Meta分析(meta-analysis)是統計合成來自于一系列同類研究的結果，其中用的統計方法可用于任何類型的數據。通過Meta分析，可以加的估計效應的大小及確定影響效應大小的相關因素，還可以產生新的發現。Meta分析可以應用于醫學、藥學、教育學、心理學、犯罪學、生態學、商業、天文學等諸多領域，當前在醫學領域的應用為活躍。
本書為曾憲濤、任學群主編的《應用STATA做 Meta分析(第2版)》。
主編簡介
曾憲濤，男(1984- )，湖北竹溪人，副主任醫師、副教授、碩士生導師。現任武漢大學循證與轉化醫學中心副主任，武漢大學中南醫院循證與轉化醫學中心副主任，武漢大學第二臨床學院循證醫學與臨床流行病學教研室副主任，中國醫療保健國際交流促進會循證醫學分會副主任委員兼秘書長、青年委員會主任委員，中華預防醫學會循證預防醫學專業委員會常務委員、循證醫學方法學組組長，中國標準化協會中醫藥標準化分會常務理事，中國醫師協會循證醫學專業委員會委員，中國研究型醫院學會兒科學專業委員會常務委員兼副秘書長，中國研究型醫院學會泌尿外科學專業委員會副秘書長，中國中醫藥信息研究會臨床研究分會常務理事，中國康復技術轉化及發展促進會精準醫學與腫瘤康復專業委員會委員；《中國循證心血管醫學雜志》常務編委，《中國循證醫學雜志》、《湖北醫藥學院學報》、《現代泌尿外科雜志》、《中國醫學倫理學雜志》等期刊編委；BMJ、Evidence-Based Complementary and Alternative Medicine等近20本SCI期刊審稿專家，中華實用兒科臨床雜志、中南大學學報醫學版、藥物流行病學雜志、武警醫學等審稿專家。主持及參與國家重大專項課題及自然科學基金項目十余項，主編專著4部，副主編專著3部，參編專著3部。在Intensive Care Medicine、Oral Oncology等近300篇；參與獲湖北省科技進步二等獎1項、十堰市科技進步三等獎1項。
任學群，男(1964- )，河南正陽人，博士，主任醫師，教授，博士生導師。現任河南大學醫學院黨委常務副書記，河南大學淮河醫院黨委書記，河南大學循證醫學中心主任，中國醫療保健國際交流促進會循證醫學分會副主任委員，中國研究型醫院學會微創外科學專業委員會委員，河南省抗癌協會常務理事，河南省抗癌協會胃癌專業委員會副主任委員，河南省預防醫學會循證預防醫學專業委員會副主任委員，河南省醫學會普外專業委員會常務委員及胃腸外科學組副組長，河南省中西醫結合學會循證醫學專業委員會副主任委員，《中國內鏡雜志》、《河南外科學雜志》常務編委，《腹腔鏡外科雜志》、《河南大學學報(醫學版)》編委。長期從事消化道腫瘤及微創外科基礎與臨床研究，先后主持完成省部級以上科研項目14項。近百篇，出版著作3部。
及時章 Meta分析的基礎知識 及時節 Meta分析概述 第二節 Meta分析的常見類型 第三節 Meta分析的制作步驟 第四節 Meta分析的注冊平臺 第五節 方法學質量評價工具 第六節 效應量、效應模型及圖形解讀 第七節 Meta分析的報告規范 第二章 Stata軟件的簡介 及時節 Stata與Meta分析 第二節 Stata操作簡介 第三節 Stata行Meta分析的基礎 第四節 Stata行Meta分析命令簡介 第五節 SSC命令簡介 第三章 經典二分類變量的Meta分析 及時節 數據結構 第二節 效應量及效應模型的選擇 第三節 數據準備及軟件實現 第四節 異質性檢驗 第五節 發表偏倚檢測 第四章 遺傳關聯性研究的Meta分析 及時節 遺傳關聯性研究及其Meta分析簡介 第二節 基因多態性研究及其Meta分析簡介 第三節 Meta分析中的哈迪-溫伯格平衡及處理 第四節 數據準備及軟件實現 第五章 連續型變量的Meta分析 及時節 數據結構 第二節 效應量及模型的選擇 第三節 數據準備及軟件實現 第六章 生存資料的Meta分析 及時節 預后相關的術語介紹 第二節 效應量的選擇及資料提取 第三節 數據準備及軟件實現 第七章 累積Meta分析 及時節 累積Meta分析簡介 第二節 Stata實現的命令 第三節 經典二分類變量的累積Meta分析 第四節 連續型變量的累積Meta分析 第八章 序貫Meta分析 及時節 序貫Meta分析簡介 第二節 二分類數據的序貫Meta分析 第三節 時間-事件數據的序貫Meta分析 第九章 間接比較及網狀Meta分析 及時節 間接比較及網狀Meta分析簡介 第二節 Stata-mvmeta程序包實現網狀Meta分析 第三節 Stata-indirect程序實現間接比較Meta分析 第十章 診斷性資料的Meta分析 及時節 診斷性試驗及其Meta分析簡介 第二節 Stata-midas命令實現 第三節 Stata-metandi命令實現 第四節 隨機對照設計的診斷性試驗Meta分析 第十一章 劑量-反應關系研究的Meta分析 及時節 劑量-反應關系Meta分析簡介 第二節 單項研究劑量-反應趨勢估計 第三節 多項研究劑量-反應Meta分析 第四節 劑量-反應Meta分析圖形繪制 第五節 劑量-反應Meta分析注意事項 第十二章 單組變量及有序變量的Meta分析 及時節 單組變量的Meta分析 第二節 有序變量的Meta分析 第十三章 Stata調用WinBUGS實現 及時節 貝葉斯Meta分析與WinBtJGS軟件 第二節 WinBUGS與Stata軟件 第三節 實現二分類變量的Meta分析 第四節 實現連續型變量的Meta分析 第五節 實現有序變量的Meta分析 第六節 實現網狀Meta分析 第七節 實現間接比較的Meta分析 第十四章 Stata相關圖形的編輯 及時節 森林圖的編輯 第二節 漏斗圖的編輯 附錄 中英文對照表
分類變量的Meta分析
在統計學中，通常有3種不同類型的數據資料，分別為計數資料、計量資料以及等級資料。其中，計數資料包括二分類變量和多分類變量，所謂二分類變量是指同一研究中兩種對立屬性事件的數據資料，比如某研究中“存活”和“死亡”事件各自發生的例數。本章采用實例介紹經典的2×2表格資料的Meta分析的實現過程。
及時節 數據結構
對于一項納入了k個研究的Meta分析，當這些研究的結局指標是二分類變量時，我們即可用一個2×2的表格來反映它，因此在第i個研究中，可用表3-1所示的數據結構表示。其中ai表示第i項研究中試驗組的發生例數，bi表示第i項研究中試驗組的未發生例數，ai bi則表示整個試驗組的總樣本量，余以此類推。
表3-1 二分類數據結構
研究(1≤i≤k) 發生例數 未發生例數 總數
試驗組 ai bi ai bi
對照組 ci di ci di
注：i表示k個研究中的第i項研究
第二節 效應量及效應模型的選擇
一、效應量的選擇
用于二分類數據資料的治療效應檢測指標有OR/or、RR/rr和RD/rd。
OR的定義是試驗組和對照組中某事件發生的比值之比。所謂比值，即某事件發生的可能性，也表示某事件發生的概率(p)與未發生概率(1-p)之比，公式為：比值=某事件發生例數/某事件未發生例數= ，例如，當比值為2時，寫作2∶1，即3個人中，2人會發生該事件，1人不會發生。以表3-1的數據為例，試驗組的比值= = / = ，對照組的比值= = / = ，因此OR= / = / = 。
RR又稱相對危險度(relative risk)，表示試驗組和對照組中某事件發生的風險之比。所謂風險，即將會發生的干預結果的可能性，公式表示為：風險=某事件發生例數/某組總人數= ，比如說當風險為0.2時，10個人中就會有2人發生該事件。以表3-1的數據，試驗組事件發生的風險= = ，對照組的風險= = ，因此，RR= / = = / 。
RD是試驗組和對照組所觀察到的風險差值，即RD= - 。它描述了治療組和對照組事件發生風險的差異，它表示發生該事件可能性的差異估計值。
需要說明的是，比值和風險不同。如當比值為2時，即3人中，2人會發生該事件，1人不會發生，此時事件發生的風險則為2/3，即0.66。因此RR和OR也有所不同，一般而言，對于增加事件發生可能性的治療，OR大于RR；對于減少事件發生機會的治療，OR小于RR，但在所觀察事件發生率較低時，可以用OR估計RR。因此，在結果解釋時，不要混淆它們之間的差別，以免得出錯誤的結論。
二、效應模型的選擇
需要說明的是，一般應該是先判定異質性的大小，再根據異質性來選擇效應模型。但在軟件計算中，都是先選擇一種模型計算，再看計算出的異質性來決定是否更換模型。因此，在實際中，操作是先選擇固定效應模型，異質性在不可接受的范圍時更換為隨機效應模型。但我們必須知道先判定異質性，再選擇效應模型這一順序，而且在寫作時要按照這個順序來寫。
(一)固定效應模型
固定效應模型是假設所納入的研究結果方向與效應量大小基本相同，即各獨立研究的結果趨于一致，一致性檢驗差異無顯著性，忽略了研究間異質性，適用于研究間異質性較小的研究，在Stata中，命令用“fixed或fixedi”來定義，菜單中是“Fixed”表示。
對于固定效應模型，Stata中提供了三種可選擇的方法(圖3-3)，分別為倒方差法(Inverse variance method，也稱Woolf’ method，I-V法)和Mantel-Haenszl法(簡稱M-H法)以及Peto法。
倒方差法通過取樣本方差的倒數將每個研究的效應量(or、rr、rd)值進行加權并計算其平均效應，因此在度越高即方差越小的樣本中，其權重越高。
M-H法采用不同的權重配置方案，M-H法一般優于方差倒數法法，因為在數據稀少時其結果更穩定，是Stata中默認的方法。
Peto法是利用方差倒數法近似估計OR值，只適用于效應指標為OR運算，當處理效應較小(OR接近1)、事件不常見以及實驗組與對照組樣本含量接近時，計算OR對數值近似值的方法效果較好，而其他情況下用此法易引起偏倚。
此外，需要說明的是，如果研究中2×2的表格包含一個或多個零單元，即a、b、c、d中有值為0的變量時，倒方差法和M-H法會自動為每個單元加0.5。
(二)隨機效應模型
隨機效應模型是假設各個獨立研究分別來自不同總體，其研究結果的差異可由研究內變異(隨機抽樣)與研究間差異(不同總體)造成，即考慮研究間的異質性，通常，隨機效應模型下計算的可信區間較固定效應模型更寬，因此所得出的效應量及可信區間更為保守。
Stata提供了兩種隨機效應模型的計算方法，分別為M-H heterogeneity法和I-V heterogeneity(圖3-3)。實質上，這兩種方法都是D-L法，前者是以M-H模型來估計研究的異質性，后者是以固定效應模型下倒方差法來估計異質性。D-L法是在倒方差法的基礎上，根據處理效應間變異范圍以及異質性對權數加以調整，當研究間無異質性時，D-L法和倒方差法結果會一致，且在許多情況下與M-H法結果一致；當存在異質性時，采用D-L法平均處理效應的可信區間較采用固定效應法寬，統計學顯著性較為保守。
第三節 數據準備及軟件實現
一、數據資料及輸入格式
引用文獻：Colditz GA, Brewer TF, Berkey CS, et al. Efficacy of BCG vaccine in the prevention of tuberculosis. Meta-analysis of the published literature. JAMA, 1994, 271(9): 698-702.
以Colditz等發表的一篇探討BCG預防結核病的療效文獻數據為例進行演示。該文獻共納入13篇臨床研究(表3-2)，BCG組為干預組。
表3-2 BCG預防結核病的療效的文獻數據
authors
year
干預組
對照組
latitude
allocation
a
b
c
d
Aronson
1948
4
119
11
128
44
1
Ferguson & Simes
1949
6
300
29
274
55
1
Rosenthal et al
1960
3
228
11
209
42
1
Hart & Sutherland
1977
62
13536
248
12619
52
1
Frimodt-Moller et al
1973
33
5036
47
5761
13
2
Stein & Aronson
1953
180
1361
372
1079
44
2
Vandiviere et al
1973
8
2537
10
619
19
1
TPT Madras
1980
505
87886
499
87892
13
1
Coetzee & Berjak
1968
29
7470
45
7232
27
1
Rosenthal et al
1961
17
1699
65
1600
42
3
Comstock et al
1974
186
50448
141
27197
18
3
Comstock & Webster
1969
5
2493
3
2338
33
3
Comstock et al
1976
27
16886
29
17825
33
3
注：a、b分別為接種BCG死亡的人數、非死亡人數；c、d為對照組死亡人數及非死亡人數；latitude是臨床試驗地區的緯度；allocation為病人的分配方法；后兩項變量用于分析異質性。
為了簡潔明了，這里直接將其以Stata中數據輸入狀態演示，關于Stata中數據輸入方法請參見第二章。數據輸入后的界面如圖3-1所示，圖中對應的解釋同表3-2的注腳。
圖3-1 實例數據提取情況以及在Stata中的輸入格式
需要注意的是，在Stata中輸入數據前，如果已進行過其他研究數據的計算，可以先在命令窗口輸入“clear”，以清除之前的數據；當然也可以重新打開一個Stata窗口。
二、軟件操作
Stata行Meta分析有兩種方法：菜單操作或命令操作實現。
(一)菜單操作
菜單操作為依次點擊User→Meta-analysis→of Binary and Continuous(metan)，彈出用于Meta分析的對話框(圖3-2)并勾選相應選項，并在圖3-3中選擇固定效應模型(Fixed)或者隨機效應模型(Random)和計算合并RR效應量，然后點擊“OK”即可。
一般情況下，建議先選擇固定效應模型計算；如果異質性較大，則改用較為保守的隨機效應模型。
圖3-2 按a、b、c、d的順序依次勾選變量
圖3-3選擇M-H法固定效應模型和合并RR效應量
物流太慢了，而且來后書有破損，書的側邊有一半是磨破的。因為急用，當當退換貨太麻煩。
書可以，比較滿意
非常好的一本參考書，非常實用
買了用來學習的，希望對自己有幫助
