诊断性试验Meta分析
诊断性meta分析手把教你做临床Meta分析——诊断试验性Meta-Disc分析
诊断性meta 分析手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析导读：诊断性meta 分析,手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析,诊断性meta 分析stata, 诊断性试验meta ，推荐访问：诊断性meta 分析stata 诊断性试验meta手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析临床治疗的基础首先是需要准确的诊断，准确诊断性Meta 分析是Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的Meta 分析文章。
安装软件Meta-DiSc 是一个免费的下载软件，登录http://www.hrc.es/investigacion/metadisc_en.htm ，下载安装软件，目前最新版本是 1.4 版。
运行软件在试行此软件之前，必须明确和熟悉准确诊断性Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。
TP：True positive 表示真阳性的结果，用数字表示；FP：False positive 表示假阳性的结果，用数字表示；FN：False negative 表示假阴性的结果，用数字表示；TN：True negative 表示真阴性的结果，用数字表示。
1 打开软件，可以看到如下界面Author ：第一作者名+ 文章年限，如Rachow 2013 ；StudyID ：纳入文献的排序编号，亦可以按照自己理想的排名排序；2 数据的输入有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在Excel 表上，点击复制Ctrl+c ，并点击黏贴Ctrl+v ，便可以copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到Meta-disc 数据表内，如下图。
诊断性实验的Meta分析分解
阳性
阴性
阳性
TP（a）
FP（b）
a+b
阴性
FN（c）
TN（d）
c+d
1.2 单个诊断性实验的评价指标
灵敏度
特异度
指标
假阴性率（漏诊率）
假阳性率（误诊率）
灵敏度=a/a+c；特异度=b/b+d； 假阴性率=c/a+c；假阳性率=d/b+d
• 这个四格表衍生的各种指标：真阳性率（敏感度）、假阳 性率、假阴性率、真阴性率（特异度）等等都是评估替代
3. 诊断性试验meta分析方法在统计 软件中的实现
• RevMan5.0软件和Meta-DiSc 都是在国际上权威的用来做 诊断试验meta分析的软件，在这里仅介绍Meta-Disc软件 的使用方法。
• 下载地址：
http://www.hrc.es/investigacion/metadisc_en.htm
诊断性试验meta分析方法在统 计软件中的实现
3.1 数据录入 3.2 选择项 设置 3.3 阈值效应 检验 3.4 非阈值效应 检验 3.5 合并各诊断试 验评价指标
3.1 数据录入
3.2 选择项设置
3.3 阈值效应检验
3.4 非阈值效应检验
探讨异质性
3.5 合并各诊断试验评价指标
绘制森林图
诊断性实验的Meta分析
刘延青 研究生
前言
临床医生在接诊的过程中，经常考虑的问题就是如何把可 以有病与实际无病的人区别开来，以及如何将患某种疾病 的患者于其他疾病鉴别出来，这个过程中就需要合理运用
诊断试验。广义诊断包括实验室检查、影像学诊断、仪器
检查、病史询问、体格检查等。 对于某个诊断性试验，可能已有多位研究者进行了研究， 为了对不同的研究结果进行综合性分析，获得综合的结论， 需要采用诊断性实验的Meta分析。
最常见几大类型的Meta分析
最常见几大类型的Meta分析系统综述可以分为定性和定量两种分析方法：用统计学方法对资料的定量综合即Meta分析（Meta analysis）；有些资料不适合Meta分析时，可以进行定性综合。
Meta分析有很多种类型，常见的几种如下：1、常规Meta分析这种Meta分析以合并随机对照试验、非随机对照试验、队列研究、病例对照研究的效应量为主。
这类Meta分析的方法最成熟，发文量也最多。
举例：钠-葡萄糖协同转运体2(SGLT-2)抑制剂对2型糖尿病患者心血管结局的影响。
From: Wu JH, et al. Lancet Diabetes Endocrinol. 2016;4:411-9.2、个体数据Meta分析个体数据Meta分析被称为系统综述的金标准。
它不是利用已经发表的研究结果的总结数据进行Meta分析，而是从原始研究的作者处获取每个研究对象的原始数据，并对这些数据进行Meta分析。
然而此类文章非一般研究者可以完成，适合于学科带头人领衔操作。
举例：BMI和全死因死亡的关系。
From: Global BMI Mortality Collaboration. Lancet. 2016;388:776-86.3、单组率的Meta分析Meta分析还可以对单组率进行合并。
这类Meta分析的结局指标多为发病率、患病率、病死率、检出率、知晓率、感染率等，原始研究多为横断面研究。
对单组率的Meta分析而言，难点在于控制异质性。
亚组分析和Meta回归分析是处理异质性的重要方法。
举例：在残疾儿童中，有多大比例的人遭受过性暴力？From：Jones L, et al. Lancet 2012;380:899-907.4、诊断试验Meta分析评价某项措施对疾病的诊断价值，主要评价灵敏度、特异度、ROC曲线下面积等。
举例：选择性结直肠手术的患者中，降钙素原和C反应蛋白对早期腹腔感染的诊断价值。
From: Cousin F, et al. Ann Surg. 2016;264:252-6.5、累积Meta分析累积Meta分析是将各个纳入的研究按照一定的次序（如发表时间、样本量、研究质量评分等），序贯地添加到一起，进行多次的Meta分析。
诊断试验准确性的Meta分析
诊断试验准确性的Meta分析一、问题与数据某肿瘤科大夫希望了解CT对某肿瘤的诊断准确性，他查阅了很多国内外文献，发现文献中各研究样本量都偏小，且对该方法的准确性评价结果不一，因此想通过Meta分析的方法对其准确性进行较为可靠的评价。
通过对相关文献的检索，共获得以下数据：表1 部分研究数据变量意义及赋值情况如下：表2 变量意义与赋值情况二、对问题分析要进行诊断试验准确性的Meta分析，至少应当收集真阳性、假阳性、假阴性与真阴性的人数。
然而，Meta分析并不是简单的进行数据的加权合并，因为各研究结果不同的原因通常不仅仅是因为样本量小造成的结果不稳定，还可能是因为研究的设计、执行等多方面的因素存在差异所导致，因此Meta分析的一个重要的任务便是对可能的因素进行探讨，找出文献结果不一的原因，这也是证据评价的过程。
表1中，是否是前瞻性研究（predesign）、金标准是否是同一个（samemth）、是否详细描述待评价试验（index）、是否详细描述金标准（reftest）和是否详细描述待评价人群（subject）是本研究中研究者认为可能的影响因素。
三、Stata分析1. 安装分析包一般认为，诊断试验准确性的数据异质性比较明显，因此推荐使用随机效应模型进行分析。
Stata中有专门针对诊断试验准确性Meta分析的分析包midas和metandi，均是采用两水平的随机效应模型进行分析。
由于后者不支持meta回归功能，因此本文仅介绍midas包的使用。
在command窗口，依次输入以下命令，安装必需的分析包：ssc install midasssc install mylabels2. 数据录入在Stata窗口点击数据编辑按钮，弹出数据编辑窗口。
在变量名位置双击，弹出新建变量窗口。
如果变量是字符型，则变量类型（Variable type）选择str，是数值型则选择double（小数）或int （整数）。
设定好变量名后，从excel中将数据复制到新建变量窗口中即可，部分数据如下图。
诊断性试验Meta分析
Revman,Stata,Meta-disc在診斷試驗準確性（DTA）系統評價中的應用文獻數據摘自《ProGRP與NSE對小細胞肺癌診斷價值的meta 分析》文中提取數據GAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAFSun中國------病理105016.3251968915658Yang 中國------病理1444616.346491617237265注：表中 10 個原始研究均使用酶聯免疫吸附測定法檢測陽性界值； TP= 真陽性數； FP= 假陽性數； FN= 假陰性數； TN= 真陰性數a:ProGRP,b: NSERevman5.2新建診斷試驗準確性(DTA)系統評價模板GAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAF添加所有納入研究GAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAF此處對每篇文獻QUADAS2質量特征進行描述，以便探討異質性來源及作表圖數據分析里面添加所要研究的待評價診斷試驗GAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAF可計算相關指標（似然比及診斷比值比和單獨在干預系統評價里面作森林圖）添加分析里面制作SEN和SPE森林圖及SROC曲線，可對數據進行重新制定GAGGAGAGGAFFFFAFAFGAGGAGAGGAFFFFAFAFStudyLamy 2000Molina 2009Nissan 2009Schneider 2003Shibayama 2001Stieber 1999Sun 2005Takada 1996Yamaguchi 1995Yang 2005TP3541134297411773802546FP18979611222669FN164641840292847917TN229218548119234972034696072Sensitivity (95% CI)0.69 [0.54, 0.81]0.47 [0.36, 0.58]0.77 [0.70, 0.83]0.78 [0.62, 0.90]0.65 [0.55, 0.74]0.80 [0.73, 0.86]0.72 [0.62, 0.81]0.63 [0.54, 0.71]0.74 [0.56, 0.87]0.73 [0.60, 0.83]Specificity (95% CI)0.93 [0.89, 0.96]0.96 [0.93, 0.98]0.87 [0.85, 0.90]0.95 [0.90, 0.98]0.96 [0.92, 0.98]0.98 [0.93, 1.00]0.90 [0.86, 0.94]0.99 [0.97, 1.00]0.91 [0.81, 0.97]0.89 [0.80, 0.95]Sensitivity (95% CI)00.20.40.60.81Specificity (95% CI)00.20.40.60.81設置參數GAGGAGAGGAFFFFAFAF若用戶對上圖窗口中的統計分析顯示的結果不滿意，可點擊右上角的屬性按鈕); 或依次展开树形目录分支"Data and Analyses→Analyses→ProGRP"，选中"ProGRP"并单击右键，选择"Properties … "，弹出属性设置对话框。
诊断性实验Meta分析
1.3 ROC曲线定义
• 对某一诊断试验方法，通过改变诊断临界点，可以获得多 对灵敏度和特异度，以敏感度为纵坐标，1-特异度为横坐 标绘制曲线，横轴与纵轴长度相等，形成正方形，在图中 将ROC曲线工作点标出，用直线连接各相邻两点构建ROC曲 线。通过计算ROC曲线下面积，可以评定该诊断方法的准 确性。
• 在国际上质量评价有一个QUADAS标准(quality assessment of diagnostic accuracy studies)来评价纳入诊 断试验的质量
2.3 资料提取
研究资料的基本情况 • 包括纳入研究的作者、发表时间、研究对象的病例数、对
照数目、SEN、SPE、计算获得的真阳性( TP) 、假阳性 (FP) 、真阴性( TN) 、假阴性(FN)、检测的方法、检测试 剂的来源、诊断的临界值等基本情况，都用表表示出来。
1.4 ROC曲线的解读
灵敏度
1
0.8
0.6
0.4
0.2
0
0
0.2
0.4
0.6
0.8
1
1-特异度
机会线
所谓的“曲线左上角”至少可以找出3 种判断方式：
（1）
曲线与斜率为1 的斜线的切点；
（2）
曲线与经过 （0,1）和 （1,0）两点直 线的交点；
（3）
曲线上与 （0,1）点绝 对距离最近 的点。
2.4.2 非阈值效应检验
• 在诊断性试验的meta分析中，除了阈值效应引起研究间异 质性外，其他原因：人群（如疾病严重程度和伴发疾病）、 试验条件（如不同的技术、化验、操作者）、标准试验等， 在软件中用诊断比值比DOR的Cochran-Q检验来检测是否 存在非阈值效应引起的变异。
Meta分析(例子较详细)
合计 294 －114.18 60.72
解: 1．计算每个研究的合并标准差（ ）、标准化均数之差（效应量 ）和权重系数（ ）
用计算机检索时，常用的医学网站或数据库有ki.nt、 、Medline、中国医院数字图书馆、中国学术期刊全文数据库、中国生物医学文献数据库等 单纯通过计算机检索而获得所需的所有文献是很困难的，还应补充手工检索、学术会议资料及未发表的文献等，也不应只依靠一个数据库
第三节 Meta分析的基本步骤
四、文献筛选 在考虑研究对象、设计类型、研究因素、效应指标、样本大小、研究年限和语种等因素的基础上制定文献的纳入和剔除标准
第三节 Meta分析的基本步骤
五、文献的质量评价 质量评价主要看两个方面，一是研究设计，二是样本大小，此外还要分析各研究是否存在偏倚及其影响大小
Meta分析
(Meta analysis)
do
something
第一节 Meta分析的定义
Meta分析是对具有相同研究目的的多个独立研究结果进行系统分析、定量综合的一种研究方法。 1976年由英国教育心理学家Glass命名为术语“Meta-analysis”
第二节 Meta分析的用途与特点
2．计算效应量的加权均数（ ）和 的方差估计值（ ）
3．齐性检验H0：各研究效应量的总体均数相等H1：各研究效应量的总体均数不全相等 本例， 不拒绝H0，应采用固定效应模型估计效应量合并值的 可信区间。
九、结果的分析与讨论 由于Meta分析本质上属于观察性研究，在解释分析结果时尤其要谨慎，主要考虑齐性及其对结果的影响，各种偏倚的识别与控制，分析结果不能脱离专业知识背景，要具有实际意义
第四节 Meta分析方法
Meta统计分析方法很多，各方法的主要步骤有两个： 一是对各个研究的效应量进行齐性检验； 二是对各个研究的效应量进行合并及总体区间估计
临床试验Meta分析
临床试验Meta分析临床试验Meta分析：揭开医学疗效之谜引言医学研究是为了找到更好的治疗方案，但单个临床试验结果往往无法全面反映治疗效果。
这就引出了Meta分析，一个将多个临床试验的结果进行综合分析的方法。
本文将为您介绍临床试验Meta分析的原理、应用和局限性。
一、Meta分析的原理Meta分析通过整合多个独立的临床试验，利用统计学方法对结果进行综合统计分析。
其核心思想在于将各个试验的效应量进行加权平均，从而提高结果的可信度和准确性。
通常，Meta分析有两种常见的效应量指标：二元变量（如治愈率、死亡率等）和连续变量（如血压、体重等）。
常用的Meta分析模型有固定效应模型和随机效应模型。
二、Meta分析的应用1.评估治疗效果Meta分析在评估不同治疗方法的效果上发挥着重要作用。
例如，在药物治疗方面，比较不同药物的疗效可以帮助临床医生在制定治疗方案时做出更准确的决策。
此外，Meta分析还可以评估手术方法、康复治疗以及其他治疗方案的效果。
2.探究不同因素的影响除了评估治疗效果外，Meta分析还可以探究不同因素对治疗效果的影响。
例如，研究某种药物对不同人群的治疗效果，可以根据Meta分析结果为不同患者群体提供个性化治疗建议。
此外，Meta分析还可以研究不同年龄、性别、民族等因素对治疗效果的影响。
3.发现新的研究方向Meta分析的另一个重要应用是发现新的研究方向。
通过综合分析已有的临床试验结果，可以为未来的研究提供参考，指导研究者选择新的研究方向。
同时，Meta分析还能帮助确定需要进一步研究的问题，从而推动医学科研的发展。
三、Meta分析的局限性尽管Meta分析具有许多优点，但也存在一些局限性。
1.异质性由于临床试验的设计、样本特点和方法等差异，导致试验之间存在异质性。
这种异质性可能影响Meta分析的结果和解释。
为了解决这个问题，Meta分析需要进行亚组分析、敏感性分析和可能的混合效应模型等进一步分析。
诊断性meta分析报告手把教你做临床Meta分析报告——诊断试验性Meta-Disc分析报告
诊断性meta分析手把教你做临床Meta 分析——诊断试验性 Meta-Disc分析导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析,诊断性meta分析stata,诊断性试验meta，推荐访问：诊断性meta分析stata诊断性试验meta手把教你做临床 Meta 分析——诊断试验性Meta-Disc 分析临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。
安装软件Meta-DiSc 是一个免费的下载软件，登录http://www.hrc.es/investigacion/metadisc_en.htm，下载安装软件，目前最新版本是 1.4 版。
运行软件在试行此软件之前，必须明确和熟悉准确诊断性 Meta 分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。
TP：True positive 表示真阳性的结果，用数字表示；FP：False positive 表示假阳性的结果，用数字表示；FN：False negative 表示假阴性的结果，用数字表示；TN：True negative 表示真阴性的结果，用数字表示。
1打开软件，可以看到如下界面Author：第一作者名 + 文章年限，如 Rachow 2013；StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序；2数据的输入有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel 表上，点击复制 Ctrl+c，并点击黏贴 Ctrl+v，便可以 copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到 Meta-disc 数据表内，如下图。
临床试验meta分析简介
meta分析简介Meta分析的前身源于Fisher1920年“合并P值”的思想，1955年由Beecher首次提出初步的概念，1976年心理学家Glass进一步按照其思想发展为“合并统计量”，称之为Meta分析。
1979年英国临床流行病学家Archie Cochrane提出系统评价（systematic review，SR）的概念，并发表了激素治疗早产孕妇降低新生儿死亡率随机对照试验的系统评价，对循证医学的发展起了举足轻重的作用。
Meta分析国内翻译为“荟萃分析”，定义是“The statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings.”亦即“对具备特定条件的、同课题的诸多研究结果进行综合的一类统计方法。
”M eta从字源来说据考证有“Meta logic：a branch of analytic philosophy that deals with the critical examination of the basic concepts of logic”；“Meta mathematics：the philosophy of mathematics，especially，the logical syntax of mathematics.”其中最简洁并且一语中的的是Meta science:：a theory or science of science，a theory concerned with the investigation?analysis?or description of theory itself.”意为一种科学中的科学或理论，一种对原理本身进行调查、分析和描述的原理。
Meta分析有广义和狭义两种概念：前者指的是一个科学的临床研究活动，指全面收集所有相关研究并逐个进行严格评价和分析，再用定量合成的方法对资料进行统计学处理得出综合结论的整个过程；后者仅仅是一种单纯的定量合成的统计学方法。
Meta分析实用性强
H0 成立时，Q(有时也记为 QIV)服从自由度为 ν=k-1 的 χ2 分布。若 P≤α（α 一般取 0.10 或 0.05），则拒绝 H0，可认为各研究间异质性大，采用随机效应模 型；若 P >α，则不拒绝 H0，可认为各研究间具有同质性，应采用固定效应模型。
ORMH
wMH,iORi wMH,i
wMH ,i
bi ci Ni
SE{ln(ORMH )}
1 2
E R2
F G RS
H S2
（2）合并效应量 RRMH 、相应权重 wMH,i 及其标准误 SE{ln(RRMH )}的计算
RRMH
wMH ,i RRi wMH ,i
wMH,i
ci n1i Ni
二、两分类数据的Meta分析
对于两分类数据的Meta分析，常用的效
应指标有OR、RR和RD（相当于队列研究中的
归因危险度（attributable risk，AR）） 。
试验组 对照组 合计
表 1 第 i 个研究的的资料整理格式
结果（+）
结果（-）
合计
ai
bi
n1i
ci
di
n2i
m1i
m2i
Ni
进行多个研究的合并。 Inverse-variance法 可用于计量资料的均数差，也可用于分
类资料的OR、RR、RD等效应指标的合并。
M-H 法 M-H 法是分类变量固定效应模型常用的统计方法，可用于 OR、
RR、RD 等效应指标的合并。
பைடு நூலகம்
（ 1 ） 合 并 效 应 量 ORMH 、 相 应 权 重 wMH,i 及 其 标 准 误 SE{ln(ORMH )} 的 计 算
诊断性meta分析 手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析
诊断性meta分析手把教你做临床Meta 分析——诊断试验性Meta-Disc 分析导读：诊断性meta分析,手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析,诊断性meta分析stata,诊断性验meta手把教你做临床 Meta 分析——诊断试验性 Meta-Disc 分析临床治疗的基础首先是需要准确的诊断，准确诊断性 Meta 分析是 Meta 分析的一个重要部分，本次想向大家推荐的是一款专用于诊断性试验的免费 Meta 分析软件，临床医学、临床检验、临床病理、临床科研人员、临床康复科及临床影像科等工作人员可用它写上一篇高大上的诊断准确性试验的 Meta 分析文章。
安装软件AHA12GAGGAGAGGAFFFFAFAFMeta-DiSc 是一个免费的下载软件，登录http://www.hrc.es/investigacion/metadisc_en.htm，下载安装软件，目前最新版本是 1.4 版。
运行软件AHA12GAGGAGAGGAFFFFAFAF在试行此软件之前，必须明确和熟悉准确诊断性 Meta分析里结果计算的经典四格表（可能不会在您所纳入的文献中出现，需要研究人自己总结并准确的填写在四格表内，不易混淆而且方便分析）。
TP：True positive 表示真阳性的结果，用数字表示；FP：False positive 表示假阳性的结果，用数字表示；FN：False negative 表示假阴性的结果，用数字表示；TN：True negative 表示真阴性的结果，用数字表示。
1打开软件，可以看到如下界面AHA12GAGGAGAGGAFFFFAFAFAuthor：第一作者名 + 文章年限，如 Rachow 2013；StudyID：纳入文献的排序编号，亦可以按照自己理想的排名排序；2数据的输入AHA12GAGGAGAGGAFFFFAFAF有三种方法可以输入，我们掌握其中两种就足够运用，一种是当纳入的文献较多的时候，可以按照软件中表格的形式对应写在 Excel表上，点击复制 Ctrl+c，并点击黏贴Ctrl+v，便可以 copy 至软件中的表格内；另一种当纳入的文献数量较少时，则可以直接用手动输入到 Meta-disc 数据表内，如下图。
完结篇：如何解读meta分析结果Meta简明教程（8）
完结篇：如何解读meta分析结果Meta简明教程（8）Meta简明教程目录1. 认识一下meta方法！ | Meta简明教程（1）2. 一文初步学会Meta文献检索| Meta简明教程（2）3. 如何搞定“文献筛选” | Meta简明教程（3）4.Meta分析文献质量评价 | Meta简明教程（4）5.Meta分析数据提取| Meta简明教程（5）6.一文学会revman软件| Meta简明教程（6）7.手把手教你用Stata进行Meta分析 | Meta简明教程（7）Meta简明教程（8）本期是meta简明教程的最后一章，将对meta分析的结果进行解读。
meta分析结果的正确解读，有利于得到准确的结论。
在meta分析结果解读时，要考虑到研究的异质性、采用的模型、选用的效应量、研究样本量、研究偏倚性等，本期将给大家介绍几类数据meta分析的森林图，漏斗图和SROC曲线。
一、二分类数据、生存-时间数据的meta分析结果森林图1.纳入研究个体，一般以作者和发表年份标注2.Meta分析的分组3.合并效应值，RR值、OR值、RD值、HR值，（Meta分析数据提取| Meta简明教程（5））已做介绍，需要根据纳入研究的设计方法，选择合适的效应指标分析4.Meta分析模型，可分为固定效应模型和随机效应模型，根据纳入文献的异质性进行选择5.各研究效应量及合并效应量的95%可信区间6.纳入分析的数据和权重7.异质性检验，p<0.05或I2>50%，认为各研究存在异质性，选用随机效应模型；P>0.05且I2<50%,不能认为各研究存在异质性，选用固定效应模型。
8.合并效应量OR值及可信区间，可信区间包含1，说明不认为两组率存在差异；可信区间不包含1，说明两组率存在差异9.各研究及合并效应量、可信区间，横线或菱形与竖线交叉，说明研究无统计学意义；研究中间方块面积越大，说明在分析中占权重越大二、连续型数据的meta分析结果森林图1.纳入研究个体，一般以作者和发表年份标注2.Meta分析的分组3.合并效应值，WMD、SMD值（Meta分析数据提取| Meta简明教程（5））已做介绍。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Revman,Stata,Meta-disc在诊断试验准确性（DTA）系统评价中的应用文献数据摘自《ProGRP与NSE对小细胞肺癌诊断价值的meta分析》注：表中 10 个原始研究均使用酶联免疫吸附测定法检测阳性界值； TP= 真阳性数； FP= 假阳性数； FN= 假阴性数； TN= 真阴性数a:ProGRP,b: NSERevman5.2新建诊断试验准确性(DTA)系统评价模板添加所有纳入研究此处对每篇文献QUADAS2质量特征进行描述，以便探讨异质性来源及作表图数据分析里面添加所要研究的待评价诊断试验可计算相关指标（似然比及诊断比值比和单独在干预系统评价里面作森林图）添加分析里面制作SEN和SPE森林图及SROC曲线，可对数据进行重新制定设置参数若用户对上图窗口中的统计分析显示的结果不满意，可点击右上角的属性按钮); 或依次展开树形目录分支"Data and Analyses→Analyses→ProGRP"，选中"ProGRP"并单击右键，选择"Properties … "，弹出属性设置对话框。
在图对话框中，可对统计指标(General)、SROC图、森林图和异质性来源的参数进行设StudyLamy 2000Molina 2009Nissan 2009Schneider 2003Shibayama 2001Stieber 1999Sun 2005Takada 1996Yamaguchi 1995Yang 2005TP 3541134297411773802546FP 18979611222669FN 164641840292847917TN 229218548119234972034696072Sensitivity (95% CI)0.69 [0.54, 0.81]0.47 [0.36, 0.58]0.77 [0.70, 0.83]0.78 [0.62, 0.90]0.65 [0.55, 0.74]0.80 [0.73, 0.86]0.72 [0.62, 0.81]0.63 [0.54, 0.71]0.74 [0.56, 0.87]0.73 [0.60, 0.83]Specificity (95% CI)0.93 [0.89, 0.96]0.96 [0.93, 0.98]0.87 [0.85, 0.90]0.95 [0.90, 0.98]0.96 [0.92, 0.98]0.98 [0.93, 1.00]0.90 [0.86, 0.94]0.99 [0.97, 1.00]0.91 [0.81, 0.97]0.89 [0.80, 0.95]Sensitivity (95% CI)00.20.40.60.81Specificity (95% CI)00.20.40.60.81置，并点击"Apply"使其生效，见下图。
亚组分析（假如，原文没做）QUADAS-2偏倚表（图）制作P a t i e n t S e l e c t i o nLamy 2000?Molina 2009Nissan 2009+Schneider 2003?Shibayama 2001+Stieber 1999–Sun 2005+Takada 1996?Yamaguchi 1995+Yang 2005?I n d e x T e s t–?+–+––?++R e f e r e n c e S t a n d a r d??+–+?–?++F l o w a n d T i m i n g??+??––?++Risk of Bias P a t i e n t S e l e c t i o n––?–––?–?I n d e x T e s t??–?–?+?––R e f e r e n c e S t a n d a r d–?–?–???–?Applicability Concerns–High ?Unclear +Low异质性来源在DTA系统评价里面不能直接进行似然比、诊断比值比的森林图以及各指标漏斗图制作，但可以改变四个表数据模式或直接计算相关指标，添加入干预性系统评价模板中进行制作及查看异质性、发表偏倚（漏斗图）。
Stata12一拟合双变量混合效应模型：midas命令1.计算所有诊断试验统计学指标（敏感度、特异度、似然比、诊断比值比等）及异质性检验统计量:SUMMARY DATA AND PERFORMANCE ESTIMATESBivariate Binomial Mixed ModelNumber of studies = 10Reference-positive Subjects = 935Reference-negative Subjects = 2417Pretest Prob of Disease =0.279Between-study variance(varlogitSEN) =0.136, 95% CI = [0.041-0.452] Between-study variance(varlogitSPE)= 0.406, 95% CI = [0.133-1.241] Correlation (Mixed Model)= -0.491ROC Area, AUROC = 0.89 [0.86 - 0.92]Heterogeneity (Chi-square): LRT_Q = 55.419, df =2.00, LRT_p =0.000 Inconsistency (I-square): LRT_I2 = 96.39, 95% CI = [93.72-99.06]Parameter Estimate 95% CISensitivity 0.702 [ 0.641, 0.756]Specificity 0.943 [ 0.913, 0.963]Positive Likelihood Ratio 12.348 [ 8.245, 18.494]Negative Likelihood Ratio 0.316 [ 0.262, 0.381]Diagnostic Score 3.665 [ 3.229, 4.102]Diagnostic Odds Ratio 39.071 [ 25.251, 60.456]2. 绘制敏感度、特异度森林图:3. 绘制 ROC 曲线图：4. 绘制漏斗图， 识别发表偏倚:STATISTICAL TESTS FOR SMALL STUDY EFFECTS/PUBLICATIONBIASS e n s i ti v i t y> 206Intercept 3.78234 1.105751 3.42 0.009 1.232475 6.332> 146Bias -.7005376 17.62442 -0.04 0.969 -41.34253 39.94> > al]yb Coef. Std. Err. t P>|t| [95% Conf. Interv>5.绘制似然比森林图:6.绘制诊断比值比森林图：7.绘制验前概率、验后概率图：验前概率=患病率，验后概率=验前概率*似然比二拟合HSROC模型：metandi命令1.合并统计量命令2.绘制SROC 曲线Covariance between estimates of E(logitSe) & E(logitSp) -.0117264> > 9451/LR- 3.164112 .3007045 2.626377 3.811> 526LR- .3160444 .0300356 .2623332 .3807> 296LR+ 12.34813 2.544551 8.245105 18.49> 194DOR 39.07088 8.70083 25.25202 60.45> 602Sp .9431557 .0123616 .9134894 .9630> 599Se .7019209 .029502 .6410901 .7563Summary pt.> > 023s2theta .1750668 .0938807 .0611986 .5008> 701s2alpha .2388279 .1917059 .0495257 1.151> 426beta .5485361 .3866854 1.42 0.156 -.2093534 1.306> 583Theta -.5042014 .3386717 -1.167986 .159> 009Lambda 3.261869 .2776274 2.71773 3.806HSROC> > 676Corr(logits) -.4913658 .3666173 -.9024235 .3879> 996Var(logitSp) .4063271 .2312948 .1331508 1.23> 984Var(logitSe) .1356511 .0833172 .0407018 .4520> 826E(logitSp) 2.808916 .230571 2.357005 3.260> 825E(logitSe) .8564618 .1410043 .5800985 1.132Bivariate> > al]Coef. Std. Err. z P>|z| [95% Conf. Interv>> 10Log likelihood = -67.370744 Number of studies = Meta-analysis of diagnostic accuracyIteration 3: log likelihood = -67.370744 Iteration 2: log likelihood = -67.370744 Iteration 1: log likelihood = -67.370761 Iteration 0: log likelihood = -67.378598 Performing gradient-based optimization:Iteration 3: log likelihood = -67.378598 Iteration 2: log likelihood = -67.980313 Iteration 1: log likelihood = -69.302533 Iteration 0: log likelihood = -73.728348 (not concave)Refining starting values:. metandi tp fp fn tnS e n s i t i v it yMeta-disc14表2 Meta-Disc软件的主要功能主要功能说明Describing primary results and exploringheterogeneity描述原始结果和探索异质性●Tabular results ●将结果以表格形式列出●Forestplots(sensitivity,specificity,LRs,dOR) ●以森林图形式显示灵敏度、特异度、似然比和诊断比值比●ROC plane scatter-plots ●ROC平面散状图●Cochran-Q,Chi-Square, Inconsistency index ●判断研究间异质性●Filtering/subgrouping capacities ●亚组分析Exporing Threshold effect 探讨阈值效应●Spearman correlation coefficient ●Spearman相关系数●ROC plane plots ●ROC平面图SROC curve fitting.Area under the curve(AUC)and Q拟合SROC曲线、计算AUC和Q指数Meta-regression analysis 回归分析，探讨异质性来源●Univariate and multivariate Moses andLitteenberg model(weight and unweight) ●（加权或未加权）单变量及多变量MosesLitteenberg模型Statistical polling of indices 合并统计量●Fixed effect model ●固定效应模型●Random effect model ●随机效应模型数据录入Meta分析1.探索阈值效应2.合并效应量、探讨异质性3.绘制森林图4.绘制SROC曲线5.meta回归分析。