今天我们将进一步学习不同数据类型的Meta分析方法，主要是关于二分类变量和特殊类型数据的处理方法。上期meta分析文章请戳：循证医学之Meta分析系列（四）：定量资料的Meta分析——以Stata软件为例
◆◆◆
一、二分类变量资料的Meta分析
在二分类变量资料中常见的指标为相对危险度RR，比值比OR或者风险差。病例对照研究中只能获得暴露比值比；相对危险度则仅在队列研究和随机对照实验中可以直接获得。
?1.效应指标的选择
合并统计量的选择主要要基于以下几点：
①效应指标的一致性：所谓一致性是指合并统计量值与所有纳入原始研究或亚组人群效应值的相似性。因此相对效应指标要优于绝对效应指标，因此可以认为OR和RR的一致性比RD好，同时OR和RR在一致性方面差别不大。选择一致性较好的合并统计量有利于结果的推广性。
②数学特性：它是指可靠方差估计值的可得性。研究表明：OR的数学特性最好。
③可解释性：OR是最不容易被理解和使用的合并统计量，易误被解释为RR。因此，从这个角度出发来说，RR和RD比OR好。
若纳入的研究为病例对照研究，则只能选择OR；但若是纳入的研究为前瞻性队列研究和RCT，则推荐首选RR。
2.数据形式
在Meta分析中，病例对照研究、队列研究和随机对照研究均需整理成下表格式：
3.案例分析
本次实例以研究饮酒与结直肠癌死亡率的发生风险的关联。通过文献筛选，符合纳入和排除标准的文献共有9篇文献，由于纳入的文献均为队列研究，因此均采用RR值作为效应指标。提取数据后形成的数据集如下：
本次分析仍以Stata软件为例：
①分别计算RR的对数形式和标准误，输入命令如下：
②以研究轻度饮酒与结直肠癌死亡率关系为例，绘制森林图：输入命令如下：
metanlogrrselogrrifgrade==1,eformfixedtexts()nowarninglcols(StudySite)effect(RR)xtitle(Lightdrinkingvs.non/occasionaldrinking)by(Sex)
在该命令中：
eform代表当变量为OR或RR的对数及对数标准误时，将效应量取幂返回OR或OR；
fixed表示固定效应模型；
texts()可以调节森林图中字体的大小；
lclos(varlist)表示在森林图左侧显示的变量列表；
effect(string)当变量为效应量及其标准误时，允许森林图显示合并统计量名称；
xtitle()定义x轴坐标；
by()用于指定分组变量，常用于亚组分析中；
以上为二分类变量分析中较为常用且实用的选择项，供大家参考。
根据此命令形成的森林图如下：
◆◆◆
二、特殊类型数据的Meta分析
特殊类型数据——P值
在Meta分析中，还有些较为少见的特殊类型的数据，比方说P值的合并。有时候Meta分析时，不能获得足够的数据，如只能得到P值，因此，可采用P值合并的方法。
假设有k项研究的P值结果，则合并P=(-2logP1)+(-2logP2)+…+(-2logPk)，服从自由度为2k的卡方分布。在该公式中，P值为单侧检验的结果。
但在大多数文献中，P值为双侧检验。假设研究的单侧检验P值为P1，双侧检验P值为P2，则可通过以下公式计算：
①当检验结果为阴性时，P1=1-P2/2；
②当检验结果为阳性时，P1=P2/2；
案例分析
若一项Meta分析纳入了5项研究，其单侧检验P值分别为：0.，0.，0.，0.，0.。
在stata中输入如下命令：
1）.inputp
将5个P值依次输入：0.，0.，0.，0.，0.
显示图如下：
0输入完毕后，再输入end，表示数据输入结束。
2.输入metapp，结果显示如下：
结果表明：卡方值为24.，P值为0.。
参考文献
《实用循证医学方法学》，张天嵩、钟文昭主编
如果您觉得本文不错，欢迎分享转发到朋友圈，谢绝任何形式的转载~
推荐文章
热点文章
