【原】Meta分析｜第8期. 數據分析I — 森林圖繪制及亞組分析

新用戶4064dVjo 2023-09-02 發布于北京

展開全文

完成前期工作，做到數據分析這一步時，meta分析其實已經完成大半了，今天我們就來給大家分享如何使用STATA軟件來繪制meta分析森林圖及開展亞組分析。

一、數據整理

首先我們要對提取的數據進行整理成我們可用于分析的格式。

Study為納入研究的信息，outcome為研究結局，or，lci及uci分別為研究的效應值及95%置信區間上下限，其他為亞組分析的變量信息。

二、森林圖

數據整理成我們需要用的格式后，我們需要評估納入同一meta分析的不同研究的效應估計是否存在差異，即進行異質性檢驗。若納入分析的研究間不存在異質性，則說明這些研究背后的真實效應可能是相同的，用一個合并的效應值代表所有研究效應的大小是合理的，合并時應采用固定效應模型，否則使用隨機效應模型，根據結果中的I2來選擇模型，一般>50%用隨機效應模型，<50%用固定效應模型，具體分析如下：

將數據導入到stata后（復制粘貼即可導入），首先對數據進行轉換：

gene lnor=ln(or)

gene lnlci=ln(lci)

gene lnuci=ln(uci)

接著即可對數據進行合并，使用固定效應模型進行分析——

metan lnor lnlci lnuci,eform label(namevar=study) effect (“OR”) fixed nobox。

合并效應量P=0.004，統計學有意義，但是I2=92.2%，結果異質性較大我們應使用隨機效應模型——

metan lnor lnlci lnuci,eform label(namevar=study) effect (“OR”) random nobox。

三、亞組分析

當異質性檢驗出現陽性結果，我們就需要尋找異質性來源（即效應修飾因素），亞組分析是一個十分重的要方法。亞組分析顧名思義，即將人群按照某一因素將研究分成兩組（或多組），然后再進一步計算。例如按照性別進行分組，分別估計效應值，并對男性和女性中的效果進行比較，如果效果在男性和女性之間存在差異，臨床上就應該區別對待，分別報告。

代碼如下：

metan lnor lnlci lnuci,eform label(namevar=study) effect (“OR”) random nobox by (gender)