Stata操作：单组率的Meta分析
一、问题与数据
Franik S等人拟探讨使用芳香化酶抑制剂治疗多囊卵巢综合征患者临床生育的活产儿率。研究者通过检索数据库，对最终纳入的文献，提取了如下信息：作者、发表年代、活产儿数量、样本量。
最终纳入6篇研究，合计669名妇女。各研究提取得到的数据如表1。试问：使用芳香化酶抑制剂治疗有多囊卵巢综合征患者，其临床生育活产儿率是多少？
表1. 文献信息提取表
二、对数据结构的分析
该Meta分析纳入了6个研究，每个研究均给出了活产儿数量和样本量2个数据。Meta分析的结局指标为合并的活产儿率，属于单组率的Meta分析。
三、Stata操作方法
1. 创建数据集并录入数据
(1) 打开数据录入窗口：Data → Data Editor → Data Editor (Edit)
关于数据录入细节，可参考文章：Stata做Meta分析：以诊断试验准确性为例
(2) 录入数据后，点击右上角关闭按钮
注：各变量名代表含义如下表所示：
2. 单组率的Meta分析
(1) 操作方法：在Command窗口中进行编程。
在“Command”栏中输入编程语句→点击“Enter”键
注：在进行分析前，需要先在stata中安装meta分析模块。
在Command栏中输入语句：
ssc install metan
(2) 基本原理
进行单组率的meta分析，需要的数据为：每个原始研究的率及其标准误。因此，首先需要根据现有数据计算出每个原始研究的率及其标准误，然后再进行meta分析。
(3) 具体编程步骤：
1) 计算每个原始研究的活产儿率（rate）
活产儿率（rate）=活产儿数量（groupevent）/样本量（groupatotal）
程序为：
gen rate=groupaevent/groupatotal
程序解读：gen 代表生成新的变量。gen rate代表生成新的变量并命名为rate，生成的新变量会自动添加到数据集中。
程序运行后结果：
2) 计算每个原始研究活产儿率的标准误(ser)
率的标准误计算公式：
程序为：
gen ser=sqrt(rate*(1-rate)/groupatotal)
程序解读：同 gen rate。其中，sqrt代表计算数据的平方根。
程序运行后结果：
3) 使用随机效应模型进行单组率的meta分析
程序为：metan rate ser, random
程序解读：
率的meta分析的程序为：
metan 率 率的标准误, 使用的模型
metan代表对数据进行meta分析；random代表随机效应模型；fixed代表固定效应模型。
四、结果解读
1. 首先看异质性检验（Heterogeneity）的结果：I2=43.8%，说明6个原始研究间数据存在一定的异致性，应选用随机效应模型。
2. 再看合并的率其95%CI（D+L pooled ES）：合并的率=0.283，95%CI：0.230 - 0.336 。
下图所示为Meta分析的森林图。结果解读同上。
五、撰写结论
随机效应模型Meta分析的结果显示：使用芳香化酶抑制剂治疗多囊卵巢综合征患者，其临床生育的活产儿率为0.283（95%CI：0.230 -0.336）。
六、延伸阅读
1. 模型选择的标准
若各原始研究间存在异质性，则使用随机效应模型；否则，则使用固定效应模型。
2. 异质性的判断
Meta分析时，若I2<25%，则认为不存在异致性；若I2介于25%-50%之间，则认为异致性程度较小；若I2的值介于50%-75%之间，则认为存在一定的异致性；若I2>75%，则认为存在较大的异致性。
本文案例文献来源：
Cochrane Database Syst Rev. 2014, Issule 2. CD010287.
相关阅读
关注医咖会，轻松学习研究方法学~
有临床研究设计或统计学方面的难题？快加小咖个人微信（xys2016ykf），拉你进统计讨论群和其他小伙伴们一起交流学习；或者点击公众号下方自定义菜单的“统计咨询”，提出你遇到的统计难题。
点击左下角“阅读原文”，看看既往小伙伴们都提出了哪些问题，以及该如何去解决，也许正好能帮到你~