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)。
- 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。