Meta分析(meta-analysis)是统计合成来自于一系列同类研究的结果，其中用的统计方法可用于任何类型的数据。通过Meta分析，可以加的估计效应的大小及确定影响效应大小的相关因素，还可以产生新的发现。Meta分析可以应用于医学、药学、教育学、心理学、犯罪学、生态学、商业、天文学等诸多领域，当前在医学领域的应用为活跃。
本书为曾宪涛、任学群主编的《应用STATA做 Meta分析(第2版)》。
主编简介
曾宪涛，男(1984- )，湖北竹溪人，副主任医师、副教授、硕士生导师。现任武汉大学循证与转化医学中心副主任，武汉大学中南医院循证与转化医学中心副主任，武汉大学第二临床学院循证医学与临床流行病学教研室副主任，中国医疗保健国际交流促进会循证医学分会副主任委员兼秘书长、青年委员会主任委员，中华预防医学会循证预防医学专业委员会常务委员、循证医学方法学组组长，中国标准化协会中医药标准化分会常务理事，中国医师协会循证医学专业委员会委员，中国研究型医院学会儿科学专业委员会常务委员兼副秘书长，中国研究型医院学会泌尿外科学专业委员会副秘书长，中国中医药信息研究会临床研究分会常务理事，中国康复技术转化及发展促进会精准医学与肿瘤康复专业委员会委员；《中国循证心血管医学杂志》常务编委，《中国循证医学杂志》、《湖北医药学院学报》、《现代泌尿外科杂志》、《中国医学伦理学杂志》等期刊编委；BMJ、Evidence-Based Complementary and Alternative Medicine等近20本SCI期刊审稿专家，中华实用儿科临床杂志、中南大学学报医学版、药物流行病学杂志、武警医学等审稿专家。主持及参与国家重大专项课题及自然科学基金项目十余项，主编专著4部，副主编专著3部，参编专著3部。在Intensive Care Medicine、Oral Oncology等近300篇；参与获湖北省科技进步二等奖1项、十堰市科技进步三等奖1项。
任学群，男(1964- )，河南正阳人，博士，主任医师，教授，博士生导师。现任河南大学医学院党委常务副书记，河南大学淮河医院党委书记，河南大学循证医学中心主任，中国医疗保健国际交流促进会循证医学分会副主任委员，中国研究型医院学会微创外科学专业委员会委员，河南省抗癌协会常务理事，河南省抗癌协会胃癌专业委员会副主任委员，河南省预防医学会循证预防医学专业委员会副主任委员，河南省医学会普外专业委员会常务委员及胃肠外科学组副组长，河南省中西医结合学会循证医学专业委员会副主任委员，《中国内镜杂志》、《河南外科学杂志》常务编委，《腹腔镜外科杂志》、《河南大学学报(医学版)》编委。长期从事消化道肿瘤及微创外科基础与临床研究，先后主持完成省部级以上科研项目14项。近百篇，出版著作3部。
及时章 Meta分析的基础知识 及时节 Meta分析概述 第二节 Meta分析的常见类型 第三节 Meta分析的制作步骤 第四节 Meta分析的注册平台 第五节 方法学质量评价工具 第六节 效应量、效应模型及图形解读 第七节 Meta分析的报告规范 第二章 Stata软件的简介 及时节 Stata与Meta分析 第二节 Stata操作简介 第三节 Stata行Meta分析的基础 第四节 Stata行Meta分析命令简介 第五节 SSC命令简介 第三章 经典二分类变量的Meta分析 及时节 数据结构 第二节 效应量及效应模型的选择 第三节 数据准备及软件实现 第四节 异质性检验 第五节 发表偏倚检测 第四章 遗传关联性研究的Meta分析 及时节 遗传关联性研究及其Meta分析简介 第二节 基因多态性研究及其Meta分析简介 第三节 Meta分析中的哈迪-温伯格平衡及处理 第四节 数据准备及软件实现 第五章 连续型变量的Meta分析 及时节 数据结构 第二节 效应量及模型的选择 第三节 数据准备及软件实现 第六章 生存资料的Meta分析 及时节 预后相关的术语介绍 第二节 效应量的选择及资料提取 第三节 数据准备及软件实现 第七章 累积Meta分析 及时节 累积Meta分析简介 第二节 Stata实现的命令 第三节 经典二分类变量的累积Meta分析 第四节 连续型变量的累积Meta分析 第八章 序贯Meta分析 及时节 序贯Meta分析简介 第二节 二分类数据的序贯Meta分析 第三节 时间-事件数据的序贯Meta分析 第九章 间接比较及网状Meta分析 及时节 间接比较及网状Meta分析简介 第二节 Stata-mvmeta程序包实现网状Meta分析 第三节 Stata-indirect程序实现间接比较Meta分析 第十章 诊断性资料的Meta分析 及时节 诊断性试验及其Meta分析简介 第二节 Stata-midas命令实现 第三节 Stata-metandi命令实现 第四节 随机对照设计的诊断性试验Meta分析 第十一章 剂量-反应关系研究的Meta分析 及时节 剂量-反应关系Meta分析简介 第二节 单项研究剂量-反应趋势估计 第三节 多项研究剂量-反应Meta分析 第四节 剂量-反应Meta分析图形绘制 第五节 剂量-反应Meta分析注意事项 第十二章 单组变量及有序变量的Meta分析 及时节 单组变量的Meta分析 第二节 有序变量的Meta分析 第十三章 Stata调用WinBUGS实现 及时节 贝叶斯Meta分析与WinBtJGS软件 第二节 WinBUGS与Stata软件 第三节 实现二分类变量的Meta分析 第四节 实现连续型变量的Meta分析 第五节 实现有序变量的Meta分析 第六节 实现网状Meta分析 第七节 实现间接比较的Meta分析 第十四章 Stata相关图形的编辑 及时节 森林图的编辑 第二节 漏斗图的编辑 附录 中英文对照表
分类变量的Meta分析
在统计学中，通常有3种不同类型的数据资料，分别为计数资料、计量资料以及等级资料。其中，计数资料包括二分类变量和多分类变量，所谓二分类变量是指同一研究中两种对立属性事件的数据资料，比如某研究中“存活”和“死亡”事件各自发生的例数。本章采用实例介绍经典的2×2表格资料的Meta分析的实现过程。
及时节 数据结构
对于一项纳入了k个研究的Meta分析，当这些研究的结局指标是二分类变量时，我们即可用一个2×2的表格来反映它，因此在第i个研究中，可用表3-1所示的数据结构表示。其中ai表示第i项研究中试验组的发生例数，bi表示第i项研究中试验组的未发生例数，ai bi则表示整个试验组的总样本量，余以此类推。
表3-1 二分类数据结构
研究(1≤i≤k) 发生例数 未发生例数 总数
试验组 ai bi ai bi
对照组 ci di ci di
注：i表示k个研究中的第i项研究
第二节 效应量及效应模型的选择
一、效应量的选择
用于二分类数据资料的治疗效应检测指标有OR/or、RR/rr和RD/rd。
OR的定义是试验组和对照组中某事件发生的比值之比。所谓比值，即某事件发生的可能性，也表示某事件发生的概率(p)与未发生概率(1-p)之比，公式为：比值=某事件发生例数/某事件未发生例数= ，例如，当比值为2时，写作2∶1，即3个人中，2人会发生该事件，1人不会发生。以表3-1的数据为例，试验组的比值= = / = ，对照组的比值= = / = ，因此OR= / = / = 。
RR又称相对危险度(relative risk)，表示试验组和对照组中某事件发生的风险之比。所谓风险，即将会发生的干预结果的可能性，公式表示为：风险=某事件发生例数/某组总人数= ，比如说当风险为0.2时，10个人中就会有2人发生该事件。以表3-1的数据，试验组事件发生的风险= = ，对照组的风险= = ，因此，RR= / = = / 。
RD是试验组和对照组所观察到的风险差值，即RD= - 。它描述了治疗组和对照组事件发生风险的差异，它表示发生该事件可能性的差异估计值。
需要说明的是，比值和风险不同。如当比值为2时，即3人中，2人会发生该事件，1人不会发生，此时事件发生的风险则为2/3，即0.66。因此RR和OR也有所不同，一般而言，对于增加事件发生可能性的治疗，OR大于RR；对于减少事件发生机会的治疗，OR小于RR，但在所观察事件发生率较低时，可以用OR估计RR。因此，在结果解释时，不要混淆它们之间的差别，以免得出错误的结论。
二、效应模型的选择
需要说明的是，一般应该是先判定异质性的大小，再根据异质性来选择效应模型。但在软件计算中，都是先选择一种模型计算，再看计算出的异质性来决定是否更换模型。因此，在实际中，操作是先选择固定效应模型，异质性在不可接受的范围时更换为随机效应模型。但我们必须知道先判定异质性，再选择效应模型这一顺序，而且在写作时要按照这个顺序来写。
(一)固定效应模型
固定效应模型是假设所纳入的研究结果方向与效应量大小基本相同，即各独立研究的结果趋于一致，一致性检验差异无显著性，忽略了研究间异质性，适用于研究间异质性较小的研究，在Stata中，命令用“fixed或fixedi”来定义，菜单中是“Fixed”表示。
对于固定效应模型，Stata中提供了三种可选择的方法(图3-3)，分别为倒方差法(Inverse variance method，也称Woolf’ method，I-V法)和Mantel-Haenszl法(简称M-H法)以及Peto法。
倒方差法通过取样本方差的倒数将每个研究的效应量(or、rr、rd)值进行加权并计算其平均效应，因此在度越高即方差越小的样本中，其权重越高。
M-H法采用不同的权重配置方案，M-H法一般优于方差倒数法法，因为在数据稀少时其结果更稳定，是Stata中默认的方法。
Peto法是利用方差倒数法近似估计OR值，只适用于效应指标为OR运算，当处理效应较小(OR接近1)、事件不常见以及实验组与对照组样本含量接近时，计算OR对数值近似值的方法效果较好，而其他情况下用此法易引起偏倚。
此外，需要说明的是，如果研究中2×2的表格包含一个或多个零单元，即a、b、c、d中有值为0的变量时，倒方差法和M-H法会自动为每个单元加0.5。
(二)随机效应模型
随机效应模型是假设各个独立研究分别来自不同总体，其研究结果的差异可由研究内变异(随机抽样)与研究间差异(不同总体)造成，即考虑研究间的异质性，通常，随机效应模型下计算的可信区间较固定效应模型更宽，因此所得出的效应量及可信区间更为保守。
Stata提供了两种随机效应模型的计算方法，分别为M-H heterogeneity法和I-V heterogeneity(图3-3)。实质上，这两种方法都是D-L法，前者是以M-H模型来估计研究的异质性，后者是以固定效应模型下倒方差法来估计异质性。D-L法是在倒方差法的基础上，根据处理效应间变异范围以及异质性对权数加以调整，当研究间无异质性时，D-L法和倒方差法结果会一致，且在许多情况下与M-H法结果一致；当存在异质性时，采用D-L法平均处理效应的可信区间较采用固定效应法宽，统计学显著性较为保守。
第三节 数据准备及软件实现
一、数据资料及输入格式
引用文献：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等发表的一篇探讨BCG预防结核病的疗效文献数据为例进行演示。该文献共纳入13篇临床研究(表3-2)，BCG组为干预组。
表3-2 BCG预防结核病的疗效的文献数据
authors
year
干预组
对照组
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分别为接种BCG死亡的人数、非死亡人数；c、d为对照组死亡人数及非死亡人数；latitude是临床试验地区的纬度；allocation为病人的分配方法；后两项变量用于分析异质性。
为了简洁明了，这里直接将其以Stata中数据输入状态演示，关于Stata中数据输入方法请参见第二章。数据输入后的界面如图3-1所示，图中对应的解释同表3-2的注脚。
图3-1 实例数据提取情况以及在Stata中的输入格式
需要注意的是，在Stata中输入数据前，如果已进行过其他研究数据的计算，可以先在命令窗口输入“clear”，以清除之前的数据；当然也可以重新打开一个Stata窗口。
二、软件操作
Stata行Meta分析有两种方法：菜单操作或命令操作实现。
(一)菜单操作
菜单操作为依次点击User→Meta-analysis→of Binary and Continuous(metan)，弹出用于Meta分析的对话框(图3-2)并勾选相应选项，并在图3-3中选择固定效应模型(Fixed)或者随机效应模型(Random)和计算合并RR效应量，然后点击“OK”即可。
一般情况下，建议先选择固定效应模型计算；如果异质性较大，则改用较为保守的随机效应模型。
图3-2 按a、b、c、d的顺序依次勾选变量
图3-3选择M-H法固定效应模型和合并RR效应量
物流太慢了，而且来后书有破损，书的侧边有一半是磨破的。因为急用，当当退换货太麻烦。
书可以，比较满意
非常好的一本参考书，非常实用
买了用来学习的，希望对自己有帮助
