stata软件meta分析操作详细攻略
Meta分析软件操作指南
Insight
Value Creation
Quality Service
2
Review Manager简介
• 把文献和数据读入软件
• 非常重要的：数据摘取/Meta分析
– 演示与练习
Insight
Value Creation
Quality Service
3
新建Review
Insight
Value Creation
Quality Service
1
Meta分析软件
2. STATA 该 软 件 是 美 国 Computer Resource Center研制的统计软件，从1985年起，连续推 出了多个版本，目前最新版本为10.0。
该软件可完成二分类变量和连续性变量的Meta 分析，也可以进行Meta回归分析，还可以绘制 Meta分析的相关图型，如森林图（Forest）、 漏斗图（Funnel）和L’Abbe图。
Quality Service
5
添加Comparison
点Data and analysis 前的加号
Insight
Value Creation
Quality Service
6
添加Outcome
Insight
Value Creation
Quality Service
7
添加数据
Insight
Value Creation
New Next Intervention Review Next
Insight
Value Creation
Quality Service
4
添加Study
手把手教你用Stata进行Meta分析Meta简明教程（7）
⼿把⼿教你⽤Stata进⾏Meta分析Meta简明教程（7）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）Meta简明教程（7）上⼀期介绍了Revman 软件对⼆分类数据、连续型数据、诊断性试验数据、⽣存-时间数据进⾏meta分析，本期将利⽤Stata对以上数据进⾏meta分析。
⼤家可以到本公众号下载Stata软件（重磅推荐：分类最全的统计分析相关软件，了解⼀下？请关注、收藏以备⽤）Stata12.0 界⾯⼀、⼆分类数据分析数据形式例：研究阿司匹林（aspirin）预防⼼肌梗死（MI）7个临床随机对照试验，观察死亡率，数据提取如下：操作步骤1.构建数据1)启动Stata 12.0 软件后，可以直接点击⼯具栏中DataEditor (edit)按钮。
也可在在菜单栏中点击Data→Data Editor→ DataEditor (edit)，出现以下界⾯。
2）点击变量名位置，依次输⼊研究名称（research），阿司匹林组死亡数(a)，阿司匹林组存活数(b)，安慰剂组死亡数(c)，安慰剂组存活数(d)3）录⼊数据：在变量值区域输⼊数据2. 数据分析1）导⼊meta模块：在Command窗⼝中进⾏编程，⾸先需要在Stata中安装meta模块:在Command窗⼝输⼊“sscinstall metan”，选中点回车。
结果窗⼝中出现下⾯的结果，说明已经安装了meta模块。
2）输⼊meta分析代码：在Command窗⼝输⼊ “Command窗⼝输⼊ “metan a b c d, or fixed”,点回车，完成结果分析。
用stata实现诊断性试验的meta分析
STATA已经有独立的模块（metandi）来做诊断性试验的meta分析，所用方法是拟合了一个两水平的混合logistic回归模型。
虽然该模块还没有与metan模块类似的对话框，但是应该来说已经是一个比较大的进步。
最终的呈现结果不仅能给出基于多水平模型估计得到的南京58信息网ROC曲线下面积（hierarchical summary receiver operating characteristic，hsroc），同时能得到“拐点”信息（summary point），以下摘选该模块的帮助内容来简要介绍该模块。
Titlemetandi -- Meta-analysis of diagnostic accuracySyntaxmetandi tp fp fn tn [if] [in] [, plot gllamm force ip(g|m) nip(#) nobivariate nohsroc nosummarypt detail level(#) trace nolog]by is allowed with metandi; see [D] by.See metandi postestimation for features available after estimation, in particular, the predict command. metandiplot graphs the results from metandi.Descriptionmetandi performs meta-analysis of diagnostic test accuracy studies in which both the index test under study and the reference test (gold standard) are dichotomous. It takes as input four variables: tp, fp, fn, and tn, giving the number of true positives, false positives, false negatives, and true negatives within each study. It fits a two-level mixed logistic regression model, with independent binomial distributions for the true positives and true negatives conditional on the sensitivity and specificity in each study, and a bivariate normal model for the logit transforms of sensitivity and specificity between studies.In Stata 10, metandi fits the model by using the official Stata command xtmelogit by default. In Stata 8 or 9, metandi uses the user-written command gllamm, which must be installed.To ensure you have the most recent version of gllamm, type ssc install gllamm, replace.metandi does not allow covariates to be fit; i.e., meta-regression of diagnostic accuracy is not supported.。
如何用stata软件实现贝叶斯meta分析
性 随机变 量 ，均 可 表示 为 指 数 族 的概 率 分 布形 式 。在
广义 贝 叶斯 随机效 应模 型 中 ，首先 ，假定 每个研 究效 应
量的估计值 Ｙ （ｉ＝正态分 布 ：
Ｙ 一Ｎ（０ ，Ｓ ）
（１）
０ 一Ｎ（ ，ｒ ）
（２）
且ｐ Ｙｆ～Ｎ（０ｆ，Ｓ ＋ ）
广 义贝 叶斯 随机 效应模 型 的 ｍｅｔａ分 析
广义 线 性 模 型 （ｇｅｎｅｒａｌｉｚｅｄ ｌｉｎｅａｒ ｍｏｄｅｌｓ，ＧＬＭ ） 作 为 一般线 性模 型 的 推广 ，将 诸 多 不 同的 分 布 函数 统
△通信作者 ：沈毅 ，Ｅ－ｍａｉｌ：ｓｕｎｎｙ＠ｎｔｕ．ｅｄｕ．ｃａ
一 到指数 族框 架 内 。无论 因变量 Ｙ是 连续 性还是 离 散
近年来 ，尽 管模 拟算法 不 断改进 ，但 贝 叶斯 方 法 的 计 算 复杂性 仍使 众 多 研 究 者望 而 却 步 。此 外 ，数 据 处 理 软件 的 匮乏也 成为 贝 叶斯 统计 发展 的桎 梏 。最 常用 于贝 叶 斯分 析 的 ＢＵＧＳ类 软 件 是 一 种 为 Ｗｉｎｄｏｗｓ系 统 编 写 的免 费软 件 ，内含一 系列 抽样 方法 ，可对 给定 问 题 自动挑选 最 佳 解 决方 案 。但该 软 件 编 程 复 杂 ，且 无 法 直接提 供可 视化 ｍｅｔａ分析 结果 ，如 森林 图、漏 斗 图 、 模 型诊断 图等 ，而这一点却是 ｍｅｔａ分析所必不 可少 的。
中国卫生统计 ２０１８年 ４月第 ３５卷第
如 何 用 ｓｔａｔａ软 件 实 现 贝 叶 斯 ｍｅｔａ分 析
南通大学公共卫生学院流行病与卫生统计学系（２２６０１９） 张 晟 周 洁 何 书 汪徐林 沈 毅
meta分析stata演示文稿
数据
计量资料
亚组分析---design
亚组分析---location
随机效应模型，异质性太大
漏斗图
ES：效应量（例如血糖下降变 seES：效应量的标准误
直接复制，可得白色的图
WMD
Begg's funnel plot with pseudo 95% confidence limits .5
Stata软件实现步骤
基线数据的录入与导入； 菜单操作或者编写程序； 生成森林图以及所需要的图形； 数均值、标准差，一篇文献，低中高剂量
Wmd 单位统一 ，加权均值，如血糖的单位都是 mmol/l
Msd 标准化均值
wmd
森林图操作步骤
发表的文献中符合要求的数据进行合并，计算出其 合并效应。
举例说明
1、计量资料的meta分析
运动、饮食与降空腹血糖 检索文献、检索词筛选出80-90篇 读摘要筛选30-40篇，精读剩下12篇 State软件做分析，得出合并效应森林图
检索文献流程图
合并效应森林图
几个关键的步骤
文献的纳入与排除（检索策略与纳入标准）； 纳入文献的质量评估（几种评估量表）； 森林图的生成与亚组分析（合并效应WMD,SMD）； 漏斗图的制作及其意义；
前瞻性RR 回顾性OR
表2.1 Aspirin预防心梗死亡的临床试验结果基线情况
study year
Aspirin group
Placebo group
total
death
total
death
MRC-1 1974
615
49
624
67
CDP 1976
758
44
771
64
基因多态性（SNP）meta分析stata流程及结果解释
基因多态性（SNP）meta分析stata流程及结果解释遗传关联研究旨在评估遗传变异与表型之间的关联。
在过去的几年或几十年中，这类研究的数量呈指数增长，但是由于实验设计，样本量较小和其他一些错误的原因，得到的结果往往是不可重复的，导致很多结果有矛盾。
meta分析由于可以将这些文献结果整合起来，提高统计效率，能够很好的解决这种差异，并能够识别基因型和表型之间的真实关联，正受到越来越多的关注。
基因多态性（SNP）多态性的研究也越来越多。
由于数据易于获得，分析结果看起来比较高大尚，发表文章相对比较容易，受到广大在校学生和医生们的青睐。
由于SNP的meta分析和传统meta分析比不太一样，现就讲SNP的meta 分析流程和结果稍做解释。
1、数据格式目前,SNP的meta分析建议用stata完成，从Hardy-Weinberg 检验到敏感性分析，都有一个完整的过程。
一般来说，把数据整理成以下格式即可，其中，cases表示实验组，controls表示对照组。
2、Hardy-Weinberg检验由于基因分型错误，或者选择偏倚和不恰当的分层，可能会发生HWE偏倚。
因此，在汇总数据之前，应在每项研究中检查HWE的拟合优度。
使用stata识别低质量的研究，可以计算出HW-P值和调整后的HW-P值。
从下表看，P均大于0.05，说明没有HWE偏倚。
3、遗传模型给定两个等位基因（A，a），可能出现三种基因型（AA，Aa，aa）可以以不同方式产生不同的遗传模型。
基于生物学遗传模型进行不同模型的评估。
包括等位基因对比（A与a），隐性（AA与Aa + aa），显性（AA + Aa与aa）和超显性（Aa与AA + aa））遗传模型以及成对比较（AA与aa，AA与Aa和Aa与aa的比较）。
多次检验，使用Bonferroni方法调整P值。
4、异质性评估异质性的评估可以采用多种指标进行，一般来说有tau^2，Q值，I^2以及P值的计算，假如存在异质性，则可以使用亚组分析来解决。
stata软件meta分析操作详细攻略
还可以对 发表偏倚进行Begg，s检验和Egger，s检验。 目前,Stata软件是Meta分析备受推崇的软件, 国外高质量 杂志更倾向于接收Stata Meta分析图形界面。
*
1.2 stata软件界面
回顾窗口
*
工具栏
结果窗口
变量窗口
命令窗口
1.3 stata软件快捷菜单
打开数据
数据编辑
变量管理
读书报告
Stata软件在Meta分析中的运用
2020/3/5
1
目录
1 Stata软件简介 2 Stata中二分类资料的Meta分析 3 Stata中连续性资料的Meta分析 4 异质性的处理 5 发表偏倚检验
*
1 第一部分
Stata软件简介
2020/3/5
3
Stata软件在诊断性研究的meta分析中的命令
Stata软件在诊断性研究的meta分析中的命令在诊断性研究的meta分析中可以计算合并阳性似然比、合并阴性似然比、诊断OR值、ROC值、SROC曲线、HSROC-bivariate meta-analysis等。
Stata进行诊断研究meta分析时的起始命令：*Variable codes: tp=true positives; fp=false positives; tn=true negatives;fn=false negatives*add .5 to all zero cellsgen zero=0replace zero=1 if tp==0|fp==0|fn==0|tn==0replace tp=tp+.5 if zero==1replace fp=fp+.5 if zero==1replace fn=fn+.5 if zero==1replace tn=tn+.5 if zero==1gen tpr= tp/(tp+fn)gen fpr=fp/(fp+tn)gen logittpr=ln(tp/fn)gen logitfpr=ln(fp/tn)gr7 tpr fpr, s(O) noaxis ysize(6) xsize(6) xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1) ylab(0(.1)1) t1(1-Specificity) l1(Sensitivity) b2(1-Specificity) b1(ROC Plot of Sensitivity vs Specificity)gr7 logittpr logitfprspearman logittpr logitfpr1.1 合并阳性似然比命令：metan tp fn fp tn, rr random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary LR+, Random Effects)2.2 合并阴性似然比命令：metan fn tp tn fp, rr random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary LR-, Random Effects)2.3 合并诊断OR值命令：metan tp fn fp tn, or random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary Diagnostic Odds Ratio, Random Effects)2.4 ROC值命令：gr7 tpr fpr, s(O) noaxis ysize(6) xsize(6) xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1) ylab(0(.1)1) t1(1-Specificity) l1(Sensitivity) b2(1-Specificity) b1(ROC Plot of Sensitivity vs Specificity)2.5 SROC曲线命令：gen sum= logittpr+ logitfprgen diff= logittpr- logitfprregress diff sumpredict yhatgr7 diff yhat sum, ylab(3,4,5,6,7,8) xlab(-4,-3,-2,-1,0,1,2) c(.l) s(oi)gen tse=1/(1+(1/(exp(_cons/1-_b)*(fpr/spec)^1+_b/1-_b)))(constant and b are derived from the above regression model)*plot SROC curve (generic)gr7 se tse fpr, ysize(6) xsize(6) noaxis xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1)ylab(0(.1)1) s(Oi) c(.s) l1(Sensitivity) b2(1-Specificity) ti(Summary ROC Curve) key1(" ")key2(" ")2.6 HSROC-bivariate meta-analysis命令：metandi tp fp fn tn, plot （基于SROC命令）2.7 发表偏倚命令：gen or=(tp*tn)/(fp*fn)gen lnor=ln(or)gen selnor=(1/tp)+(1/fp)+(1/fn)+(1/tn)*Begg and Egger test for publication bias with Begg's funnel plot: metabias lnor selnor, graph(begg)*Begg and Egger tests for subgroups (eg. Covariate=1)metabias lnor selnor if covariate==1, graph(begg)。
用stata进行单个率meta分析程序总结
用stata进行单个率meta分析程序总结感谢版主对我的方法进行验证，这里整理一下方面大家研究谷歌的程序（标红部分，分批录入stata12.0.可得到结果。
）clearinput study cases total1 20 10002 40 50003 30 15004 25 3300endgen p = .gen se = .// get proportions and std errorsforv i =1(1)4 {cii total[`i'] cases[`i']qui replace p = r(mean) in `i'qui replace se = r(se) in `i'}// get the inverse variance-weighted proportion// use the official Stata -vwls- commandgen cons =1vwls p cons, sd(se)// use the user written -metan- command// for fixed-effects meta-analysismetan p se, nograph fixed// for random-effects meta-analysismetan p se, nograph random我的数据，用谷歌方法运行的命令：clearinput study cases total1 76 4512 86 2023 24 974 401 2502endgen p = .gen se = .forv i =1(1)4 {cii total[`i'] cases[`i']qui replace p = r(mean) in `i' qui replace se = r(se) in `i'}gen cons =1vwls p cons, sd(se)metan p se, nograph fixed metan p se, nograph random我自已编的程序结果见贴子中的图片：录入格式，r nclearinput study r n1 0.831 1542 0.828 1343 0.88 100endgenerate ser=sqrt(r*(1-r)/n)metan r ser, fixed label(namevar=study)metan r ser, random label(namevar=study)metafunnel r ser。
Stata软件实现meta分析
Both the output and the graph show that there is a clear effect of streptokinase in protecting against death following myocardial infarction. The meta-analysis is dominated by the large GISSI-12and ISIS-23trials which contribute 76·2% of the weight in this analysis. If required, the text showing the weights or treatment effects may be omitted from the graph (options nowt and nostats, respectively). The metan command will perform all the commonly used fixed effects (inverse variance method, Mantel–Haenszel method and Peto’s method) and random effects (DerSimonian and Laird) analyses. These methods are described in Chapter 15. Commands labbe to draw L’Abbé plots (see Chapters 8 and 10) and funnel to draw funnel plots (see Chapter 11) are also included. 352Note that meta performs both fixed and random effects analyses by default and the tabular output includes the weights from both analyses. It is clear that the smaller studies are given relatively more weight in the random effects analysis than with the fixed effect model. Because the meta command requires only the estimated treatment effect and its standard error, it will be particularly useful in meta-analyses of studies in which the treatment effect is not derived from the standard 2 ×2 table. Examples might include crossover trials, or survival trials, when the treatment effect might be measured by the hazard ratio derived from Cox regression. Example 2: intravenous magnesium in acute myocardial infarction The following table gives data from 16 randomised controlled trials of intravenous magnesium in the prevention of death following myocardial infarction. These trials are a well-known example where the results of a meta-analysis8were contradicted by a single large trial (ISIS-4)9–11(see also Chapters 3 and 11).355Dealing with zero cellsWhen one arm of a study contains no events – or, equally, all events – we have what is termed a “zero cell” in the 2 ×2 table. Zero cells create problems in the computation of ratio measures of treatment effect, and the standard error of either difference or ratio measures. For trial number 8 (Bertschart), there were no deaths in the intervention group, so that the estimated odds ratio is zero and the standard error cannot be estimated. A common way to deal with this problem is to add 0·5 to each cell of the 2 ×2 table for the trial. If there are no events in either the intervention or control arms of the trial, however, then any measure of effect summarised as a ratio is undefined, and unless the absolute (risk difference) scale is used instead, the trial has to be discarded from the meta-analysis.The metan command deals with the problem automatically, by adding 0·5 to all cells of the 2 ×2 table before analysis. For the commands which require summary statistics to be calculated (meta,metacum,metainf, metabias and metareg) it is necessary to do this, and to drop trials with no events or in which all subjects experienced events, before calculating the treatment effect and standard error.To drop trials with no events or all events:drop if dead1==0&dead0==0drop if dead1==tot1&dead0==tot0357By the late 1970s, there was clear evidence that streptokinase prevented death following myocardial infarction. However it was not used routinely until the late 1980s, when the results of the large GISSI-1 and ISIS-2 trials became known (see Chapter 1). The cumulative meta-analysis plot makes it clear that although these trials reduced the confidence interval for the summary estimate, they did not change the estimated degree of protection.Examining the influence of individual studiesThe influence of individual studies on the summary effect estimate may be displayed using the metainf command.15This command performs an influence analysis, in which the meta-analysis estimates are computed omitting one study at a time. The syntax for metainf is the same as that for the meta command. By default, fixed-effects analyses are displayed. Let’s perform this analysis for the magnesium data:metainf logor selogor, eform id (trialnam)361The label above the vertical axis indicates that the treatment effect estimate (here, log odds ratio) has been exponentiated. The meta-analysis is dominated by the ISIS-4 study, so omission of other studies makes little or no difference. If ISIS-4 is omitted then there appears to be a clear effect of magnesium in preventing death after myocardial infarction.Funnel plots and tests for funnel plot asymmetryThe metabias command16,17performs the tests for funnel-plot asymmetry proposed by Begg and Mazumdar18and by Egger et al.11(see Chapter 11). If the graph option is specified the command will produce either a plot of standardized effect against precision11(graph(egger)) or a funnel plot (graph(begg)). For the magnesium data there is clear evidence of funnel plot asymmetry if the ISIS-4 trial is included. It is of more interest to know if there was evidence of bias before the results of the ISIS-4 trial were known. Therefore in the following analysis we omit the ISIS-4 trial:metabias logor selogor if trial<16, graph(begg)Note: default data input format (theta, se_theta) assumed.if trialno < 16362The funnel plot appears asymmetric, and there is evidence of bias using the Egger (weighted regression) method (P for bias 0·007) but not using the Begg (rank correlation method). This is compatible with a greater statistical power of the regression test, as discussed in Chapter 11. The horizontal line in the funnel plot indicates the fixed-effects summary estimate (using363To use the metareg command, we need to derive the treatment effect estimate (in this case log risk ratio) and its standard error, for each study.generate logrr=log((cases1/tot1)/(cases0/tot0)) generate selogrr=sqrt((1/cases1)-(1/tot1)+(1/cases0)-(1/tot0))In their meta-analysis, Colditz et al. noted the strong evidence for heterogeneity between studies, and concluded that a random-effects meta-analysis was appropriate:meta logrr selogrr, eformMeta-analysis (exponential form)Pooled95% CI Asymptotic No. ofies MethodEst Lower Upper z_value p_value stud Fixed0.6500.6010.704-10.6250.00013 Random0.4900.3450.695-3.9950.000Test for heterogeneity: Q= 152.233 on 12 degrees of freedom (p= 0.000)Moment-based estimate of between studies variance = 0.309366。
Stata率的meta分析
用stata软件做单个样本率的meta分析
本实例采用的数据是本人的另一个贴子用的数据是这个贴子中我能用stata做患病率的meta分析了，大家交流交流啊 - 丁香园论坛中网友在别的文章中看到并上传的一个森林图：
这个森林图中的数据其实不太好，因为异质性太大，但数据简单，也就给大家摸拟一下。
重要的是知道怎样用stata软件做单样本率meta 分析就可以了。
在stata中要做meta分析，最重要的就是要知道两个变量，一个是ES也就是效应量，另一个是seES,也就效应量，所有关于率的meta,做meta的关键也就是如何去寻找这两个东东了,
我这里采用的就是直接用率做为ES,而ES的标准误其实也不难求出,大家可以看看孙振球教授《医学统计学》中的这个例子或许会有所启发:如下图
这个是基于正态近似法的公式,在样本量较,数据正态时使用,这算ES 的标准误也是如用的这个公式
下面开始具体操作:
1,输入数据,数据的格式是study,率，以及样本量
第二步：generate ser=sqrt(r*(1-r)/n)
3，用随机效应模型进行分析命令如下：metan r ser, random label(namevar=study)
继续
4，输入如下命令得到漏斗图:metafunnel r ser。
使用stata进行meta分析的详细具体过程和方法
使用stata进行meta分析的详细具体过程和方法meta, stata最近使用stata 8进行meta分析，之前已经使用refman 5进行了初步处理，但是refman 的漏斗图只能粗略看是否对称，无法定量，据说stata可以进行发表性偏倚定量评价，所以自己摸索stata中的meta分析方法，在DXY中学习了不少战友的帖子（zhangdog战友），都感觉不是很系统，有的还有些问题。
结合自己的体会，写个详细的总结，希望对像我一样的初学者有所帮助，尤其对很多非统计学专业的人员有用，当然我也不是统计学专业的，问题再所难免，共同学习，还望战友指点。
1.stata的安装，建议下载8.0的版本，有战友反映9.0和10.0的版本好象有些问题，反正基本功能有了，meta分析的菜单在8.0以后版本都有了，所以不必追求最新的。
我是在上下载的。
baidu，google上都能找到。
2.原始数据的录入，这是应用stata进行分析的基础。
（1）命令窗口输入：Input no study event1 total1 event0 total0: |( g; m- [2 `; b3 `（分别表示纳入研究序号，名称，暴露组或处理组例数，总例数，对照组例数，对照组总例数，因为我是用refman中导出数据，这后4项可以直接输出），作用是产生变量。
然后可以逐行输入数据，以end命令结束，我建议初学者跳到下面的输入更简单。
* s# ?- w; d: B6 v$ L- j（2）点Data——Data editor（或ctrl＋7快捷键），可以直接录入数据，可以直接复制，粘贴数据。
输完后点击preserve保存退出Data editor 窗口。
6 z7 T5 M3 H5 ~%第一步（1）也可以省略，进入第二步后，先输入数据，然后双击自动产生的变量var1,var2....进行变量名称的修改，个人感觉这样快捷。
1 Deng SL 2004 31 114 8 100* Z4 U' m+ R$ i4 i8 V( P&2 Ding HF 2006 19 25 5 8^3 h2 l* t6 W9 ?" \$ _" o- S3 Fang ZL 2002 35 36 20 35+ C& ?* ^) Q3 y! l R, F' F14 Ito K 2006 36 40 31 40@5 ?* E& [!5 Kao JH 2003 81 127 4 35m/ y4 w2 R. y: h4 ~5 a6 Yuen MF 2004 60 66 101 1351 V3 [0 M& Y4 ~. B. x- a. B% l*完毕在命令窗输入list命令查看数据。
Meta分析软件操作教程，最全合集！
Meta分析软件操作教程，最全合集！“实用meta分析”为大家介绍了meta分析常用软件：Stata、RevMan、R、Meta-DiSc的相关操作，由于内容比较分散，不利于重复学习，我们特意整理成一个合集，只要收藏或转发一次，就不用担心以后找不到教程了！Meta分析教程——Stata篇Meta分析教程，Stata系列(1)：数据录入一分钟学会Stata-合并单个率的森林图一分钟学会Stata-连续型变量的森林图一分钟学会Stata-二分类变量的森林图一分钟学会Stata-合并效应值的森林图一分钟学会Stata-亚组分析一分钟学会Stata之：二分类变量的发表偏倚检验一分钟学会Stata之：连续型变量的发表偏倚检验一分钟学会Meta分析-高清漏斗图的制作一分钟学会Meta分析之：Stata森林图的编辑剪补法在Stata中的实现和结果解读多图讲解Stata的发表偏倚检验技术贴：发表偏倚检验--harbord法发表偏倚检验--harbord法一分钟学会Stata：诊断试验的Meta分析（1）一分钟学会Stata：诊断试验的Meta分析（2）Stata操作的常见问题，你解决了吗？Meta分析教程——RevMan篇Meta分析软件之：Review Manager 5.2RevMan 5.2简易教程-新建系统评价RevMan 5.2 简易教程 2 纳入研究的添加RevMan 5.2 简易教程 3 Cochrane质量评价1 RevMan 5.2 简易教程 3 Cochrane质量评价2 RevMan5.2 简易教程4 增加比较和结局指标RevMan 5.2简易教程5 二分类数据分析RevMan5.2 简易教程6 连续性数据分析RevMan5.2 简易教程7 敏感性分析RevMan5.2 简易教程8 发表偏倚检验RevMan5.2 简易教程9 诊断性试验Meta分析RevMan5.2 简易教程10 HR P计算CIRevMan如何改变森林图中研究的次序Endnote的文献导入RevMan？So easy!利用SPSS和RevMan实现有序数据的Meta分析(1) 利用SPSS和RevMan实现有序数据的Meta分析(2) RevMan软件：率的Meta分析的实现(1) RevMan软件：率的Meta分析的实现(2) RevMan软件：率的Meta分析的实现(3) RevMan生成文献筛选流程图RevMan-诊断性试验的质量评价Meta分析教程——R软件篇R软件中数据的输入R软件系列: 第二讲二分类数据的Meta分析(1)R软件系列：实现二分类数据的Meta分析(2)R软件系列：实现连续数据的Meta分析R软件系列：实现单个率的Meta分析(1)R软件系列：实现单个率的Meta分析(2)R软件系列：实现相关系数的Meta分析R软件系列：实现效应值的Meta分析R软件系列：实现Meta回归分析R软件系列：实现累积Meta分析R软件系列:森林图的编辑R软件--Galbraith图、L’Abbe图和Baujat图的绘制R软件读取RevMan中的数据进行Meta分析（1）R软件读取RevMan中的数据进行Meta分析（2）一分钟学会meta分析之：R软件实现剪补法技术贴-附加轮廓线漏斗图的绘制在R软件中的实现Meta分析教程——Meta-DiSc篇Meta-disc入门学习-软件下载和安装Meta-disc入门学习之数据录入Meta-disc评估非阈值效应Meta-disc评估阈值效应诊断性meta分析：如何用Meta-DiSc评价异质性Meta-Disc四步法快速做出森林图Meta-Disc 如何输出高清图片的秘密Meta-disc如何进行meta回归分析Meta-disc之亚组分析今天的分享就到这了，实用meta分析致力于为大家提供更多精彩内容，除了meta分析，以下哪个栏目对你最有吸引力呢？一起投票吧！。
STATA-只有OR值的meta分析方法
Test of OR=1 : z= 0.13 p = 0.894
Study Ling G Chen S Park JY
Overall
.020438
Forest plot
Odds ratio (95% CI)
% Weight
2.36 ( 0.90, 6.17) 42.2 0.44 ( 0.19, 1.03) 44.3 1.98 ( 0.08, 48.93) 13.6 1.10 ( 0.28, 4.32) 100.0
M-H pooled OR
| 0.972
0.544
1.737
100.00
---------------------+---------------------------------------------
Heterogeneity chi-squared = 6.81 (d.f. = 2) p = 0.033 I-squared (variation in OR attributable to heterogeneity) = 70.6%
–replace age = 25 in 2 /* 将第2条记录中的变量age替换为25。
Fixed and random effects meta-analysis
metan varlist [if exp] [in range] [, rr or rd fixed random fixedi randomi peto by(byvar) label(namevar=name, yearvar=year)]
数据的输入与存储
• 数据输入 – 数据编辑窗口； – 复制和粘贴。
• 数据储存 – save命令 – FileSave As
Stata 率的meta分析
用stata软件做单个样本率的meta分析
本实例采用的数据是本人的另一个贴子用的数据是这个贴子中我能用stata做患病率的meta分析了，大家交流交流啊- 丁香园论坛中网友在别的文章中看到并上传的一个森林图：
这个森林图中的数据其实不太好，因为异质性太大，但数据简单，也就给大家摸拟一下。
重要的是知道怎样用stata软件做单样本率meta分析就可以了。
在stata中要做meta分析，最重要的就是要知道两个变量，一个是ES也就是效应量，另一个是seES,也就效应量，所有关于率的meta,做meta的关键也就是如何去寻找这两个东东了,
我这里采用的就是直接用率做为ES,而ES的标准误其实也不难求出,大家可以看看孙振球教授《医学统计学》中的这个例子或许会有所启发:如下图
这个是基于正态近似法的公式,在样本量较,数据正态时使用,这算ES的标准误也是如用的这个公式
下面开始具体操作:
1,输入数据,数据的格式是study,率，以及样本量
第二步：generate ser=sqrt(r*(1-r)/n)
3，用随机效应模型进行分析命令如下：metan r ser, random label(namevar=study)
继续
4，输入如下命令得到漏斗图:metafunnel r ser。
Meta分析及stata命令
敏感性分析和发表偏倚
• 敏感性分析：metainf es se, id(study) random print
• 发表偏倚：metabias es se, graph(begg)
注：发表偏倚结果指标为：begg和Egger两种，当结 论不一致时以Egger检验为准
实例演示
• 执行命令后： • 采用X2检验和 I2检验检验同类研究间的异质性，若
P≥0.1，I2≤50%，说明研究间有统计学同质性，则使 用固定效应模型，不更改命令；若 P<0.1，I2>50%， 说明各研究间存在统计学异质性，改用随机效应模 型，命令修改，如：
• metan death1 live1 death2 live2, or label (namevar=study, yearvar=year) random
森林图及异质性检验： ——相关系数
• ③metan命令后跟两个变量：效应量和其标 准误)
• 例：metan ES se, label(namevar=study, yearvar=year)
异质性的检测标准
• 默认为固定效应模型
• 如metan death1 live1 death2 live2, or label (namevar=study, yearvar=year)
学资料；疾病类型、诊断时间等临床资料 • 研究变量 • 效应指标（文献中已有或者需要计算获得）。
制表、建立数据库
• 1.6 文献质量评价
• 纽卡斯尔-渥太华量表（the Newcastle-Ottawa Scale， NOS）
• 澳大利亚乔安娜循证护理中心(Joanna briggs institute, JBI)研制的横断面研究偏倚风险评价标准
- 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)。
*
5.1 漏斗图法检测发表偏倚
只能定性的识别发 表偏倚。
*
5.2 Begg法检测发表偏倚（二分类）
方法选择 *
5.2 Begg法结果输出
*
调整统计量Z值及 P值。
5.2 Begg法漏斗图
Begg's funnel plot with pseudo 95% confidence limits 4
它操作灵活、简单、易用,同时具有数据管理软件、 统计分析软件、绘图软件、矩阵计算软件和程序语言 的特点,在许多方面别具一格,和SAS、 SPSS一起并称 为新的三大权威统计软件。
*
1.1 stata软件简介
相对RevMan而言,Stata的Meta分析功能更全面和强 大,该软件除了可以完成二分类变量和连续性变量的Meta 分析,也可以进行Meta回归分析、 累积Meta分析、单个 研究影响分析、诊断试验的Meta分析、剂量反应关系 Meta分析、生存分析资料合并等几乎所有Meta分析方法。
分
2020/3/3
21
4. 1 亚组分析
按照用药方式 分为两个亚组
*
4. 1 亚组分析菜单命令
输入亚组命令 *
4. 1 亚组分析森林图
不同亚组的异 质性
总的异质性
*
4. 2 meta回归菜单操作
因变量 协变量
标准误 ReML法
*
4. 2 meta回归结果
*
P值大于0.05，提示发 表年限与研究间异质性 无关。
还可以对 发表偏倚进行Begg，s检验和Egger，s检验。 目前,Stata软件是Meta分析备受推崇的软件, 国外高质量 杂志更倾向于接收Stata Meta分析图形界面。
*
1.2 stata软件界面
回顾窗口
*
工具栏
结果窗口
变量窗口
命令窗口
1.3 stata软件快捷菜单
打开数据
数据编辑
变量管理
4. 3 敏感性分析
*
4. 3 敏感性分析
*
5 第五部
分
发表偏倚检验
2020/3/3
29
29
5.1 发表偏倚检验
发表偏倚是meta分析最常见的系统误差。通常阳性 结果较阴性结果更易发表，形成了为数不少的“抽屉文 件”，根据发表文献所做的综合分析有可能歪曲了真实 效应。据调查统计，临床试验报告阳性结果的发表率约 为77%，阴性结果发表率仅为42%。因此meta分析必须 对发表偏倚进行讨论。
数据查看
*
1.4 stata软件界面
导入其他数据 *
1.5 stata软件meta模块
Meta分析模块 *
1.5 stata软件meta模块
常用meta分析 累积meta分析 Meta回归分析
漏斗图 敏感性分析
发表偏倚 *
2 第二部
分
二分类和连续性资料的meta分析
2020/3/3
11
2.1 二分类资料数据录入
.5
0
-.5
0
.2
.4
s.e. of: SMD
*
5.3 Begg法结果输出
*
调整统计量Z值及 P值。
37
感谢大家！ 请对不足之处提宝贵意见！
2020/3/3
38
作者
试验组 发生数
发表年份
试验组 未发生
对照组 发生数
对照组 未发生
更改变 量名称
*
2.2 连续性资料数据录入
试验组 样本数
试验组 均数
试验组 标准差
对照组 样本数
对照组 均数
对照组 标准差
作者
发表年份
*
2.3 metan菜单命令
计数资料 连续性资料
效应量
效应量的标 准误
研究标签
命令输入
年份标签
读书报告
Stata软件在Meta分析中的运用
2020/3/3
1
目录
1 Stata软件简介 2 Stata中二分类资料的Meta分析 3 Stata中连续性资料的Meta分析 4 异质性的处理 5 发表偏倚检验
*
1 第一部分
Stata软件简介
2020/3/3
3
3
1.1 stata软件简介
Stata是一个功能强大而又小巧玲珑的统计分析软 件,最初由美国计算机资源中心(Computer Resource Center)研制,现为Stata公司的产品。从1985年1.0 版 问世以来,通过不断的更新和扩充,软件功能已日趋完善。
异质性
*
无效线
95%可信 区间
权重
对于有利结局菱形在右 边有效，左边无效；不 利结局则相反。
2.6 连续性资料森林图
无效线
当两均数差值为0时，差 异无统计学意义，故无 效线在0处。
*
2.7 连续性资料森林图
无效线
当两均数差值为0时，差 异无统计学意义，故无 效线在0处。
*
异质性的处理
4 第四部
2
logor
0
-2 0
*
.5
1
1.5
s.e. of: logor
5.3 Begg法检测发表偏倚（连续性）
连续性资料的不 用取对数
图形显示依据 权重大小
*
5.3 Begg法漏斗图
Begg's funnel plot with pseudo 95% confidence limits 1.5
1
SMD
亚组分析
按某种顺序排 列
*
2.3 metan菜单命令
模型
*
效应量
2.4 metan菜单命令
模型
*
2.4 资料分析结果输出
合并统计量
异质性Q检验
I2值
P值
*பைடு நூலகம்
2.5 二分类资料森林图
中间短横线代表一 个试验结果的可信 区间，位于横线中 间的小方块代表OR 值。最下方菱形符 号代表纳入全部试 验的综合结果。短 横线/菱形与无效线 相交表示差异无统 计学意义。