如何優(yōu)雅地做一個(gè)一般的系統(tǒng)綜述和meta分析绎狭?(二)

系統(tǒng)綜述和meta分析是一回事兒嗎?答案是否定的褥傍。Meta分析是一種定量綜合的手段儡嘶,通過前述系統(tǒng)綜述的方法全面檢索和篩選文獻(xiàn)后。我們將對該主題相關(guān)的所有文獻(xiàn)提取相關(guān)信息恍风。根據(jù)提取的信息蹦狂,我們可以輕松地完成系統(tǒng)綜述的定性描述部分。


通常這個(gè)時(shí)候我們會發(fā)現(xiàn):這些文獻(xiàn)中表達(dá)的觀點(diǎn)有可能相似朋贬,也有可能完全不同凯楔,不同的文章的研究樣本量,效應(yīng)值也不盡相同锦募。這時(shí)候我們可以通過Meta分析的方法摆屯,把這些研究的結(jié)果綜合起來考慮,可以部分解決研究結(jié)果不一致的問題糠亩,并且改善效應(yīng)估計(jì)值得大小虐骑。


可以做meta分析的軟件也很多,Revman軟件是cochrane系統(tǒng)綜述和meta分析常用的免費(fèi)軟件赎线,不僅可以進(jìn)行數(shù)據(jù)分析廷没,系統(tǒng)綜述部分的文獻(xiàn)質(zhì)量評價(jià)、信息提取氛驮、異質(zhì)性分析腕柜、數(shù)據(jù)合并以及文章的撰寫都提供了完整的模板。整個(gè)軟件通過按鈕點(diǎn)擊和拖拉拽就可以完成矫废。


另外常用的Stata盏缤,SPSS,R和SAS都可以進(jìn)行meta分析合并數(shù)據(jù)蓖扑。Meta分析的結(jié)果通常是一個(gè)森林圖(包括異質(zhì)性檢驗(yàn)--卡方和P值)


Am J Clin Nutrition. 2005;81:397-408


剛開始做meta分析唉铜,最希望盡快出一個(gè)森林圖和合并值。其實(shí)應(yīng)該先考慮異質(zhì)性檢驗(yàn)的結(jié)果律杠。如果異質(zhì)性明顯存在潭流,需要檢查是不是數(shù)據(jù)提取有錯(cuò)誤(標(biāo)準(zhǔn)差和標(biāo)準(zhǔn)誤混淆),是否需要修改要合并的效應(yīng)值柜去,是否需要進(jìn)行亞組分析或者meta回歸分析灰嫉。如果考慮異質(zhì)性仍然合并數(shù)據(jù),可以采用隨機(jī)效應(yīng)合并數(shù)據(jù)嗓奢。如果實(shí)在異質(zhì)性嚴(yán)重存在讼撒,我們可以放棄Meta分析。


用stata軟件,使用metan函數(shù)(首次使用根盒,可能需要聯(lián)網(wǎng)安裝)钳幅,可以對來自多個(gè)研究的數(shù)據(jù)進(jìn)行合并分析并且做森林圖。連續(xù)變量炎滞、二分類變量敢艰、對比效果(OR,RR册赛,HR)及其置信區(qū)間或者標(biāo)準(zhǔn)差都可以進(jìn)行合并钠导。可以采用隨機(jī)效應(yīng)或者固定效應(yīng)模型(兩種方法不改變點(diǎn)估計(jì)值森瘪,改變合并值的置信區(qū)間)來合并辈双。并且如上圖,會給出合并結(jié)果與0比較的檢驗(yàn)結(jié)果柜砾,和異質(zhì)性分析值。


用metan函數(shù)可以合并的效應(yīng)值比較多需要提供2换衬,3痰驱,4或者6個(gè)變量。

如果直接合并效應(yīng)值瞳浦,可以提供2個(gè)變量:效應(yīng)值和標(biāo)準(zhǔn)誤(目標(biāo)總體的變異)或者三個(gè)變量效應(yīng)值担映,效應(yīng)值的下限,效應(yīng)值的上限叫潦。

如果是兩組結(jié)果數(shù)據(jù)的合并蝇完。對于二分類變量,需要提供4個(gè)變量:依次是實(shí)驗(yàn)組發(fā)生目標(biāo)事件的數(shù)量矗蕊,實(shí)驗(yàn)組未發(fā)生目標(biāo)事件的數(shù)量短蜕,對照組發(fā)生目標(biāo)事件的數(shù)量和對照組未發(fā)生目標(biāo)事件的數(shù)量就可以分析生成合并的OR值;如果是連續(xù)變量的合并傻咖,需要提供6個(gè)數(shù)據(jù):實(shí)驗(yàn)組樣本量朋魔,均值,標(biāo)準(zhǔn)差卿操,和對照組樣本量警检,均值和標(biāo)準(zhǔn)差,可以合并出標(biāo)準(zhǔn)化均數(shù)差害淤。

示例語句:

/*第一行:使用metan扇雕,匯總實(shí)驗(yàn)組死亡人數(shù),未死亡人數(shù)窥摄,對照組死亡人數(shù)镶奉,未死亡人數(shù);*/

metan tdeath tnodeath cdeath cnodeath,

/*第二行:按年份排序,森林圖左側(cè)顯示編號腮鞍、年份值骇、國家,右邊顯示人群類型*/

?sortby(year) lcols(id year country)rcols(population)

/*第三行:調(diào)整森林圖的文字移国、圖形顯示比例吱瘩,不顯示統(tǒng)計(jì)量,不顯示權(quán)重迹缀,不在窗口展示表格*/

?textsize(110) astext(60) double nostats nowtnohet notable


另外使碾,可以使用metafunnel函數(shù)可以做一個(gè)漏斗圖,判斷發(fā)表偏倚(作為文獻(xiàn)檢索是否全面的一個(gè)直觀判斷)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末祝懂,一起剝皮案震驚了整個(gè)濱河市票摇,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌砚蓬,老刑警劉巖矢门,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異灰蛙,居然都是意外死亡祟剔,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進(jìn)店門摩梧,熙熙樓的掌柜王于貴愁眉苦臉地迎上來物延,“玉大人,你說我怎么就攤上這事仅父∨咽恚” “怎么了?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵笙纤,是天一觀的道長耗溜。 經(jīng)常有香客問我,道長省容,這世上最難降的妖魔是什么强霎? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任,我火速辦了婚禮蓉冈,結(jié)果婚禮上城舞,老公的妹妹穿的比我還像新娘。我一直安慰自己寞酿,他們只是感情好家夺,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著伐弹,像睡著了一般拉馋。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天煌茴,我揣著相機(jī)與錄音随闺,去河邊找鬼。 笑死蔓腐,一個(gè)胖子當(dāng)著我的面吹牛矩乐,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播回论,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼散罕,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了傀蓉?” 一聲冷哼從身側(cè)響起欧漱,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎葬燎,沒想到半個(gè)月后误甚,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡谱净,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年靶草,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片岳遥。...
    茶點(diǎn)故事閱讀 37,997評論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖裕寨,靈堂內(nèi)的尸體忽然破棺而出浩蓉,到底是詐尸還是另有隱情,我是刑警寧澤宾袜,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布捻艳,位于F島的核電站,受9級特大地震影響庆猫,放射性物質(zhì)發(fā)生泄漏认轨。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一月培、第九天 我趴在偏房一處隱蔽的房頂上張望嘁字。 院中可真熱鬧,春花似錦杉畜、人聲如沸纪蜒。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽纯续。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間猬错,已是汗流浹背窗看。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留倦炒,地道東北人显沈。 一個(gè)月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓,卻偏偏與公主長得像析校,于是被迫代替她去往敵國和親构罗。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容