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

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。a,b,c,d分别代表阿司匹林组死亡数，阿司匹林组存活数，安慰剂组死亡数，安慰剂组存活数，or代表效应指标为OR值，fixed代表选用固定效应模型。相应的可以用rr 及random替换代码。

结果

1．合并效应

2.森林图

二、连续型数据分析

数据形式

例：研究小剂量泼尼松和安慰剂治疗类风湿性关节炎的7个临床随机对照试验，观察类风湿性关节炎患者的关节压痛指数，数据提取如下：

操作步骤

1.构建数据

数据的构建和二分类的步骤相同，需要设置的变量名有研究名称（research）、试验组样本量(tn)，试验组均数(tmean)，试验组标准差(tsd)，对照组均数(cmean)，对照组标准差(csd)。

2. 数据分析

1）导入meta模块（与二分类数据一致，如果已经导入可跳过此步骤）

2）输入meta分析代码：

在Command窗口输入 “metan tn tmean tsd cn cmean csd, fixed”,点回车，完成结果分析。tn tmean tsd分别代表试验组样本量、均数、标准差，cncmean csd分别代表对照组样本量、均数、标准差，fixed代表选用固定效应模型。如果计算合并均差（WMD）需要在fixed后加nostandard,如果不加，默认合并标化均差（SMD）。

结果

1．合并效应

2. 森林图

三、诊断性试验数据的分析

数据形式

例：研究ProGRP和NSE对小细胞肺癌诊断10个诊断试验，观察ProGRP对小细胞肺癌的诊断价值，数据提取如下：

操作步骤及结果

1.构建数据

数据的构建和二分类的步骤相同，需要设置的变量名有研究名称（research）、真阳性（tp）、假阳性(fp)、假阴性(fn)、真阴性(tn)。

2.数据分析

1）导入诊断性试验meta分析模块：

在Command窗口输入 “sscinstall midas” ，点回车，结果窗口显示

2）效应值合并：

在Command窗口输入 “midas tp fp fn tn, res(sum)”,点回车，完成结果分析。tp fp fn tn真阳性、假阳性、假阴性、真阴性例数，res(sum)代表计算合并点值，包括灵敏度、特异度、阳性似然比、阴性似然比、诊断比值比。

3）森林图绘制

在Command窗口输入 “midas tp fp fn tn, ford fors bfor(dss)”,点回车, 完成结果分析。tp fp fn tn真阳性、假阳性、假阴性、真阴性例数. Ford代表研究的置信区间，fors代表异质性结果的分析，bfor(dss)列出每一项研究。

4）SROC曲线绘制

在Command窗口输入 “midas tp fp fn tn, plot sroc(both)”,点回车, 完成结果分析。Plot sroc(both)代表绘制SROC曲线。

四、生存-时间数据分析

数据形式

例：结直肠癌肝转移生存风险的3个临床研究，观察肝转移对结直肠癌生存风险比的影响，数据提取如下：

操作步骤

1.构建数据

数据的构建和二分类的步骤相同，需要设置的变量名有研究（research）,风险比（hr）,风险比置信区间下限（lci）,风险比置信区间上限（uci）。

2.数据分析

1）导入meta模块（与二分类数据一致，如果已经导入可跳过此步骤）

2）输入meta分析代码：

在Command窗口输入 “metan hr lci uci, effect(HR) fixed”,点回车，完成结果分析。hr、lci、uci分别代表各研究风险比,风险比置信区间下限,风险比置信区间上限，effect(HR)代表效应量，fixed代表选用固定效应模型。

结果

1．合并效应

2.森林图

五、总结

相比于Revman，Stata操作步骤更为简单，而且灵活多样，功能也比Revman强大，但Stata主要是代码界面，需要进行简单编程，上手比Revman难。

欢迎关注本公众号，我们是资源的搬运工，所有科研资源全部免费下载：