Meta 分析及stata命令
Stata在meta分析中的应用
1 定量资料两组比较的meta分析2 定性资料两组比较的meta分析实例：分类资料的meta分析为了探讨用Aspirin预防心肌梗塞(myocardial infarction，MI)后死亡的发生。
美国在1976——1988年问进行了7个关于Aspirin预防MI后死亡的研究，详细结果见表1，其中6项研究的结果表明Aspirin组及安慰剂组的MI后死亡率的差别无统计学意义。
只有1项结果表明Aspirin预防MI后死亡有效并且差别有统计学意义。
现根据表1提供的结果进行meta分析表1 Aspirin预防心肌梗塞死亡的临床试验结果研究发表年份Aspirin组安慰剂组总例数死亡例数总例数死亡例数MRC-119746154962467 CDP19767584477164 MRC-21979832102850126 GASP19793173230938 PARIS198AMIS1987219 ISIS-2198885870操作步骤1 把数据输入stata软件2 变量的解释Study 纳入的研究Year 年份Death1 Aspirin组的死亡人数Live1 Aspirin组的存活人数Death2 安慰剂组的死亡人数Live2 安慰剂组的死亡人数3 进行meta分析metan death1 live1 dead2 live2, or label(namevar=study, yearvar=year)结果：以上结果分成两部分(1)meta分析的合并统计量合并OR值OR=0.897,95%的可信区间(0.841,0.957)(2)给出异质性检验的结果只要异质性检验的P值不小于0.10(或者I-squared小于50%)就可以认为不存在异质性，可以用应固定效应模型(stata默认的情况)。
如果质性检验的P值小于等于0.10(或者I-squared大于50%)，则不同的组间存在异质性，应该应用随机效应模型随机效应模型的命令如下：metan death1 live1 dead2 live2, or label(namevar=study, yearvar=year) random在运行meta分析命令的同时stata输出森林图，如下：由输出的合并结果和漏斗图可以得出，合并的OR值为0.90,95%可信区间为(0.84，0.96)4 发表偏倚的检验，命令如下：(1) gen logor=log(_ES)(2)gen selogor=_selogES(3)metabias logor selogor,graph(begg)输出结果如下：发表偏倚主要看begg检验的结果，由上图可以看到发表偏倚假设检验的z值为1.20，p值为0.230>0.05，可以认为没有发表偏倚。
Stata在Meta分析中应用
Begg's funnel plot with pseudo 95% confidence limits .5
logor
0
-.5
0
.1
.2
.3
s.e. of: logor
例2 Gotzsche收集了有关短程小剂量强的松 VS安慰剂或非甾体抗炎药治疗类风湿性关 节炎的7个临床随机对照试验(RCTs)，观察 类风湿性关节炎患者的关节压痛指数 (rechie’s index)。
Experimental treatment Control treatment First author Publication year
No Mean SD No Mean SD
Jasni
1968
9 16.2
Jadad量表由 Alejandro Jadad-Bechara 制定，作为哥 伦比亚的一名医生，他还是牛津大学内纳菲尔德麻醉剂部 研究减轻疼痛的研究员。Jadad和他的组员在1996年的 《临床对照试验杂志》上发表了一篇有关盲法效应的文章 。在该文章的附录中，通过评价，给不同临床试验评分， 从最差的0分到最高的5分。Jadad认为随机对照试验是现 代医学研究的一大进步，在一本2007年写的一本书中， 他说“这是一种最简单，但又最有效、最具有革命性的研 究形式”。
Meta-analysis fixed-effects estimates (exponential form) Study ommited
MRC-1
CDP
MRC-2
GASP
PARIS
AMIS
ISIS-2
0.80
0.84
0.90
0.96
1.02
Publication bias命令： metabias logor selogor, graph(begg)
meta分析简介【精选】
Meta分析在医学研究中，绝大多数的医学现象都呈一定的随机性，因此医学研究的结果都受随机抽样误差影响而有所差异。
所以对于同一研究问题的多个研究结果往往不全相同，有些研究的结论甚至相反。
因此如何从结果不一的同类研究中综合出一个较为可靠的结论是医学研究中常常需要面临的问题。
Meta分析就是研究如何综合同类研究结果的一种统计分析方法。
Meta分析就是把相同研究问题的多个研究结果视为一个多中心研究的结果，运用多中心研究的统计方法进行综合分析。
Meta统计分析可以分为确定性模型分析方法和随机模型分析方法。
较常用的确定性模型Meta分析有Mantel-Haeszel统计方法(仅适用于效应指标为OR)和General－Variance－Based统计方法。
然而所有的确定性模型统计方法都要求Meta分析中的各个研究的总体效应指标(如：两组均数的差值等)是相等的，并称为齐性的(Homogeneity)，而随机模型对效应指标没有齐性要求。
因此Meta分析可以采用下列分析策略：1)如果各个研究的效应指标是齐性的，则选用确定性模型统计方法：●效应指标为OR，则采用Mantel－Haeszel统计方法●效应指标为两个均数的差值、两个率的差值、回归系数、对数RR等近似服从正态分布的效应指标，则采用General－Variacne-Based方法进行Meta统计分析。
2)如果各个研究的效应指标不满足齐性条件或者研究背景无法用确定性模型进行解释的，则采用随机模型进行Meta 统计分析。
为了使读者较容易地掌握Meta 分析方法，以下将结合STATA软件的Meta 分析操作命令，通过实例介绍Meta 分析步骤和软件操作以及相应的统计分析结果解释，然后对Meta 分析中所涉及的统计公式进行分类汇总小结。
确定性模型的Meta 分析方法例1：为了研究Aspirin 预防心肌梗塞(MI)后死亡的发生，美国在1976年－1988年间进行了7个关于Aspirin 预防MI 后死亡的研究，其结果见表1，其中6次研究的结果表明Aspirin 组与安慰剂组的MI 后死亡率的差别无统计意义，只有一个研究的结果表明Aspirin 在预防MI 后死亡有效并且差别有统计意义。
《2024年Stata在Meta分析中的应用》范文
《Stata在Meta分析中的应用》篇一一、引言Meta分析是一种统计技术，用于整合来自多个独立研究的结论，以提供更全面、更准确的结论。
随着科研工作的深入，Meta 分析在各个研究领域中扮演着越来越重要的角色。
Stata作为一种强大的统计分析软件，在Meta分析中发挥着重要作用。
本文将详细介绍Stata在Meta分析中的应用。
二、Stata软件简介Stata是一款功能强大的统计分析软件，广泛应用于数据管理、统计分析、数据可视化等领域。
其丰富的功能和强大的计算能力使得它在Meta分析中成为首选工具。
Stata提供了丰富的Meta分析命令和程序，使得用户可以方便地进行Meta分析。
三、Stata在Meta分析中的应用1. 数据管理Stata具有强大的数据管理功能，可以方便地导入、导出、清洗和整理Meta分析所需的数据。
用户可以将多个研究的数据整合到一个数据集中，然后使用Stata进行数据清洗和整理，以确保数据的准确性和一致性。
2. 描述性分析Stata可以进行描述性分析，包括计算各研究的效应量、标准误、置信区间等。
这些描述性分析的结果可以为后续的Meta分析提供基础。
3. 固定效应模型和随机效应模型Stata支持固定效应模型和随机效应模型两种Meta分析模型。
用户可以根据研究需求选择合适的模型。
固定效应模型假设各研究间的效应量是固定的，而随机效应模型则考虑了各研究间的异质性。
4. 亚组分析和元回归分析Stata还支持亚组分析和元回归分析等更复杂的Meta分析方法。
亚组分析可以根据某些特征将研究分为不同的亚组，然后分别进行Meta分析。
元回归分析则可以探讨效应量与其他变量之间的关系。
5. 结果可视化Stata提供了丰富的图形功能，可以将Meta分析的结果以图表的形式展示出来。
例如，可以使用森林图展示各研究的效应量及其置信区间，以便更直观地了解各研究的结果和总体结果。
四、案例分析以某项关于药物治疗糖尿病的研究为例，我们将介绍如何使用Stata进行Meta分析。
无对照二分类资料的Meta分析方法及Stata实现
生物医学发展迅速，科学工作者常需综合评价针对某一科学问题的不同研究证据。
如何归纳和综合分析这些分散的研究证据，提升对问题的认识水平，已成为生物医学研究的重要步骤［1］。
荟萃（Meta ）分析就是定量综合分析多个同类研究效应的方法［2］。
近十年，Meta 分析在生物医学领域应用日益广泛，有关文献迅速增多，2001年前共有169篇中文论文发表，而在2001－2009期间就有2115篇。
已发表的Meta 分析多针对设有对照的研究类型，国内文献未见针对无对照的研究类型如横断面研究，国外亦少见。
横断面研究等没有设对照的研究是人群研究的基础，也是揭示暴露与疾病关系不可或缺的。
生物医学工作者掌握针对无对照的研究类型的Meta 分析方法和计算机实现步骤是必要的。
本文旨在介绍二分类无对照资料的Meta 分析方法及其在Stata 软件中的操作步骤。
无对照二分类资料的Meta 分析方法及Stata 实现王佩鑫a ，b，李宏田b ，c，刘建蒙b ，c（北京大学a．公共卫生学院；b．生育健康研究所；c．卫生部生育健康重点实验室，北京100191）［摘要］目的介绍无对照二分类资料Meta 分析方法及在Stata 软件中的操作步骤。
方法首先介绍3种数据类型无对照二分类资料Meta 分析的原理及方法，再用Stata 软件对3个实例数据进行Meta 分析。
结果无对照二分类资料Meta 分析的关键是选择服从正态分布或可转化为正态分布的指标。
3个实例数据经正态转换后进行Meta 分析，结果与原文一致。
结论Stata 软件可实现无对照二分类资料（含患病率、发病密度和比值）的Meta 分析，操作简单，实用性强。
［关键词］二分类变量；无对照；Stata ；Meta 分析［中图分类号］R195．1［文献标识码］A ［文章编号］1671－5144（2012）01－0052－04Meta-Analysis of Non-Comparative Binary Outcomes andIts Solution by StataWANG Pei-xin a ，b ，LI Hong-tian b ，c ，LIU Jian-meng b ，c（a．School of Public Health ；b．Institute of Reproductive and Child Health ；c．Ministry of Health Key Laboratory of Reproductive Health ，Peking University ，Beijing 100191，China ）Abstract ：ObjectiveTo introduce the method of meta-analysis for non-comparative binary outcomes and its realization in Stata．MethodsWe first introduced principles and methods of meta-analysis for three types of non-comparative binary outcomes ，and then replicated results of three published meta-analyses in Stata．ResultsThe keypoint of doing these meta-analyses was to choose the effect size indices which were of normal distribution or could be transformed into normal distribution．The replicated results were consistent with the original literatures．Conclusions Meta-analyses for three types of binary outcomes ，including prevalence ，incidence density ，and odds ，could be done in Stata conveniently．Key words ：binary ；non-comparative ；Stata ；meta-analysis［基金项目］国家自然科学基金资助项目（81072372）［作者简介］王佩鑫（1986－），男，河北馆陶人，在读硕士研究生，研究方向为妇女儿童保健。
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
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“ssc install 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。
stata软件meta分析操作详细攻略报告
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
2021/3/7
CHENLI
13
*
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
亚组分析
按某种顺序排 列
2021/3/7
CHENLI
14
*
2.3 metan菜单命令
202Байду номын сангаас/3/7
*
调整统计量Z值及 P值。
CHENLI
33
logor
5.2 Begg法漏斗图
Begg's funnel plot with pseudo 95% confidence limits 4
2
0
-2 0
2021/3/7
*
.5
1
s.e. of: logor
CHENLI
1.5
34
5.3 Begg法检测发表偏倚（连续性）
2021/3/7
CHENLI
4
*
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。
连续性资料的不 用取对数
图形显示依据 权重大小
2021/3/7
CHENLI
35
*
- 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)。
© 2006 Embedded
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
• 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
• Jadad 评分
© 2006 Embedded
Stata 命令 • 绘制森林图 • 异质性检验(如果有异质性，采用Meta回归探讨来源) • 亚组分析 • 敏感性分析 • 发表偏倚
©变量
• metan命令后跟四个变量:依次为试验组发生事件(如死亡) 数、未发生事件(如未死亡)数、对照组发生事件(如死亡) 数和未发生事件(如未死亡)数
• 例：metan death1 live1 death2 live2, or label (namevar=study, yearvar=year)
1 r
© 2006 Embedded
Meta 分析——资料提取
• 文献的基本信息：第一作者、发表日期 • 样本量 • 研究对象的的基本资料：性别、年龄等社会人口
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
© 2006 Embedded
II. 相关系数： metareg es sex ,wsse(se)； metareg es sex marital age,wsse(se)
注： a. 纳入变量数量不同，结果不同 b. 纳入研究数量少于10篇时，不进行Meta回归
© 2006 Embedded
亚组分析 • 通用命令：metan ES se,random by(variate) • 例：metan es se,label (namevar=study,
© 2006 Embedded
效应指标
• 二分类资料：如比值比(OR)、相对危险度(RR)和差率(RD) • 连续性变量资料：加权均数（WMD）和标准化均差（
SMD） • 相关性研究：相关系数(r)、回归系数(b)
统计量 加权均数或均差
OR RR 相关系数 r
线性回归 b
效应量
取对数 ln(OR) 取对数 ln(RR) z 0.5ln(1 r )
• 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)
© 2006 Embedded
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)
Meta 分析
© 2006 Embedded
Meta 分析——类型
研究设计类型
•随机对照试验（RCT） •非随机实验性研究 •观察性研究（队列、 病例-对照、相关性研 究） •其他特殊类型的设计
数据类型
• 二分类数据 • 连续型数据 • P值 • 相关系数
© 2006 Embedded
Meta 分析——文献检索 计算机检索、 手工检索
© 2006 Embedded
异质性处理方法 • Meta 回归 • 亚组分析
© 2006 Embedded
Meta 回归
• 通用命令：metareg ES covariate1 covariate2, wsse(se)
I. 二分类变量： metareg logor year n1 n2, wsse(_seES)
© 2006 Embedded
森林图及异质性检验： ——连续性变量
• metan命令后跟六个变量，分别 是试验组的样本量、均数、标准差，对照组的样本量、均 数、标准差
• 例：metan n1 m1 sd1 n2 m2 sd2, random
© 2006 Embedded
森林图及异质性检验： ——相关系数
© 2006 Embedded
实例演示
© 2006 Embedded
• 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