各种数据类型meta在stata中的实现

1）WMD是对均数进行加权，

让原始研究效应估计的精度性决定其在meta分析中的权重，消除了绝对值的大小对分析结果的影响。 WMD在STATA软件中的计算语句为：nostandard

2）SMD

则表示暴露组和对照组观察变量的相对大小，可以消除研究中不同测量单位带来的影响，适用于不同指标来衡量相同结果的meta分析。 SMD在STATA软件中的计算语句为：Cohen, Hedge, Glass

理论上应该先判断研究异质性的大小，再根据异质性来选择分析模型，但在实际操作中，常常先选择固定效应模型，然后计算异质性，如果异质性不接受，则再选择随机效应模型。 1)STATA 软件为固定效应模型提供的算法为倒方差法，实施语句为fixed。 2）STATA 软件为随机效应模型提供的算法为I-V heterogeneity法，实施语句为random。

1）数据录入：

2）数据分析及森林图绘制：

固定效应模型分析语句： metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) fixed nostandard 随机效应模型分析语句： metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) random nostandard 将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动弹出森林图。结果如下图所示：

3）绘制漏斗图：

（2）在STATA中的实现

固定效应模型：

metan a b c d, or fixed

随机效应模型：

metan a b c d, or random

STATA语句：

metafunnel _ES _selogES

这就是二分类数据meta初步分析操作流程。

多分类变量

在医学研究中，多分类数据很常见，例如血型（A型、B型、AB型和O型）。对于无序分类数据的研究，也可进行meta分析，但是需要将多分类进行重新归纳整理成二分类的数据。然后采用二分类数据meta分析的方法进行操作，具体过程请筒子们看看文前。

效应量和可信区间

其中hr代表文章的风险比（HR）效应值，ll代表HR的95%可信区间的下限，ul代表HR的95%可信区间的上限。

3）数据分析及森林图绘制：

首先要计算HR和95%可信区间的对数值。因为在meta分析中，通常要求效应差异度量的对应样本统计量服从正态分布，效应指标是HR，则效应差异度量为HR的对数值。

metan lnhr lnll lnul, eform label(namevar=study) texts(180) effect(HR)

结果显示：

Q=12.88, p=0.116>0.05, 表明研究间同质性较好，因为p>0.1,I²=37.9%,故采用固定效应模型分析。最终的分析结果为p=0.126>0.05,表明结果无有统计学意义。