)分析及森林圖繪制

分析STATA 語句：

固定效應(yīng)模型：

metan a b c d, or fixed

隨機(jī)效應(yīng)模型：

metan a b c d, or random

將語句輸入STATA的命令對(duì)話框肘交，點(diǎn)擊回車后，命令的結(jié)果會(huì)呈現(xiàn)如下，并自動(dòng)彈出森林圖凉驻。結(jié)果如圖3所示：

image

首先使用的是固定效應(yīng)模型腻要，語句中l(wèi)cols(study)用于在森林圖中添加作者姓名和發(fā)表年份。結(jié)果顯示：Q=5.1,p=0.404>0.05,表明研究間同質(zhì)性較好涝登，因?yàn)?em>p>0.1,I²<40%,故采用固定效應(yīng)模型分析。最終的分析結(jié)果為p<0.001,表明結(jié)果有統(tǒng)計(jì)學(xué)意義胀滚。

STATA繪制的森林圖如圖4所示：

image

3）繪制漏斗圖

STATA語句：

metafunnel _ES _selogES

將語句輸入STATA的命令對(duì)話框趟济，點(diǎn)擊回車后蛛淋，會(huì)自動(dòng)彈出漏斗圖咙好。結(jié)果如圖5所示：

image

每個(gè)散點(diǎn)代表納入的研究，漏斗圖可以直觀地提示發(fā)表偏倚勾效。

這就是二分類數(shù)據(jù)meta初步分析操作流程。

其他類型數(shù)據(jù)meta分析在STATA中的實(shí)現(xiàn)

多分類變量

在醫(yī)學(xué)研究中叛甫，多分類數(shù)據(jù)很常見层宫，例如血型（A型、B型其监、AB型和O型）萌腿。對(duì)于無序分類數(shù)據(jù)的研究，也可進(jìn)行meta分析毁菱，但是需要將多分類進(jìn)行重新歸納整理成二分類的數(shù)據(jù)。然后采用二分類數(shù)據(jù)meta分析的方法進(jìn)行操作锌历，具體過程請(qǐng)筒子們看看文前究西。

效應(yīng)量和可信區(qū)間

相信大家在面對(duì)臨床研究中窗慎，遇到過只有效應(yīng)量和置信區(qū)間的結(jié)果數(shù)據(jù)遮斥，沒有其他具體描述的术吗，但是郵件又無法聯(lián)系原文作者；或者該研究就是源于交叉實(shí)驗(yàn)的效應(yīng)量帆精、時(shí)間事件分析（HR）的研究材蹬。面對(duì)想好的idea堤器，是不是有點(diǎn)抓狂？不用怕末贾，STATA軟件也可以整合這樣的數(shù)據(jù)闸溃，進(jìn)行meta分析，下面將向大家介紹拱撵。
以只有HR及其置信區(qū)間的數(shù)據(jù)為例：
1）首先辉川，關(guān)于效應(yīng)模型的選擇。與前文類似拴测。
2）數(shù)據(jù)錄入：打開STATA軟件的數(shù)據(jù)錄入界面乓旗，將之前收集好的原始數(shù)據(jù)錄入，如下圖所示：

image

其中hr代表文章的風(fēng)險(xiǎn)比（HR）效應(yīng)值集索，ll代表HR的95%可信區(qū)間的下限屿愚，ul代表HR的95%可信區(qū)間的上限。

3）數(shù)據(jù)分析及森林圖繪制：

首先要計(jì)算HR和95%可信區(qū)間的對(duì)數(shù)值务荆。因?yàn)樵趍eta分析中妆距，通常要求效應(yīng)差異度量的對(duì)應(yīng)樣本統(tǒng)計(jì)量服從正態(tài)分布，效應(yīng)指標(biāo)是HR函匕，則效應(yīng)差異度量為HR的對(duì)數(shù)值娱据。

STATA語句命令為：

image

等數(shù)據(jù)轉(zhuǎn)換完成后，就可以進(jìn)行meta分析了盅惜。STATA的實(shí)行語句為：

metan lnhr lnll lnul, eform label(namevar=study) texts(180) effect(HR)

將語句輸入STATA的命令對(duì)話框中剩，點(diǎn)擊回車后，命令的結(jié)果會(huì)呈現(xiàn)如下抒寂，并自動(dòng)彈出森林圖结啼。結(jié)果如圖2所示：

image

其中eform代表結(jié)果從HR對(duì)數(shù)值返回HR值；label(namevar=study)則在表格和森林圖中注明研究信息蓬推；texts(180)用于調(diào)整森林圖中文字的大小妆棒。

結(jié)果顯示：

Q=12.88, p=0.116>0.05, 表明研究間同質(zhì)性較好澡腾，因?yàn)?em>p>0.1,I²=37.9%,故采用固定效應(yīng)模型分析沸伏。最終的分析結(jié)果為p=0.126>0.05,表明結(jié)果無有統(tǒng)計(jì)學(xué)意義。

彈出的森林圖如圖3所示：

image

完結(jié)