meta-stata 使用方法

Meta分析的完整步骤Meta分析的完整步骤,根据个人的体会,结合战友的经验总结而成,meta的精髓就是对文献的二次加工和定量合成,所以这个总结也算是对战友经验的meta分析吧.一、选题和立题〔一〕形成需要解决的临床问题：系统评价可以解决下列临床问题:1.病因学和危险因素研究;2.治疗手段的有效性研究;3.诊断方法评价;4.预后估计;5.病人费用和效益分析等.进行系统评价的最初阶段就应对要解决的问题进行精确描述,包括人群类型<疾病确切分型、分期> 、治疗手段或暴露因素的种类、预期结果等,合理选择进行评价的指标.〔二〕指标的选择直接影响文献检索的准确性和敏感性,关系到制定检索策略.〔三〕制定纳入排除标准.二、文献检索〔一〕检索策略的制定这是关键,要求查全和查准.推荐Mesh联合free word检索.〔二〕文献检索,获取摘要和全文国内的有维普全文VIP,CNKI,万方数据库,外文的有medline ,SD,OVID等.〔三〕文献管理强烈推荐使用endnote,procite,noteexpress等文献管理软件进行检索和管理文献.查找文献全文的途径：在这里,讲一下找文献的过程,以请后来的战友们参考〔不包括网上有电子全文的〕：1.查找免费全文：〔1〕在pubmed center中看有无免费全文.有的时候虽然没有显示free full text,但是点击进去看全文也有提供免费全文的.我就碰到几次.〔2〕在google中搜一下.少数情况下,NCBI没有提供全文的,google有可能会找到,使用"学术搜索".本人虽然没能在google中找到一篇所需的文献,但发现了一篇非常重要的综述,里面包含了所有我需要的文献〔当然不是数据〕,但起码提供了一个信息,所需要的文献也就这么多了,因为老外的综述也只包含了这么多的内容.这样,到底找多少文献,找什么文献,心里就更有底了.〔3〕免费医学全文杂志. freemedicaljournals .提供很过超过收费期的免费全文.2.图书馆查馆藏目录：包括到本校的,当然方便,使用pubmed的linkout看文献收录的数据库,就知道本校的是否有全文.其它国内高校象复旦、北大、清华等医学院的全文数据库都很全,基本上都有权限.##的就有华东地区联目、查国内各医学院校的图书馆联目.这里给出几个：〔1〕中国高等院校医药图书馆协会的地址：://server14.library.imicams.ac/xiehui/chengyuan.htm,进入左侧的"现刊联目",可以看到有"现刊联目查询"和"过刊联目查询",当然,查询结果不可全信,里面有许多错误.本人最难找的两篇文章全部给出了错误的信息〔后来联系证实的〕.<2>再给出两个比较好的图书馆索要文献的email地址〔有偿服务〕,但可以先提供文献,后汇钱,当然做为我们,一定要讲信誉吆.一是解放军医学图书馆信息部：##bmlplasina , ：010********；〔3〕二是复旦大学医科图书馆〔原上医〕：,联系人,周月琴,王蔚之,郑荣, ,021-********,需下载文献传递申请表〔://202.120.76.225/ill.doc〕.其他的图书馆要么要求先交开户费,比如协和〔500元〕,要么嫌麻烦,虽然网上讲过可提供有偿服务,在这里我就不一一列出了.3.请DXY战友帮忙,在馆藏文献互助站中发帖,注意格式正确,最好提供linkout的多个数据库的全文,此时为帮助的人着想,就是帮助自己.自己也同时帮助别人查文献,一来互相帮助,我为人人,人人为我.二则通过帮助别人可以积分,同时学会如何发帖和下载全文,我就感觉通过帮助别人收获很大,自己积分越高,获助的速度和机会也就相应增加.现在不少免费的网络空间〔我常用爱存isload 〕,比发简便很多.所以如果你求助以后,要与时去"我的论坛"中查看帖子,有的很快就把下载发过来了,不要一味只看.4.实在不行,给作者发email.这里给出一个查作者email的方法,先在NCBI中查出原文献作者的所有文章,注意不要只限于第一作者,display,abstract, 并尽可能显示多的篇数,100,200,500.然后在网页内查找"＠",一般在＠前的字母会与人名有些地方相似.再根据地址来确定是否是同一作者.5.查找杂志的网址,给主编发信求取全文.这里我就不讲查找的方法了,DXY中有许多帖子.我的一篇全文就是这样得到的.6.向国外大学里的朋友求助.国外大学的图书馆一般会通过馆际互借来查找非馆藏文献,且获得率非常高.我的三篇文献是通过这一途径得到的.如果还是找不到,那就……我也没辙了,还有朋友如有其他的方法,不妨来这里交流.难度不小吧,比起做实验来如何？三、对文献的质量评价和数据收集〔一〕研究的质量评价对某一试验研究的质量评价主要是评价试验结果是否有效,结果是什么该结果是否适用于当地人群.下面一系列问题可以帮助研究者进行系统的质量评价:①该研究的试验设计是否明确,包括研究人群、治疗手段和结果判定方法;②试验对象是否随机分组;③病人的随访率是否理想与每组病人是否经过统计分析;④受试对象、研究人员与其它研究参与者是否在研究过程中实行"盲法";⑤各组病人的年龄、性别、职业等是否相似;⑥除进行研究的治疗手段不同外,其它的治疗是否一致;⑦治疗作用大小;⑧治疗效果的评价是否准确;⑨试验结果是否适用于当地的人群,种族差异是否影响试验结果;⑩是否描述了所有重要的治疗结果;治疗取得的效益是否超过了治疗的危险性和费用.系统评价者应根据上述标准进行判断,不满足标准的文献应剔除或区别对待<数据合并方法不同> ,以保证系统评价的有效性.<二>、数据收集研究者应设计一个适合本研究的数据收集表格.许多电子表格制作软件如Excel 、Access ,和数据库系统软件如FoxPro 等,可以用于表格的制作.表格中应包括分组情况、每组样本数和研究效应的测量指标.根据研究目的不同,测量指标可以是率差、比数<odds> 、相对危险度< relative risk ,包括RR 和OR> .各研究间作用测量指标不一致,需转化为统一指标.常用的统一指标是作用大小< Effect Size , ES> ,ES 是两比较组间作用差值除以对照组或合并组的标准差.ES 无单位是其优点.<三>、数据分析系统评价过程中,对上述数据进行定量统计合并的流行病学方法称为Meta分析<Meta analysis> .Meta 意思是more comprehensive ,即更加全面综合.通过Meta分析可以达到以下目的:1.提高统计检验效能;2.评价结果一致性,解决单个研究间的矛盾;3.改进对作用效应的估计;4.解决以往单个研究未明确的新问题.统计分析的指标〔一〕、异质性检验1.检验原理：meta 分析的原理首先是假定各个不同研究都是来自非同一个总体<H0:各个不同样本来自不同总体,存在异质性,备择假设H1,如果p>0.1,拒绝H0,接受H1,,即来自同一总体>这样就要求不同研究间的统计量应该接近总体参数真实值,所以各个不同文献研究结果是比较接近,就是要符合同质性,这时候将所有文献的效应值合并可以采用固定效应模型的有些算法,如倒方差法,mantel haenszel 法,peto法等.2.分类：异质性检验,包括三个方面：临床异质性,统计学异质性和方法学异质性,作meta分析首先应当保证临床同质性,比如研究的设计类型、实验目的、干预措施等相同,否则就要进入亚组分析,或者取消合并,在满足临床同质性的前提下〔非常重要,不能一味追求统计学同质性,首先考虑专业和临床同质性〕,我们进一步观测统计学同质性.临床异质性较大时不能行meta分析,随机效应模型也不行.只能行描述性系统综述〔systemic reviews,SR〕或分成亚组消除临床异质性.解决临床异质后再考虑统计学异质性的问题.如果各个文献研究间结果不存在异质性〔p>0.1〕,选用固定效应模型〔fixed model〕,这时其实选用随即效应模型的结果与固定效应模型相同；如果不符合同质性要求,即异质性检验有显著性意义<p<0.1>,这时候固定效应模型的算法来合并效应值就是有偏倚,合并效应值会偏离真实值.所以,异质性存在时候要求采用随机模型,主要是矫正合并效应值的算法,使得结果更加接近无偏估计,即结果更为准确.此外,这里要说明的是,采用的模型不同,和合并效应值的方法不同,都会导致异质性检验P值存在变动,这个可以从算法原理上证明,不过P值变动不会很大,一般在小数点后第三位的改变.异质性检验的Q 值在固定模型中采用倒方差法和Mantel-haenszel法中也会不同.随机效应模型是不需要假定各个研究来自同一个总体为前提,本来就是对总体参数的近似无偏估计,这个与固定模型不一样〔必须要同质为基础〕,所以随机模型来作异质性检验简直是"画蛇添足",无奈之举！因此,随机模型异质性检验是否有统计学意义都是可以用,而固定模型必须要求无异质性.可以证明和实践,如果无异质性存在的时候,随机模型退化为固定,即固定模型的结果于随机模型的合并效应值是相等的具体见下图：目前,国内外对meta分析存在异质性,尤其是异质性检验P值很小的时候〔具体范围我不清楚,是0.05～0.1吗？请版主补充〕,学术界有着不同的争论,很多人认为这个时候做meta分析是没有意义,相当于合并了一些来自不同总体的统计结果,也有人认为,这些异质性的存在可能是由于文献发表的时间,研究的分组,研究对象的特征等因素引起,只要采用亚组分析或meta回归分析可以将异质性进行控制或解释,还是可以进行meta分析,至少运用随机效应模型可以相对无偏的估计总体.这里要强调的是,异质性检验P值较小时候,最好能对异质性来源进行分析和说明.合理进行解释,同时进行亚组分析,相当于分层分析,消除混杂因素造成的偏倚〔bias〕.3. 衡量异质性的指标一个有用的定量衡量异质性的指标是I2,I2 = [<Q –df>/Q] x 100%,此处的Q是卡方检验的统计值,df 是其自由度〔Higgins 2003, Higgins 2002>.这个I2值代表了由于异质性而不是抽样误差〔机会〕导致的效应占总效应估计值的百分率. I2值大于50％时,可以认为有明显的异质性. 〔二〕、敏感性分析：1.敏感性分析的含义：改变纳入标准〔特别是尚有争议的研究〕、排除低质量的研究、采用不同统计方法/模型分析同一资料等,观察合并指标〔如OR,RR〕的变化,如果排除某篇文献对合并RR有明显影响,即认为该文献对合并RR敏感,反之则不敏感,如果文献之间来自同一总体,即不存在异质性,那么文献的敏感性就低,因而敏感性是衡量文献质量〔纳入和排除文献的证据〕和异质性的重要指标.敏感性分析主要针对研究特征或类型如方法学质量,通过排除某些低质量的研究、或非盲法研究探讨对总效应的影响.〔王吉耀第二版P76中〕"排除某些低质量的研究,再评价,然后前后对比,探讨剔除的试验与该类研究特征或类型对总效应的影响".〔王家良第一版八年制P66、154〕敏感性分析是从文献的质量上来归类,亚组分析主要从文献里分组病例特征分类.敏感性分析是排除低质量研究后的meta分析,或者纳入排除研究后的meta分析.亚组分析是根据纳入研究的病人特点适当的进行分层,过多的分层和过少的分层都是不好的. 例如在排除某个低质量研究后,重新估计合并效应量,并与未排除前的Meta分析结果进行比较,探讨该研究对合并效应量影响程度与结果稳健性.若排除后结果未发生大的变化,说明敏感性低,结果较为稳健可信；相反,若排除后得到差别较大甚至截然相反结论,说明敏感性较高,结果的稳健性较低,在解释结果和下结论的时候应非常慎重,提示存在与干预措施效果相关的、重要的、潜在的偏倚因素,需进一步明确争议的来源.2.衡量方法和措施其实常用的就是选择不同的统计模型或进行亚组分析,并探讨可能的偏倚来源,慎重下结论. 亚组分析通常是指针对研究对象的某一特征如性别、年龄或疾病的亚型等进行的分析,以探讨这些因素对总效应的影响与影响程度.而敏感性分析主要针对研究特征或类型如方法学质量,通过排除某些低质量的研究、或非盲法的研究以探讨对总效应的影响.建议可以看参考王吉耀主编,科学出版的《循证医学与临床实践》.敏感性分析只有纳入可能低质量文献时才作,请先保证纳入文献的质量！纳入文献的质量评价方法,如果是RCT,可选用JADAD评分.如果病因学研究,我认为使用敏感性分析是评价文献质量〔前提是符合纳入标准〕的较为可行的方法.敏感性分析是分析异质性的一种间接方法.有些系统评价在进行异质性检验时发现没有异质性,这时还需不需要作敏感性分析？我的看法是需要,因为我觉得异质性也是可以互相抵消的,有时候作出来没有异质性,但经过敏感性分析之后,结果就会有变化.〔三〕对入选文献进行偏倚估计发表偏倚〔publication bias>评估〔包括作漏斗图,和对漏斗图的对称性作检验〕.可以用stata 软件进行egger检验.人是活的,软件是死的,临床是相对的,统计学是绝对的.四、总结：〔一〕结果的解释Meta-分析结果除要考虑是否有统计学意义外,还应结合专业知识判断结果有无临床意义.若结果仅有统计学意义,但合并效应量小于最小的有临床意义的差值时,结果不可取；若合并效应量有临床意义,但无统计学意义时,不能定论,需进一步收集资料.不能推荐没有Meta-分析证据支持的建议.在无肯定性结论时,应注意区别两种情况,是证据不充分而不能定论,还是有证据表明确实无效.〔二〕结果的推论Meta-分析的结果的外部真实性如何？在推广应用时,应结合该Meta-分析的文献纳入/排除标准,考虑其样本的代表性如何,特别应注意研究对象特征与生物学或文化变异、研究场所、干预措施与研究对象的依从性、有无辅助治疗等方面是否与自己的具体条件一致. 理想的Meta-分析应纳入当前所有相关的、高质量的同质研究,无发表性偏倚,并采用合适的模型和正确统计方法.〔三〕系统评价的完善与应用系统评价完成后,还需要在实际工作中不断完善,包括: ①接受临床实践的检验和临床医师的评价; ②接受成本效益评价; ③关注新出现的临床研究,要与时对系统评价进行重新评价.临床医师只有掌握了系统评价的方法,才能为本专业的各种临床问题提供证据,循证医学才能够顺利发展.。

《Meta分析系列之二_Meta分析的软件》篇一Meta分析系列之二_Meta分析的软件Meta分析系列之二：Meta分析的软件一、引言Meta分析作为一种综合性的文献研究方法，已经在多个学科领域中得到了广泛的应用。

然而，Meta分析的过程涉及到大量的数据整理、统计分析等工作，这就需要借助专业的软件来辅助完成。

本文将重点介绍Meta分析的软件，以及如何利用这些软件提高Meta分析的质量。

二、Meta分析软件概述1. 常用Meta分析软件目前，市面上有很多用于Meta分析的软件，如Comprehensive Meta Analysis (CMA)、Review Manager (RevMan)、Stata等。

这些软件在功能、操作等方面有所不同，但都能有效地支持Meta分析的过程。

2. 软件功能特点(1) Comprehensive Meta Analysis (CMA)：CMA是一款功能强大的Meta分析软件，支持多种统计模型，如固定效应模型、随机效应模型等。

同时，CMA还提供了丰富的图形工具，有助于研究者直观地了解分析结果。

(2) Review Manager (RevMan)：RevMan是Cochrane协作网推出的专门用于系统评价和Meta分析的软件。

RevMan操作简便，界面友好，适合初学者使用。

(3) Stata：Stata是一款强大的统计分析软件，也支持Meta分析。

Stata的语法较为复杂，但功能丰富，适合有一定统计学基础的研究者使用。

三、软件使用方法及注意事项1. 选择合适的软件在选择Meta分析软件时，应根据自己的需求、经验水平以及软件的功能特点进行综合考虑。

对于初学者，建议选择操作简便、界面友好的软件；对于有一定统计学基础的研究者，可以选择功能更强大、灵活性更高的软件。

2. 严格按照软件操作指南进行操作在使用Meta分析软件时，应严格按照软件操作指南进行操作，避免因操作不当导致分析结果出现偏差。

【前言】我也是一名Meta分析的初学者，仅在此分享我学习Stata10实现meta分析的详细步骤。

本系列文章主要和大家一同学习如何用Stata10实现meta分析，重点在于数据的要求和详细的菜单操作，而尽量避免探讨meta分析的原理，相关原理请参阅相关书籍及文献。

由于小生也是初学者，所以出现的错误敬请广大老师指明斧正，谢谢~【编外】安装好了stata，也下载到了meta分析模块，但是菜单却没有怎么办呢？这是很多像我一样的新手都会遇到的问题，其实很简单，只需要用笔记本打开profile.do文件，拷贝下面的代码粘贴。

-------------------------------------------------------------------------------if _caller() >= 8 {window menu clearwindow menu append submenu "stUser" "&Meta-Analysis"window menu append item "Meta-Analysis" "Of Binary and Continuous (meta&n)" "db metan" window menu append item "Meta-Analysis" "Of Effects (&meta)" "db meta"window menu append item "Meta-Analysis" "Of p-values (meta&p)" "db metap"window menu append item "Meta-Analysis" "Cumulative (meta&cum)" "db metacum"window menu append item "Meta-Analysis" "Regression (meta®" "db metareg"window menu append item "Meta-Analysis" "Funnel Graph, metan-based (f&unnel)" "db funnel" window menu append item "Meta-Analysis" "Funnel Graph, vars reordered (funnel&2)" "db funnel2"window menu append item "Meta-Analysis" "L'abbe Graph, metan-based (&labbe)" "db labbe" window menu append item "Meta-Analysis" "NNT, metan-based (metann&t)" "db metannt" window menu append item "Meta-Analysis" "Influence Analysis, metan-based (metan&inf)" "db metaninf"window menu append item "Meta-Analysis" "Influence Analysis, meta-based (metain&f)" "db metainf"window menu append item "Meta-Analysis" "Galbraith Plot for Heterogeneity (&galbr)" "db galbr"window menu append item "Meta-Analysis" "Publication Bias (meta&bias)" "db metabias" window menu append item "Meta-Analysis" "Trim and Fill Analysis (metatrim)" "db met&atrim" window menu refresh}-------------------------------------------------------------------------------若还有安装方面的疑问，请参考本版块置顶帖及精华帖。

Meta分析在医学研究中，绝大多数的医学现象都呈一定的随机性，因此医学研究的结果都受随机抽样误差影响而有所差异。

所以对于同一研究问题的多个研究结果往往不全相同，有些研究的结论甚至相反。

因此如何从结果不一的同类研究中综合出一个较为可靠的结论是医学研究中常常需要面临的问题。

Meta分析就是研究如何综合同类研究结果的一种统计分析方法。

Meta分析就是把相同研究问题的多个研究结果视为一个多中心研究的结果，运用多中心研究的统计方法进行综合分析。

Meta统计分析可以分为确定性模型分析方法和随机模型分析方法。

较常用的确定性模型Meta分析有Mantel-Haeszel统计方法(仅适用于效应指标为OR)和General－Variance－Based统计方法。

然而所有的确定性模型统计方法都要求Meta分析中的各个研究的总体效应指标(如：两组均数的差值等)是相等的，并称为齐性的(Homogeneity)，而随机模型对效应指标没有齐性要求。

因此Meta分析可以采用下列分析策略：1)如果各个研究的效应指标是齐性的，则选用确定性模型统计方法：●效应指标为OR，则采用Mantel－Haeszel统计方法●效应指标为两个均数的差值、两个率的差值、回归系数、对数RR等近似服从正态分布的效应指标，则采用General－Variacne-Based方法进行Meta统计分析。

2)如果各个研究的效应指标不满足齐性条件或者研究背景无法用确定性模型进行解释的，则采用随机模型进行Meta 统计分析。

为了使读者较容易地掌握Meta 分析方法，以下将结合STATA软件的Meta 分析操作命令，通过实例介绍Meta 分析步骤和软件操作以及相应的统计分析结果解释，然后对Meta 分析中所涉及的统计公式进行分类汇总小结。

确定性模型的Meta 分析方法例1：为了研究Aspirin 预防心肌梗塞(MI)后死亡的发生，美国在1976年－1988年间进行了7个关于Aspirin 预防MI 后死亡的研究，其结果见表1，其中6次研究的结果表明Aspirin 组与安慰剂组的MI 后死亡率的差别无统计意义，只有一个研究的结果表明Aspirin 在预防MI 后死亡有效并且差别有统计意义。

stata meta回归结果详细解读Meta回归是一种统计方法，用于整合多个独立研究的结果，以得出一个总体效应估计。

在Stata中进行Meta回归分析后，我们主要通过以下几种统计量和图形进行结果的解读：1. 森林图：这是一种用于展示多个研究的效应量、置信区间和权重的图形。

横线上的点代表单个研究的效应量，横线长度代表该效应量的95%置信区间范围，横线上的方块大小代表该研究的权重，即该项研究对Meta分析的贡献度。

图中的菱形则代表合并后的结果；图中的垂直实线是无效线，用于判定结果差异有无统计学意义，若单个研究或合并效应量的95%置信区间与该直线相交，则代表两组的差异没有统计学意义。

2. Q统计量和I2统计量：Q统计量是服从自由度为K-1的卡方分布，本质是卡方检验，属于异质性定性分析的方法。

一般认为当P<0.1时，表明各研究间存在异质性。

3. 气泡图：这是另一种用于展示Meta回归结果的图形，例如以年龄为协变量的气泡图。

在进行Meta回归分析时，还需要注意以下几点：- 异质性检验：通过Q统计量和I2统计量进行异质性检验，以判断各研究间是否存在显著差异。

- 亚组分析和敏感性分析：这些分析可以帮助我们更深入地了解Meta回归结果的稳定性和可靠性。

我们还可以通过查看回归系数和其95%置信区间来评估每个协变量对因变量的影响。

如果回归系数的95%置信区间不包含零，那么我们可以得出结论说该协变量对因变量有显著影响。

我们还需要注意可能存在的一些偏倚问题，如出版偏倚、选择偏倚等。

这些问题可能会影响到Meta回归结果的准确性和可靠性。

因此，在进行Meta回归分析时，我们需要尽可能地选择那些经过同行评审的研究，并考虑使用一些方法来修正可能存在的偏倚问题。

Meta回归是一种强大的统计工具，可以帮助我们从大量的独立研究中提取出有用的信息。

然而，正确地解读Meta回归结果需要一定的专业知识和经验。

如果你不确定如何解读你的结果，或者你对结果有任何疑问，你应该寻求专业的统计咨询。

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1. 认识一下meta方法！ | Meta简明教程（1）2. 一文初步学会Meta文献检索| Meta简明教程（2）3. 如何搞定“文献筛选” | Meta简明教程（3）4.Meta分析文献质量评价 | Meta简明教程（4）5.Meta分析数据提取| Meta简明教程（5）6.一文学会revman软件| Meta简明教程（6）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。

Meta分析系列之二:Meta分析的软件Meta分析系列之二: Meta分析的软件概述：Meta分析是一种系统回顾和整合已有研究结果的方法，能够提供更全面、准确、有力的证据，以支持决策制定、理论构建和进一步研究。

为了进行Meta分析，研究者需要借助于各种软件来处理大量的数据和进行统计分析。

本文将重点介绍几种常用的Meta分析软件，包括RevMan、Comprehensive Meta-Analysis (CMA)、Stata和R等，探讨它们的优势和适用场景。

一、RevManRevMan是Cochrane合作组织开发的一款免费软件，旨在支持系统评价和Meta分析。

它是用于系统评价和Meta分析的标准工具，具有简洁、易用的特点。

RevMan提供了多种数据输入方式，包括手动输入和导入Excel等文件，可对不同研究的结果进行整合和汇总。

此外，RevMan还提供了丰富的统计功能，如提供不同效应量的计算和绘制森林图等。

RevMan的用户界面友好，能够帮助研究者一步步完成Meta分析的各个流程，同时还提供了多语言支持，方便不同地区和国家的研究者使用。

二、Comprehensive Meta-Analysis (CMA)CMA是一款运行在Windows平台上的商业Meta分析软件，具有广泛的应用范围。

CMA不仅具备RevMan的功能，还提供了更多高级的统计分析和图形展示选项。

例如，CMA可以进行荟萃分析和医学经济学分析，包括计算合并风险比、计算敏感性分析和绘制漏斗图等。

此外，CMA还具有逼真的三维图形功能，可以帮助研究者更直观地展示统计结果。

CMA的用户界面较为复杂，对统计数据和分析方法的理解要求较高，适合有一定经验的研究者使用。

三、StataStata是一种统计分析软件，也可以用于进行Meta分析。

Stata具有强大的数据处理和统计分析功能，适用于各个学科领域的研究。

Stata可以直接读取和处理不同格式的数据文件，如Excel、CSV、SPSS等，方便研究者进行数据清洗和整理。

Stata软件在诊断性研究的meta分析中的命令在诊断性研究的meta分析中可以计算合并阳性似然比、合并阴性似然比、诊断OR值、ROC值、SROC曲线、HSROC-bivariate meta-analysis等。

Stata进行诊断研究meta分析时的起始命令：*Variable codes: tp=true positives; fp=false positives; tn=true negatives;fn=false negatives*add .5 to all zero cellsgen zero=0replace zero=1 if tp==0|fp==0|fn==0|tn==0replace tp=tp+.5 if zero==1replace fp=fp+.5 if zero==1replace fn=fn+.5 if zero==1replace tn=tn+.5 if zero==1gen tpr= tp/(tp+fn)gen fpr=fp/(fp+tn)gen logittpr=ln(tp/fn)gen logitfpr=ln(fp/tn)gr7 tpr fpr, s(O) noaxis ysize(6) xsize(6) xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1) ylab(0(.1)1) t1(1-Specificity) l1(Sensitivity) b2(1-Specificity) b1(ROC Plot of Sensitivity vs Specificity)gr7 logittpr logitfprspearman logittpr logitfpr1.1 合并阳性似然比命令：metan tp fn fp tn, rr random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary LR+, Random Effects)2.2 合并阴性似然比命令：metan fn tp tn fp, rr random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary LR-, Random Effects)2.3 合并诊断OR值命令：metan tp fn fp tn, or random nowt sortby(author) xlab(.01,1,100) label(namevar=author, yearvar=pubyear) t1(Summary Diagnostic Odds Ratio, Random Effects)2.4 ROC值命令：gr7 tpr fpr, s(O) noaxis ysize(6) xsize(6) xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1) ylab(0(.1)1) t1(1-Specificity) l1(Sensitivity) b2(1-Specificity) b1(ROC Plot of Sensitivity vs Specificity)2.5 SROC曲线命令：gen sum= logittpr+ logitfprgen diff= logittpr- logitfprregress diff sumpredict yhatgr7 diff yhat sum, ylab(3,4,5,6,7,8) xlab(-4,-3,-2,-1,0,1,2) c(.l) s(oi)gen tse=1/(1+(1/(exp(_cons/1-_b)*(fpr/spec)^1+_b/1-_b)))(constant and b are derived from the above regression model)*plot SROC curve (generic)gr7 se tse fpr, ysize(6) xsize(6) noaxis xline(0(.1)1) yline(0(.1)1) tlab(0(.1)1) xlab(0(.1)1)ylab(0(.1)1) s(Oi) c(.s) l1(Sensitivity) b2(1-Specificity) ti(Summary ROC Curve) key1(" ")key2(" ")2.6 HSROC-bivariate meta-analysis命令：metandi tp fp fn tn, plot （基于SROC命令）2.7 发表偏倚命令：gen or=(tp*tn)/(fp*fn)gen lnor=ln(or)gen selnor=(1/tp)+(1/fp)+(1/fn)+(1/tn)*Begg and Egger test for publication bias with Begg's funnel plot: metabias lnor selnor, graph(begg)*Begg and Egger tests for subgroups (eg. Covariate=1)metabias lnor selnor if covariate==1, graph(begg)。