Revman5.3软件操作 最新

/revman/download.htm
打开Revman软件，点 击“create a review”新 建一个Meta分析
干预性系统评价 诊断准确性系统评价 方法学系统评价 灵活系统评价
诊断准确性系统评价
为研究取一个名字
Protocol 是制作cochrane review 时候用的，其他时 候不用，所以选“full review”,点finish
效应指标的选择 OR：比值比，万金油，可用于 所有的二分类变量的研究 RR：相对危险度，仅用于队列 研究和RCT RD：率差，仅用于队列研究和 RCT
亚组选择
研究可信区间的选择 总可信区间的选择
一般全部选择 默认，然后 next
Left/Right Gragh Lable:试验组和对 照组的标签，可以 自定义一下 Scale：森林图的尺 度，默认100
每个亚组的研究都 纳入了，然后将相 应的数据拷贝进来
结果自动生成，还有可 爱的森林图
森林图导出后是 这样的
第五部分 森林图和漏斗图的解读
森林图
先打开森林图
横线代表研究结果的可信区间，即此研究 真实存在的范围。 横线越长，样本量越小，结果越欠可靠 横线越短，样本量越大，结果越可靠
Data and analysis 是 Revman的核心，统计和 计算都在这里
Figures，图片区，纳入研究的流程图和偏移风 险图都在这里，此外，其他区基本不用
先点击Studies and refrences， 然后点 Add Study，则可以开 始录入研究
点击 studies and refrences, 然后点击右边的 Add Study
效应模型，同二分类变量 FE：固定效应模型，当纳入 的各研究间异质性较好，可 以用； RE：随机效应模型，通用
所以这里选择IV法，RE模 型，MD值，然后Next
亚组选择
研究可信区间的选择
总可信区间的选择
一般全部选择 默认，然后 next
Left/Right Gragh Lable:试 验组和对照组的标签，可 以自定义一下 Scale：森林图的尺度， 默认100
1 165/281 255/470 458/644 697/103 2 1042/88 8 1572/13 59 286/395
2 99/225 9/36 268/448 29/62 566/544 74/94 160/223 0.06144 0.03606 0.10362 0.08375 0.10740 0.01388 0.02948
可以 更改 数据类型
更改实验组和对照 组的标签
切 换 统 计 方 法 更改效 应指标
更改效 应模型
是否显示亚 组
研究的可信区间
汇总结果的 可信区间
森林图 的显示
Outcome中数 据的排序方式
发现了吗？ 可以设置的内容就是 我们当初新建Outcome 时的内容，所以新建 Outcome只需随便选择， 数据汇总后再根据异质 性等进行修改
取一个名字 “亚裔”
选择添加一个新的 亚组，Continue
起另一个名字， 叫“高加索裔”， 然后Finish
这个亚组就建好了， 点击“Subgroup“
点击“Asian”,然后点击 右上键的 添加研究
将亚裔的研 究添加进去
点击“Caucasians”,然后 点击右上键的 添加研究
添加“高加索 裔”的研究
我们来看一下结果
总的事件数及 样本量
合并的效应量及 95%可信区间 总OR值的统计学 检验（Z检验）结 果，总OR值的P值
异质性检验：P=0.42，I2=0%， 说明无明显异质性
下面来介绍一下这几个小 按钮的功能
这个按钮可以用来添 加新的研究
这个按钮可以切换 效应指标，也就是 OR、RR、RD
Sort By：研究的排序方法， 一般选第一个，选Study ID的 首字母进行排序
全部设置完毕 点Nothing,然 后 finish
这个Outcome就建 好了，双击它
和二分类变量一样， 现在这个outcom现 在还是空的
点击右上角 研究，
添加
选择需要纳入的研 究
和二分类变量一样，将相应的 数据Copy进来，结果自动生成
左边为revman的功能区， 右边则为主体区
左边可以看到5把“钥匙”，点击第 1把Review information 可以修改这 个review的基本信息
点击第2把“钥匙” main text , 可以看到这个Review 的提纲， 初学者可以参照来写
第3把钥匙 tables 表格区。 主要有两个功能：1.各个研 究的特点和偏移；2.呈现 Summary of finding tables。
各组研究的均数、 标准差及样本量
各组研究的MD值 及95%可信区间
两组研究的 样本量
总MD值的统计学 检验（Z检验）结 果，总MD值的P 值
合并总的MD值 及95%可信区间
异质性检验：P＜0.0001， I2=99%，说明具有较高的 异质性
统计指标:MD值，统计方法：IV法，固 定效应模型，95%可信区间
这个按钮可以切换效应模型， 即RE(随机效应模型)、 FE(固定效应模型），鼠标 点击即可完成切换
这个按钮是用来打开森林 图的
这个按钮是用来打开漏斗 图的
这个按钮是可打开计算器
这个 可以设置这个 Outcome的所有条件， 包括分析方法、分析数 据类型、细节、图表等
更改outcome的名字
自动跳转到这个界面， 输入研究者名字和年 份，如 Jack 2007
连续默认“next”，则会出现如图 界面，如所有研究都已录入完毕， 则选择“nothing”，若还需录入新 的研究，则选择第3项添加另一个研 究到这里
研究全部添加后 是这样的
第二部分 二分类变量资料的Meta分析实现
概述
有些变量的测量结果只有两种类别，譬如：男性和 女性、有效与无效、生或死等等，这种按事物的某一 性质划分的只有两类结果的变量，称为二分类变量 Meta分析中，二分类变量汇总的是发生率、死亡率、 有效率这些数据
分别将每个研究试 验组及对照组事件 数及样本量录入
譬如这个原始数据，对应相应的 研究，将数据直接复制进去
这个滑动键可 以调节这个森 林图的大小
如图所示，数据录入 后结果自动生成
两组的事件数和样本量
各个研究的OR值
权重：每个研究在合并 结果中所占的比重
效应值是OR
统计方法是MH
固定效应模型
95%可信区间
开始数据分析，点Add comprison
为这个对比 取一个名字， 如“A vs B”
比较已经建好， Add outcome
二分类变量 O-E和方差 连续型变量
一般倒方差
其他数据类型
二分类变量和连 续型变量是最常 用的
点“Dischotomous”， 然后 next
为这个结果取一 个名字，如这个 结果是分析安全 性，如：Safety
Revman软件操作
主要内容
章新建 二分类变量资料的Meta分析实现 连续变量资料的Meta分析实现 亚组分析的构建 漏斗图与森林图的解读 敏感性及异质性分析
Revman软件的下载与安装

Review Manager（简称 RevMan）是国际 Cochrane 协作网为系统评价（systematic review）工作者所提 供的专用软件，是 Cochrane 系统评价的一体化、标 准化软件。下载地址： http://www.cochrane.es/Download/Files/revman. htm /software/revman.htm
Spain
Caucasians
rs7517847
rs11209026
rs1343151 Ebrahimi-2014 Iran Asian rs7517847 rs11209026 rs1004819 rs1343151 rs2201841
0/6
22/49 4/4 0/0 16/18 2/5 15/19
第四部分 亚组分析的实现
亚组分析 亚组分析是处 理异质性的常 用方法，可以 按照研究方案、 研究质量，人 种等进行分组
First author/year
Country
Ethnicity
SNP Sample Size Cas Control 11 e 13 253 50/7 2 8 123/ 218 36 547 149/ 3 192 334/ 486 84 749 326/ 3 280 750/ 634 22 342 92/1 2 21 203/ 302 99/1 36 77 78 45/4 4 71/7 2 25/1 9 55/4 1 26/1 9
425/638
299/429 118/118 148/150 86/79 130114 88/78
19/46
145/255 36/38 6/6 68/77 24/42 66/78
0.10594
0.11293 0.83685 0.98144 0.35917 0.01470 0.21064
用种族进行亚组分析
Lacher-2008
German
Caucasians
rs7517847 rs11209026
Marquez-2007
Spain
Caucasians
s7517847 rs11209026
Latiano-2008
Italy
Caucasians
rs7517847 rs11209026
Oliver-2007
Sort By：研究的排序方法， 一般选第一个，选Study ID的 首字母进行排序
全部设置完毕点 Nothing,然后 finish
Outcome就建 好了，点击它
可以看到这个 outcome现在 还是空的
这时需要点击右上 角 添加研究，
选择这个outcome 所需纳入的研究， 然后Finish
添加一个新的“Outcome”
选择二分类变 量，然后Next
为这个研 究取一个 名字
全部选择默认，然 后Next
全部默认，然 后Next
选择默认，Next
点Nothing,然后Finish
这个名为“Subgroup”的 新的Outcome就建好了
点右键，出现”Add Subgroup”,添加亚组
漏斗图常用于发表偏移的识别然而引起漏斗图不对称的原因很多发表偏移也是其中之一漏斗图可大致了解各研究间是否存在异质这两条斜线是漏斗图的95可信区间理想情况下漏斗图中应有95的点落在这个区间内提示可能不存在异质性如果有更多的点落在外面则提示可能存在异质性点击将图片另存为理想状态下一个meta分析应该相当于一个大型的多中心研究纳入的各项研究应该是同质的研究内的变异是相似的各项研究应该是指向同一个结果的然后由于研究人员对象地点条件种族等的不同研究间的异质性是绝对存在的数值法q统计量h统计量统计量图示法galbraith图labbe图森林图漏斗图revman中可以实现的有q统计量i统计量森林图漏斗图森林图和漏斗图法前面已经说过了这两种方法虽然直观但不客观下面来看q统计量及i统计量异质性检验的结果在这里revman提供两种异质性检验的方法检验q值检验检验对于q值统计量检验主要看p值取值范围为0至100对于i统计量检验判定异质性的方法主要有两种
这一界面主要选择： 1.统计学方法 2.统计模型 3.统计指标
统计学方法 Peto：只能用于二分类变量 里的OR值 MH法：只能用于二分类变量 IV法：连续型变量和二分类 变量都可以
效应模型的选择 FE：固定效应模型，当纳入的各 研究间异质性较好，即P值＞0.1 或I2＜50%时，可以用； RE：随机效应模型，通用
Genotype frequency (Cases/controls)
PHWE
12 65/12 5 9/34 160/2 60 29/60 390/3 28 72/91 102/1 53 19/34 101/1 57 28/30 6/6 36/41 20/32 36/40
22 17/50 0/1 54/94 0/1 88/108 1/1 29/35
第三部分 连续型变量资料的Meta分析实现
概述


连续型变量：有具体数值的数据，如：身高、 体重、肿瘤直径、血糖、血氧等 Meta分析中，连续型变量是身高、体重、血 压、淀粉酶等数据，描述这样的数据，需要 三个元素：均数、标准差和样本量
在做二分类变量的时候研究已 经录入完毕，再次来到数据区： Data and analysis,然后“Add Comparison”
为这个新的“Comparison”取 一个名字，如“C VS D”,然 后Next
点“Nohing”,然后Finish
新的比较就建好了
接下来，Add Outcome
点“Continuous”， 然后 next
为这个结果取一个 名字，如：Length of ICU stay
又到了选择统计方 法、效应指标、效 应模型这一页，其 和二分类变量有所 区别






完成一个Meta分析的数据合并，需要进行至多三 层工作： 第一层是“Comparison”，代表的是一个对比 （试验组vs对照组） 第二层是“Outcome”，代表对比的是什么（结 局指标） 第三层是“Subgroup”，亚组分析时才会用到， 可以没有
研究全部录入后，就 来到数据区：Data and analysis