应用Stata软件mvmeta程序包实现网状Meta分析

Chin J Evid-based Med 2014, 14(9): 1150-1159
• 1150 •
C JEBM © 2014 Editorial Board of Chin J Evid-based Med
Methodology
应用Stata软件mvmeta程序包实现网状Meta分析
张 超1 陶 华2 李 胜3,4 曾宪涛1,4,5*
1. 湖北医药学院附属太和医院循证医学与临床研究中心（湖北十堰 442000）；
2. 郑州市第二人民医院科教科（郑州 450006）；
3. 武汉大学中南医院泌尿外科（武汉 430071）；
4. 武汉大学中南医院循证与转化医学中心（武汉 430071）；
5. 四川大学华西医院中国循证医学中心临床研究与循证评价研究室（成都 610041）
摘要 Stata 软件是一款集编程与非编程于一体的统计软件，其操作简单、使用效率高且具有良好的扩展性，在Meta 分析制作方面功能强大。

Stata 软件mvmeta 程序包是一款基于多元回归模型实现网状Meta 分析的程序包，且能够实现“多结局-多变量”数据的同时处理。

当前该程序包实现网状Meta 分析的操作过程较为繁琐，排序功能较差，且缺少绘图功能。

本文通过实例展示介绍了如何使用该程序包实现网状Meta 分析。

关键词 Stata 软件；mvmeta 程序包；网状Meta 分析；多元回归
Implementation of mvmeta Package of Stata Software in Network Meta-Analysis
ZHANG Chao 1, TAO Hua 2, LI Sheng 3,4, ZENG Xian-tao 1,4,5*
1. Center for Evidence-based Medicine and Clinical Research, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, China;
2. Management Office for Medical Research and Education, Zhengzhou Second Hospital, Zhengzhou 450006, China;
3. Department of Urology, Zhongnan Hospital, Wuhan University, Wuhan 430071, China;
4. Center for Evidence-based Medicine and Translational Research, Zhongnan Hospital, Wuhan University, Wuhan 430071;
5. Clinical Research and Evaluation Unit, Chinese Evidence-Based Medicine Center, West China Hospital, Sichuan University, Chengdu 610041, China
Abstract Stata is statistical software that combines programming and un-programming, which is easy to operate, of high efficiency and good expansibility. In performing meta-analysis, Stata software also presents powerful function. The mvmeta package of Stata software is based on a multiple regression model to conduct network meta-analysis, and it also processes “multiple outcomes -multivariate” data. Currently, the disadvantages of mvmeta package include relatively cumbersome process, poor interest-risk sorting, and lack of drawing function in the process of conducting network meta-analysis. In this article, we introduce how to implement network meta-analysis using this package based on cases.
Key words Stata software; mvmeta package; Network meta-analysis; Multiple regression
DOI: 10.7507/1672-2531.20140186基金项目：湖北省教育科学“十二五”规划2012年度重点课题（编号：2012A050）；湖北医药学院附属太和医院2013年循证医学“苗圃基金”项目（编号：EBM2013004）作者简介：张超，男（1988年～），本科，住院医师，以临床医学、循证医学及系统评价/Meta 分析为主要研究方向。

Email: zhangchao0803@ * 通讯作者，Email: zengxiantao1128@
当前，实现网状Meta 分析（network meta-analysis ，NMA ）运算的主要软件为BUGS 和R ，经典的Meta 分析软件Stata 在NMA 方面则起步较晚 [1-12]。

先前Stata 软件实现NMA 只能通过调用
WinBUGS [12,13]，
没有自身的程序包。

为弥补这一不足，依据多元回归的思想，Stata 软件mvmeta 程序包被研发出来 [14]。

本文仍以
《R 软件R2WinBUGS 程序包在网状Meta 分析中的应用》 [2]一文中使用的数据为例，对使用Stata 软件mvmeta 程序包实现
NMA 的操作进行讲解。

1 软件及程序包安装
Stata 软件是一套提供其使用者数据分析、数据管理以及绘制专业图表的完整及整合性统计软件，为收费软件。

目前，Stata 软件采用最具亲和力的窗口接口，操作者不仅可以使用操作菜单来进行数据运算，还可以直接使用编程代码来完成。

编程代码作为软件扩展的部分，其很大程度上实现了软件迅速融入最新方法学资源中。

Stata 软件的下载与安装方法详见《网状Meta 分析在Stata 软件中的实现》 [12]一文；有关Stata 软件实现Meta 分析的更多内容，建议参阅专著《应用STATA 做Meta 分析》 [13]。

Stata 软件用于NMA 的mvmeta 程序包由White 等 [14]于2009年基于多元Meta 回归模型研发，并在2011年进行了完善。

本文介绍的是其2011年
中国循证医学杂志 2014, 14(9): 1150～1159
• 1151 •
© 2014 中国循证医学杂志编辑部
C JEBM
论 著 • 方法学研究
的程序包，该程序包的安装只需在软件命令栏输入以下命令即可完成：
net from /IW_Stata/meta
2 数据录入与加载
Stata 软件操作简便的表现之一，就来自于其数据录入与加载可以直接将Excel 表格中的数据进行复制粘贴 [13]。

首先，
依据mvmeta 程序包对数据排列格式的要求进行排列，本例整理之后的数据详见表1。

3 数据运算
3.1 数据预处理
基于mvmeta 程序包的方法学基础，执行分析前需要对数据进行预处理，即对参照组缺失臂进行数据填补（通常也称之为“填补法”）。

在填补完数据之后，还需要计算各组配对研究效应量以及比较间的方差-协方差。

命令如下：
local h 0.001local m 0.348
replace r1 = `m'*`h' if missing(n1)replace n1 = `h' if missing(n1)forvalues j = 1/14 {
gen logodds`j' = log(r`j'/(n`j'-r`j'))gen var`j' = 1/r`j' + 1/(n`j'-r`j')}forvalues j = 2/14{
gen y`j'= logodds`j' - logodds1gen double S`j'`j' = var`j' + var1local j1 = `j'+1forvalues k =`j1'/14 {
gen double S`j'`k'= var1 if !mi(logodds`j',logodds`k')}}
3.2 数据分析
进行数据预处理之后，接下来对相应的数据进行探讨性分析，主要分两个部分：一致性模型 [15]与非一致性模型的运用与比较。

首先介绍“一致性模型”的预算操作，需要操作者分配提供相应方差-协方差矩阵且给予所有组间同质性假设，这一点也是执行“一致性模型”的前提。

命令如下：
mat P13 = 0.5 * (I(13) + J(13,13,1))
mvmeta y S, bscov(prop P13) longparm
命令执行后，结果如图1～3所示。

图2的结
果与《R 软件R2WinBUGS 程序包在网状Meta 分析
中的应用》[2]
一文结果基本一致，操作者可自行核
对。

需要说明的是：该部分结果仅为以安慰剂作为对照组，与其他药物间比较的结果；如需获取全部结果还需依次以其他药物作为对照组，依次重复上述操作，本文不再一一展示。

为了更好地展示NMA 数据间的内在可靠性，即考虑直间接比较间是否存在差异，方法学家提出了“不一致性”假说，并给出了相应的定性与定量的分析方法，mvmeta 程序包也设置了“不一致性模型”。

执行“不一致性模型”的具体代码如下：
tab design, gen(des)
mvmeta y S, bscov(prop P13) eq(y2:des2, y4:des3, y5:des5 des6 des7 des8, y6: des20 des22, y7:des7 des9 des10 des11 des17 des24, y8:des21, y10:des29, y11:des10 des14 des23 des25 des30 des31 des34 des36, y12:des15 des18 des26 des31 des32 des37, y13:des35 des38 des39, y14:des16 des27 des33 des40)
test [y2] des2 [y4] des3 [y5] des5 des6 des7 des8 [y6] des20 des22 [y7] des7 des9 des10 des11 des17 des24 [y8] des21 [y10] des29 [y11] des10 des14 des23 des25 des30 des31 des34 des36 [y12] des15 des18 des26 des31 des32 des37 [y13] des35 des38 des39 [y14] des16 des27 des33 des40
命令运行后，即可得到图4～8的结果。

图4中，A ～N 对应14种药物，详见表1下方备注。

图5～6中，“des”变量为一致性参数，若其95%CI 跨越无效线1，则提示其不存在不一致性，即一致性较好。

图8中，所有“不一致性”均为0，且P 值为0.931 4，表明不存在不一致性，即一致性较好。

至此，以安慰剂为对照组的演示就已经全部完成了；其他的比较可根据演示步骤逐个实现。

4 小结
从上述过程来看，Stata 软件mvmeta 程序包是运用多元回归统计理论基础，用一种简单的操作模式来实现NMA 数据内在复杂的处理。

从分析结果来看，其结果与贝叶斯结果相当接近 [2-7,9,12,16,17]，同时又避免了不同操作者对贝叶斯先验设置的偏差。

再者，该程序包的出现也为NMA 的制作提供了新的思路与途径。

Chin J Evid-based Med 2014, 14(9): 1150-1159
• 1152 •
C JEBM © 2014 Editorial Board of Chin J Evid-based Med
Methodology
表 1 数据排列格
式
2A B L 6678
66
1241221183A B L 5577
79
1211201194A D 40205
161
3245A D 3952
122
1256A D 48142
126
2497A D 3646
121
1238A D E 6113274
164
3151599A E 5455
141
14110A E 4964
139
12811A E 2654
122
12312A E F 44117
112
137********A E G 2432
15
707033
14A E K 51129
59
9919697
15A E K 41126
63
93188
86
16A G 18
132
78285
17A G K 10
31
321954
55
18A G N 37
45
51102104
102
19A G N 41
52
5498103
100
20A H 5
9
1818
21A J 15
25
4239
22A J 14
41
4590
23A K 12
24
56
55
24A L 45
70
129
129
25A L 16
19
49
49
26A L 49
77
150
149
27A L 43
65
129
132
28A L 13
26
116
111
29A N 29
53
102
95
30B G 37
35
61
62
31B L 81
93
122
126
32B M 33
21
63
61
33C F 87
83
120120
中国循证医学杂志 2014, 14(9): 1150～1159
• 1153 •
© 2014 中国循证医学杂志编辑部
C JEBM 论 著 •
方法学研究
35E F 66
83
13814036E F 81
94
15114437E K 144
157
23824038F G
94
89123117
39F K
175
146232227
40F L
75
74107108
41F N
59
4798100
42G I
30
356666
43G J
27
296164
44G K
67
67101102
45G K
27
3045
45
46G K
26
2550
50
47G K L
57
647092
9696
48G L
35
48120
118
49G L
63
73144
142
50G N
31
3654
55
51G N
35
3547
40
52G N
98
81170
171
53G N
153
170186
196
54G N
95
107161
153
55G N
34
4873
73
56I K
74
66139
136
57I M
61
51100
100
58J K
11
1620
20
59J L
42
41
78
82
60K M
48
48
53
55
61L M
37
46
60
62
62L N
41
49
72
75
63L N
56
56
79
84
64L N
45
49
82
78
注：r 1～r 14，14种药物的事件发生数；n 1～n 14，14种药物的样本量；A ，p l a c e b o ；B ，b u p r o p i o n ；C ，c i t a l o p r a m ；D ，d e s v e n l a f a x i n e ；E ，d u l o x e t i n e ；F ，e s c i t a l o p r a m ；G ，fl u o x e t i n e ；H ，fl u v o x a m i n e ；I ，m i r t a z a p i n e ；J ，n e f a z o d o n e ；K ，p a r o x e t i n e ；L ，s e r t r a l i n e ；M ，t r a z o d o n e ；N ，v e l a f a x i n e
续表 1
Chin J Evid-based Med 2014, 14(9): 1150-1159
• 1154 •
C JEBM
© 2014 Editorial Board of Chin J Evid-based Med
Methodology
. mvmeta y S, bscov(prop P13) longparm Note: using method reml
Note: using variables y2 y3 y4 y5 y6 y7 y8 y9 y10 y11 y12 y13 y14Note: 64 observations on 13 variables
Warning: method of moments failed - I2 statistic not available Note: variance-covariance matrix is proportional to P13initial:log likelihood = -254.30437rescale:log likelihood = -232.29917rescale eq:log likelihood = -227.51655Iteration 0:log likelihood = -227.51655Iteration 1:log likelihood = -224.34117Iteration 2:log likelihood = -220.69637(not concave)
Iteration 3:log likelihood = -217.83701Iteration 4:log likelihood = -217.79357Iteration 5:log likelihood = -217.79353Iteration 6:
log likelihood = -217.79353
图 1 数据分析结果（一致性模型）
Multivariate meta-analysis
Variance-covariance matrix = proportional P13
Method = reml Number of dimensions = 13Restricted log likelihood = -217.79353 Number of observations = 64
Coef.
Std. Err.z P>z [95% Conf. Interval]y2_cons .5786929.1561191 3.710.000.2727051.8846806y3_cons 1.032252.3640436 2.840.005.3187396 1.745764y4_cons .6784398.1460837 4.640.000.392121.9647587y5_cons .5746212.1100116 5.220.000.3590024.79024y6_cons .8658139.145151 5.960.000.5813231 1.150305y7_cons .4950385.1084486 4.560.000.2824832.7075938y8_cons .9357578.447687 2.090.037.0583074 1.813208y9_cons
.8300217.2517471 3.300.001.3366065 1.323437y10
_cons .6551568.2214461 2.960.003.2211304 1.089183y11
_cons .6357776.1304528 4.870.000.3800947.8914605y12
_cons .6682697.1069124 6.250.000.4587252.8778142y13
_cons .4540395.2610999 1.740.082-.0577068.9657859y14
_cons
.7501082
.1303476
5.75
0.000
.4946315
1.005585
图 2 网状Meta 分析结果（一致性模型）
中国循证医学杂志 2014, 14(9): 1150～1159
• 1155 •
© 2014 中国循证医学杂志编辑部
C JEBM 论 著 • 方法学研究
Estimated between-studies SDs and correlation matrix:
SD
y2y3y4y5y6y7y8y9y10y11y12y13y14y2.246018261............y3.24601826.51...........y4.24601826.5.51..........y5.24601826.5.5.51.........y6.24601826.5.5.5.51........y7.24601826.5.5.5.5.51.......y8.24601826.5.5.5.5.5.51......y9.24601826.5.5.5.5.5.5.51.....y10.24601826.5.5.5.5.5.5.5.51....y11.24601826.5.5.5.5.5.5.5.5.51...y12.24601826.5.5.5.5.5.5.5.5.5.51..y13.24601826.5.5.5.5.5.5.5.5.5.5.51.y14
.24601826
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
1
图 3 研究间方差与自相关性图（一致性模型）
tab design, gen(des)design Freq.Percent Cum.design Freq.Percent Cum.design Freq.Percent Cum.ABG 1 1.56 1.56AL 57.8143.75GJ 1 1.5667.19ABL 2 3.13 4.69AN 1 1.5645.31GK 3 4.6971.88AD 4 6.2510.94BG 1 1.5646.88GKL 1 1.5673.44ADE 1 1.5612.5BL 1 1.5648.44GL 2 3.1376.56AE 3 4.6917.19BM 1 1.5650GN 69.3885.94AEF 1 1.5618.75CF 1 1.5651.56IK 1 1.5687.5AEG 1 1.5620.31CH 1 1.5653.13IM 1 1.5689.06AEK 2 3.1323.44EF 2 3.1356.25JK 1 1.5690.63AG 1 1.5625EK 1 1.5657.81JL 1 1.5692.19AGK 1 1.5626.56FG 1 1.5659.38KM 1 1.5693.75AGN 2 3.1329.69FK 1 1.5660.94LM 1 1.5695.31AH 1 1.5631.25FL 1 1.5662.5LN 3 4.69100
AJ 2 3.1334.38FN 1 1.5664.06Total
64
100
AK
1
1.56
35.94
GI
1
1.56
65.63
图 4 配对比较基本信息统计图（不一致性模型）
Chin J Evid-based Med 2014, 14(9): 1150-1159
• 1156 •
C JEBM
© 2014 Editorial Board of Chin J Evid-based Med
Methodology
. mvmeta y S, bxcov (prop P13) eq (y2: des2, y4: des3; y5: des5; des6 des7 des 8; y6: des20 des22; y7: des7 des9 des10 des11 des17des24, y8: des21, y10: des29, y11: des10 des14 des23 des25 des30 des31 des34 des36, y12: des15 des18 des26 des31 des32 des37, y13: des35 des38 des39, y14: des16 des27 des33 des40)Note: using method reml Note: regressing y2 on des2Note: regressing y3 on Note: regressing y4 on des3
Note: regressing y5 on des5 des6 des7 des8Note: regressing y6 on des20 des22
Note: regressing y7 on des7 des9 des10 des11 des17 des24Note: regressing y8 on des21Note: regressing y9 on Note: regressing y10 on des29
Note: regressing y11 on des10 des14 des23 des25 des30 des31 des34 des36Note: regressing y12 on des15 des18 des26 des31 des32 des37Note: regressing y13 on des35 des38 des39Note: regressing y14 on des16 des27 des33 des40Note: 64 observations on 13 variables
Warning: method of moments failed - I2 statistic not available Note: variance-covariance matrix is proportional to P13initial:log likelihood = -208.88746rescale:log likelihood = -204.60155rescale eq:log likelihood = -195.55741Iteration 0:log likelihood = -195.55741Iteration 1:log likelihood = -194.58196Iteration 2:log likelihood = -194.56935Iteration 3:
log likelihood = -194.56934
图 5 数据分析结果图（不一致性模型）
Multivariate meta-analysis
Variance-covariance matrix = proportional P13
Method = reml Number of dimensions = 13Restricted log likelihood = -194.56934 Number of observations = 64
Coef.
Std. Err.
z
P>z
[95% Conf. Interval]
y2des2_cons .4971941.1058964
.4600594.3685814
1.080.29
0.280.774
-.4045058-.61651
1.398894.8283027
y3_cons .7020437
46.94364
0.01
0.988
-91.3058
92.70989
y4des3_cons
.636007.1971895
.3970734.3492743
1.600.56
0.1090.572
-.1422426-.4873756
1.414257.8817545
中国循证医学杂志 2014, 14(9): 1150～1159• 1157 •
© 2014 中国循证医学杂志编辑部
C JEBM 论 著 • 方法学研究
y5des5des6des7des8_cons .157452.0754993.0934314.3818714.3853059
.4294143.5152735.5814174.4564336.3663623
0.370.150.160.841.05
0.7140.8840.8720.4030.293
-.6841845-.9344181-1.046126-.512722-.3327511
.99908851.0854171.2329891.2764651.103363y6des20des22_cons .1611341.4799757.3794483
46.9459.5796862.3625175
0.000.831.05
0.9970.4080.295
-91.85113-.6561883-.331073
92.17341.616141.089969y7des7des9des10des11des17des24_cons .2327663.8208372-.0423672.0853022-.3029323.1244095.2354997
.6354168.5517793.7106151.4661419.5939586.6645373.3677951
0.371.49-0.060.18-0.510.190.64
0.7140.1370.9520.8550.610.8510.522
-1.012628-.2606303-1.435147-.8283191-1.46707-1.17806-.4853654
1.478161.9023051.350413.9989235.86120521.426879.9563648y8des21_cons -.3552263.9555116
46.95076.7628883
-0.011.25
0.9940.21
-92.37702-.539722
91.666572.450745y9_cons .539222
.5831074
0.92
0.355
-.6036475
1.682091y10des29_cons -.5794818.8574569
.6912847.3609092
-0.842.38
0.4020.018
-1.934375.1500878
.77541121.564826y11des10des14des23des25des30des31des34des36_cons -.5630155.2554529-.1916951-.9410056-.5123048-.3469354-.43718961.255182.7878967
.67566.5921676.5838615.5869785.5445776.6316108.7543297.9029737.2963509
-0.830.43-0.33-1.60-0.94-0.55-0.581.392.66
0.4050.6660.7430.1090.3470.5830.5620.1650.008
-1.887285-.9051742-1.336043-2.091462-1.579657-1.58487-1.915649-.5146136.2070597
.76125371.41608.9526524.2094511.5550476.89099891.041273.0249781.368734y12des15des18des26des31des32des37_cons .2270241-.0196023-.1753128.2574779.1571249.2225698.4807348
.3321913.6101967.6145104.6267622.5340444.6239407.2754074
0.68-0.03-0.290.410.290.361.75
0.4940.9740.7750.6810.7690.7210.081
-.4240588-1.215566-1.379731-.9709534-.8895829-1.000332-.0590538
.8781071.1763611.0291061.4859091.2038331.4454711.020524y13des35des38des39_cons .76568141.0853061.695136-.6337561
.8511105.9540052.8175524.5957784
0.901.142.07-1.06
0.3680.2550.0380.287
-.9024645-.7845104.0927625-1.80146
2.4338272.955122
3.297509.5339482y14des16des27des33des40_cons
.6289301-.681515.0109844.1189107.5268558
.5060559.6159389.4988033.4721951.2870201
1.24-1.110.020.251.84
0.2140.2690.9820.8010.066
-.3629213-1.888733-.9666522-.8065748-.0356933
1.62078
2.5257032.9886211.0443961.089405
图 6 网状Meta 分析结果（不一致性模型）
（续上图）
Chin J Evid-based Med 2014, 14(9): 1150-1159
• 1158 •
C JEBM
© 2014 Editorial Board of Chin J Evid-based Med
Methodology
Estimated between-studies SDs and correlation matrix:
SD
y2y3y4y5y6y7y8y9y10y11y12y13y14y2.287842381............y3.28784238.51...........y4.28784238.5.51..........y5.28784238.5.5.51.........y6.28784238.5.5.5.51........y7.28784238.5.5.5.5.51.......y8.28784238.5.5.5.5.5.51......y9.28784238.5.5.5.5.5.5.51.....y10.28784238.5.5.5.5.5.5.5.51....y11.28784238.5.5.5.5.5.5.5.5.51...y12.28784238.5.5.5.5.5.5.5.5.5.51..y13.28784238.5.5.5.5.5.5.5.5.5.5.51.y14
.28784238
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
.5
1
图 7 研究间方差与自相关性图（不一致性模型）
-1[y2]des2 = 0-17[y8]des21 = 0-33[y12]des32 = 0-2[y4]des3 = 0-18[y10]des29 = 0-34[y12]des37 = 0-3[y5]des5 = 0-19[y11]des10 = 0-35[y13]des35 = 0-4[y5]des6 = 0-20[y11]des14 = 0-36[y13]des38 = 0-5[y5]des7 = 0-21[y11]des23 = 0-37[y13]des39 = 0-6[y7]des7 = 0-22[y11]des25 = 0-38[y14]des16 = 0-7[y5]des8 = 0-23[y11]des30 = 0-39[y14]des27 = 0-8[y6]des20 = 0-24[y11]des31 = 0-40[y14]des33 = 0-9[y6]des22 = 0-25[y12]des31 = 0-41
[y14]des40 = 0-10[y7]des7 = 0-26[y11]des34 = 0Constraint 10 dropped -11[y7]des9 = 0-27[y11]des36 = 0Constraint 19 dropped -12[y7]des10 = 0-28[y12]des15 = 0Constraint 24 dropped -13[y11]des10 = 0-29[y12]des18 = 0Constraint 32 dropped
-14[y7]des11 = 0-30[y12]des26 = 0-15[y7]des17 = 0-31[y11]des31 = 0chi2( 37) = 25.11-16
[y7]des24 = 0
-32
[y12]des31 = 0
Prob > chi2 = 0.9314
图 8 不一致性检验结果（不一致性模型）
中国循证医学杂志 2014, 14(9): 1150～1159
• 1159 •
© 2014 中国循证医学杂志编辑部
C JEBM 论 著 • 方法学研究
然而，如同前述的所有软件及程序包一样，Stata 软件mvmeta 程序包也存在不足。

首先，其研发所基于的多元回归方法决定了该程序包的缺陷，即每次运算时，仅能设置一个哑变量，其他药物间的比较尚需逐个依次操作完成，操作相当繁琐。

其次，该程序包不具备绘图功能，不能绘制常用的网状关系图 [18]、森林图等图形。

第三，该程序包具有排序功能，但当前该功能效果较差。

总体而言，该程序包实现NMA 的功能强大，特别是具有当前其他NMA 软件不具备的能够同时处理“多结局-多变量”数据的功能；此外，还同时提供了“一致性”与“不一致性”分析模型，当前其他NMA 软件中只有ADDIS 软件 [16]与GeMTC 软件 [17]具备这种功能。

随着该程序包功能的不断扩展与完善，相信其在处理“多结局-多变量”数据方面的功能优势将更加强大，其操作过程亦应更为简洁。

参 考 文 献
1 曾宪涛, 田国祥, 张超, 等. Meta 分析系列之十五: Meta 分析的进展与思考. 中国循证心血管医学杂志, 2013, 5(6): 561-563, 587.
2 曾宪涛, 张超, 郭毅. R 软件R2WinBUGS 程序包在网状Meta 分析中的应用. 中国循证医学杂志, 2013, 13(9): 1137-1144.
3 张超, 董胜杰, 曾宪涛. R 软件gemtc 程序包在网状Meta 分析中的应用. 中国循证医学杂志, 2013, 13(10): 1258-1264.
4 张超, 孙凤, 曾宪涛. R 调用JAGS 软件实现网状Meta 分析. 中国循
证医学杂志, 2014, 14(2): 241-248.
5 罗杰, 张超, 曾宪涛. R 软件调用OpenBUGS 软件实现网状Meta 分析. 中国循证医学杂志, 2014, 14(4): 492-496.
6 张超, 牛玉明, 曾宪涛. R 软件nlme 程序包在网状Meta 分析中的应用. 中国循证医学杂志, 2014, 14(3): 355-360.
7 曾宪涛, 张超, 杜亮. Microsoft Excel 调用BUGS 软件实现网状Meta 分析. 中国循证医学杂志, 2014, 14(6): 765-711.
8 张超, 耿培亮, 郭毅, 等. 应用R 语言netmeta 程序包实现网状Meta 分析. 中国循证医学杂志, 2014, 14(5): 625-630.
9 沈可, 王芬, 张超, 等. 应用OpenBUGS 软件实现网状Meta 分析. 湖北医药学院学报, 2013, 32(6): 476-479.
10 李幼平, 主编. 循证医学. 第1版. 北京: 人民卫生出版社, 2014: 193-228.
11 罗杰, 冷卫东, 主编. 系统评价/Meta 分析理论与实践. 第1版. 北京: 军事医学科学出版社, 2013: 179-214.
12 曾宪涛, 徐畅, 张超, 等. 网状Meta 分析在Stata 软件中的实现. 中国循证医学杂志, 2013, 13(11): 1387-1391.
13 曾宪涛, 主编. 应用STATA 做Meta 分析. 第1版. 北京: 军事医学科学出版社, 2014: 120-131.
14 White I. Multivariate random-effects meta-analysis. Stata J , 2009,
9(1): 40-56.
15 张超, 鄢金柱, 孙凤, 等. 网状Meta 分析一致性的鉴别与处理方法. 中国循证医学杂志, 2014: 14(7): 884-888.
16 曾宪涛, 张超, 杜亮. 应用ADDIS 软件实现网状Meta 分析. 中国循证医学杂志, 2013, 13(12): 1508-1515.
17 胡荣明, 张超, 曾宪涛. 应用GeMTC 软件实现网状Meta 分析. 湖北医药学院学报, 2014, 33(1): 36-40.
18 张超, 徐畅, 曾宪涛. 网状Meta 分析中网状关系图的绘制. 中国循
证医学杂志, 2013, 13(11): 1382-1386.
收稿日期：2014–07–01 修回日期：2014–08–19
本文编辑：张永刚、杜亮。