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(myocardial infarction，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1 Aspirin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-1 1974 615 49 624 67 CDP 1976 758 44 771 64 MRC-2 1979 832 102 850 126 GASP 1979 317 32 309 38 PARIS 1980 810 85 406 52 AMIS 1980 2237 246 2257 219 ISIS-2 1988 8587 1570 8600 1720 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

Death1 Aspirin组的死亡人数

Live1 Aspirin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

metan death1 live1 dead2 live2, or label(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：metan death1 live1 dead2 live2, or label(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) gen logor=log(_ES)

(2) gen selogor=_selogES

(3) metabias logor selogor,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0.230>0.05，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’S index)，数据如表2。

表2 7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

Jasni 1968 9 16.2 8.7 9 38.1 12.8 Dick 1970 24 17.6 8.0 24 40.7 13.0 Lee 1973 21 30.5 16.5 21 41.4 19.8 Berry 1974 12 13.0 11.0 12 23.7 11.1 Lee 1974 18 14.6 12.4 18 26.4 15.1 Stenber 1992 21 6.3 1.7 21 11.1 2.1 Geital 1995 20 10.8 4.7 20 16.3 7.7 1 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

metan n1 mean1 sd1 n2 mean2 sd2, 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(myocardial infarction，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1 Aspirin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-1 1974 615 49 624 67 CDP 1976 758 44 771 64 MRC-2 1979 832 102 850 126 GASP 1979 317 32 309 38 PARIS 1980 810 85 406 52 AMIS 1980 2237 246 2257 219 ISIS-2 1988 8587 1570 8600 1720 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 Death1 Aspirin组的死亡人数 Live1 Aspirin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 metan death1 live1 dead2 live2, or label(namevar=study, yearvar=year) 结果：

(完整word版)用stata进行单个率meta分析程序总结,推荐文档

用stata进行单个率meta分析程序总结 感谢版主对我的方法进行验证，这里整理一下方面大家研究 谷歌的程序（标红部分，分批录入stata12.0.可得到结果。）clear input study cases total 1 20 1000 2 40 5000 3 30 1500 4 2 5 3300 end gen p = . gen se = . // get proportions and std errors forv i =1(1)4 { cii total[`i'] cases[`i']

qui replace p = r(mean) in `i' qui replace se = r(se) in `i' } // get the inverse variance-weighted proportion // use the official Stata -vwls- command gen cons =1 vwls p cons, sd(se) // use the user written -metan- command // for fixed-effects meta-analysis metan p se, nograph fixed // for random-effects meta-analysis metan p se, nograph random 我的数据，用谷歌方法运行的命令：clear input study cases total

1 76 451 2 86 202 3 2 4 97 4 401 2502 end gen p = . gen se = . forv i =1(1)4 { cii total[`i'] cases[`i'] qui replace p = r(mean) in `i' qui replace se = r(se) in `i' } gen cons =1 vwls p cons, sd(se) metan p se, nograph fixed metan p se, nograph random