下载文档原格式
“meta分析”文件汇总目录一、心脏外科术后患者发生谵妄危险因素的Meta分析二、老年共病患者衰弱患病率的Meta分析三、网状Meta分析中敏感性分析和一致性分析在R软件中的实现四、针刺治疗脊髓损伤后神经源性膀胱随机对照试验Meta分析五、中国大学生自杀意念检出率的Meta分析六、正念减压疗法对乳腺癌患者干预效果的Meta分析心脏外科术后患者发生谵妄危险因素的Meta分析本文旨在探讨心脏外科术后患者发生谵妄危险因素的影响，通过Meta 分析的方法对相关研究进行深入剖析。
关键词：谵妄、危险因素、Meta 分析。
心脏外科术后患者发生谵妄的问题一直是临床的重点。
谵妄是一种急性精神障碍，常发生在术后患者中，对患者的生活质量和预后产生严重影响。
因此，探究心脏外科术后患者发生谵妄的危险因素具有重要意义。
Meta分析是一种通过整合和分析多个研究，以获得更具代表性的结论的方法，对于本问题的研究具有必要性。
在过去的研究中，诸多危险因素被报道与心脏外科术后患者发生谵妄有关。
这些因素包括高龄、男性、白种人、慢性疾病、冠状动脉疾病、体外循环、术后低血压、高血压、贫血、术前镇静剂使用等。
然而，这些因素间的相互作用及其对谵妄发生的独立影响仍不清楚。
本文采用Meta分析的方法，对心脏外科术后患者发生谵妄的危险因素进行研究。
通过检索电子数据库，收集相关研究，筛选符合纳入标准的文献。
利用RevMan软件进行数据分析，计算各因素的合并效应值和95%置信区间。
本次Meta分析共纳入21项研究，包括17项观察性和4项随机对照试验。
结果显示，心脏外科术后患者发生谵妄的总发生率为4%。
根据合并效应值及其95%置信区间，我们发现以下因素与谵妄的发生显著相关：高龄（OR=65，95%CI=29-86）、男性（OR=51，95%CI=04-18）、慢性疾病（OR=86，95%CI=92-28）、冠状动脉疾病（OR=10，95%CI=38-19）、体外循环（OR=70，95%CI=10-64）、术后低血压（OR=34，95%CI=54-88）、高血压（OR=60，95%CI=04-44）和贫血（OR=93，95%CI=04-57）。
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组及安慰剂组的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-119746154962467 CDP19767584477164 MRC-21979832102850126 GASP19793173230938 PARIS198AMIS1987219 ISIS-2198885870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。
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链接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）免费医学全文杂志网站。
提供很过超过收费期的免费全文。
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。
使用stata进行meta分析的详细具体过程和方法meta, stata最近使用stata 8进行meta分析，之前已经使用refman 5进行了初步处理，但是refman 的漏斗图只能粗略看是否对称，无法定量，据说stata可以进行发表性偏倚定量评价，所以自己摸索stata中的meta分析方法，在DXY中学习了不少战友的帖子（zhangdog战友），都感觉不是很系统，有的还有些问题。
结合自己的体会，写个详细的总结，希望对像我一样的初学者有所帮助，尤其对很多非统计学专业的人员有用，当然我也不是统计学专业的，问题再所难免，共同学习，还望战友指点。
1.stata的安装，建议下载8.0的版本，有战友反映9.0和10.0的版本好象有些问题，反正基本功能有了，meta分析的菜单在8.0以后版本都有了，所以不必追求最新的。
我是在上下载的。
baidu，google上都能找到。
2.原始数据的录入，这是应用stata进行分析的基础。
（1）命令窗口输入：Input no study event1 total1 event0 total0: |( g; m- [2 `; b3 `（分别表示纳入研究序号，名称，暴露组或处理组例数，总例数，对照组例数，对照组总例数，因为我是用refman中导出数据，这后4项可以直接输出），作用是产生变量。
然后可以逐行输入数据，以end命令结束，我建议初学者跳到下面的输入更简单。
* s# ?- w; d: B6 v$ L- j（2）点Data——Data editor（或ctrl＋7快捷键），可以直接录入数据，可以直接复制，粘贴数据。
输完后点击preserve保存退出Data editor 窗口。
6 z7 T5 M3 H5 ~%第一步（1）也可以省略，进入第二步后，先输入数据，然后双击自动产生的变量var1,var2....进行变量名称的修改，个人感觉这样快捷。
1 Deng SL 2004 31 114 8 100* Z4 U' m+ R$ i4 i8 V( P&2 Ding HF 2006 19 25 5 8^3 h2 l* t6 W9 ?" \$ _" o- S3 Fang ZL 2002 35 36 20 35+ C& ?* ^) Q3 y! l R, F' F14 Ito K 2006 36 40 31 40@5 ?* E& [!5 Kao JH 2003 81 127 4 35m/ y4 w2 R. y: h4 ~5 a6 Yuen MF 2004 60 66 101 1351 V3 [0 M& Y4 ~. B. x- a. B% l*完毕在命令窗输入list命令查看数据。
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)。
[转载]诊断性实验META分析在STATA中的实现过程（转）原⽂地址：诊断性实验META分析在STATA中的实现过程（转）作者：数据统计服务中⼼⼀、问题与数据某肿瘤科⼤夫希望了解CT对某肿瘤的诊断准确性，他查阅了很多国内外⽂献，发现⽂献中各研究样本量都偏⼩，且对该⽅法的准确性评价结果不⼀，因此想通过Meta分析的⽅法对其准确性进⾏较为可靠的评价。
通过对相关⽂献的检索，共获得以下数据：表1 部分研究数据变量意义及赋值情况如下：表2 变量意义与赋值情况⼆、对数据结构的分析要进⾏诊断试验准确性的Meta分析，⾄少应当收集真阳性、假阳性、假阴性与真阴性的⼈数。
然⽽，Meta分析并不是简单的进⾏数据的加权合并，因为各研究结果不同的原因通常不仅仅是因为样本量⼩造成的结果不稳定，还可能是因为研究的设计、执⾏等多⽅⾯的因素存在差异所导致，因此Meta分析的⼀个重要的任务便是对可能的因素进⾏探讨，找出⽂献结果不⼀的原因，这也是证据评价的过程。
表1中，是否是前瞻性研究（predesign）、⾦标准是否是同⼀个（samemth）、是否详细描述待评价试验（index）、是否详细描述⾦标准（reftest）和是否详细描述待评价⼈群（subject）是本研究中研究者认为可能的影响因素。
三、Stata分析与结果解读1. 安装分析包⼀般认为，诊断试验准确性的数据异质性⽐较明显，因此推荐使⽤随机效应模型进⾏分析。
Stata中有专门针对诊断试验准确性Meta分析的分析包midas和metandi，均是采⽤两⽔平的随机效应模型进⾏分析。
由于后者不⽀持meta回归功能，因此本⽂仅介绍midas包的使⽤。
在command窗⼝，依次输⼊以下命令，安装必需的分析包：ssc install midasssc install mylabels2. 数据录⼊在Stata窗⼝点击数据编辑按钮，弹出数据编辑窗⼝。
在变量名位置双击，弹出新建变量窗⼝。
