Power and Precision和G*Power软件实现Meta分析统计效能计算(1)

来源：实用Meta分析

Meta分析是将同一主题的多项同质研究采用定量手段加以合并以得出总体结果的一种统计学方法，目的是对干预/暴露是否有意义进行显著性检验，因此保证研究的统计效能至关重要。但因缺乏相应的计算方法使得Meta分析显著性检验中很少考虑统计效能[1]。目前，统计效能的计算主要采用Power and Precision和G*Power等软件实现。本文就将详细的介绍这两个软件在Meta分析统计效能的计算。

一．Power and Precision

1.软件的下载和安装：

从Powerand Precision的官方网站下载此软件(http://www.power-analysis.com/)，如图1，点击“POWERAND PRECISION”部分，会弹出如图2的部分，然后自己注册一下即可，点击“submit”之后会弹出如图3的部分，然后点击“here”就可以下载这个软件了。下载完成之后，直接打开安装即可，如图4所示，最后点击完成即可。安装完成之后会在桌面上出现这个软件的快捷方式(Powerand Precision V4)。使用的时候直接打开即可。

图1 Power and Precision下载的主页面

图2 Powerand Precision的注册页面

图3 Powerand Precision软件的下载

图4 Power andPrecision的安装

2.二分类资料的统计效能的计算

我们将举实例来说明用Powerand Precision软件实现二分类资料的统计效能的计算。我们所用的数据来源于R软件meta数据包中的数据[2]，Fleiss93-表示阿司匹林在预防心肌梗死中的研究，其中event表示死亡的人数，如表1所示。

表1 阿司匹林预防心肌梗死的研究

study	year	event.e	n.e	event.c	n.c
MRC-1	1974	49	615	67	624
CDP	1976	44	758	64	771
MRC-2	1979	102	832	126	850
GASP	1979	32	317	38	309
PARIS	1980	85	810	52	406
AMIS	1980	246	2267	219	2257
ISIS-2	1988	1570	8587	1720	8600

然后，我们打开Powerand Precision V4，因为是二分类的资料，我们“Proportions”下操作(如图5)，选中第三个(一般是系统默认的)2*2for independent samples( Chi-squared or Fisher’s exact test)，然后点击右侧的“OK“就会弹出如图6所示的分析的主页面。分析之前我们先需要设置一下，通常的要设置“NPer Group”这个选项，当我们的光标放到这个位置的时候它会变蓝（如图7），然后我们点击即可，会弹出设置的页面，可以设置Alpha(界值:α)，置信区间，单尾还是双尾，小数位数以及各个组的样本量设置，我们一般前面的都默认，只设置小数位数和样本是否相等，个人习惯小数位数设置4位，在N-Cases中选择”SetN for each group independently”，然后点击OK，设置完成。软件中Population1 和Population2代表不同的组别，“ProportionPositive”选项需要计算事件的阳性率，NPer Group直接输入每一个样本的例数即可，然后点击右下角的“Compute”就能得到每一个研究的Power。

我们举”MRC-1”这个例子来说明一下具体操作。先计算病例组和对照组事件的阳性率，假定Population1为病例组，Population2为对照组，阳性率分别是49/615=0.0797，67/624=0.1074，然后和对应的总例数一起填入软件中，点击“Compute”，出来结果39%，也就是说这个研究的Power是0.39，同样的可以得到其他研究的Power。总的Power，可以用总的阳性人数除以总人数，得出阳性率，然后输入软件计算。

图5Power and Precision V4的Proportions界面

图6 Proportions的2*2for independent sample界面

图7 2*2 for independent sample的设置界面

结果发现上述每一个研究的统计效能和总的统计效能，从表2中我们发现，每一个研究的统计效能结果差距很大，合并后的统计效能达到0.94。

表2二分类数据Power汇总

study	MRC-1	CDP	MRC-2	GASP	PARIS	AMIS	ISIS-2	Overall
Power	0.39	0.49	0.34	0.14	0.22	0.25	0.82	0.94

（未完待续）