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(myocardialinfarction，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组与安慰剂组的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1Aspirin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-119746154962467CDP19767584477164MRC-21979832102850126GASP19793173230938PARIS19808108540652AMIS198022372462257219ISIS-219888587157086001720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Death1Aspirin组的死亡人数Live1Aspirin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metandeath1live1dead2live2,orlabel(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：metandeath1live1dead2live2,orlabel(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)genlogor=log(_ES)(2)genselogor=_selogES(3)metabiaslogorselogor,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0.2300.05，可以认为没有发表偏倚。进行发表偏倚检验时stata同时给出的漏斗图如下5结论合并OR小于1，95%的可信区间不包括1，所以示Aspirin有预防心肌梗塞后死亡的作用数值变量资料的meta分析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’Sindex)，数据如表2。表27个研究类风湿性关节炎患者关节压痛指数试验名称发表年份试验组对照组例数均数标准差例数均数标准差Jasni1968916.28.7938.112.8Dick19702417.68.02440.713.0Lee19732130.516.52141.419.8Berry19741213.011.01223.711.1Lee19741814.612.41826.415.1Stenber1992216.31.72111.12.1Geital19952010.84.72016.37.71在stata数据编辑器中建立数据文件2变量名称study纳入的研究year研究的年份n1试验组的样本含量mean1试验组的均数sd1试验组的标准差n2对照组的样本含量mean2对照组的均数sd2对照组的标准差3进行meta分析metann1mean1sd1n2mean2sd2,label(namevar=study,yearvar=year)输出的结果判断异质性的方法同上面定性资料的meta，有上图可以看到，不同的组间存在异质性，所以应该应用随机效应模型应用随机效用模型以后输出的结果如下stata同时输出森林图如下4进行发表偏倚的检验Stata命令：metabias_ES_seES,graph(begg)检验结果(结果的解释同分类资料的meta分析)漏斗图如下：由以上分析可以得到没有发表偏倚的存在5结论合并的效用值为-1.378，95%CI为(-1.951,-0.805)，不包括0，可以得到短程小剂量强的松有减少类风湿性关节炎患者的关节压痛指数的作用