目前有很多软件用于meta分析,各个软件都有自己的优势和劣势,总体来说,reveman简单,stata强大,R软件无所不能,但稍微困难。今天给大家介绍的这个medcalc软件,则是我认为是最简单直观的软件,但是功能就显得单薄一些,适合初学者使用。(本期资源来自网络,并加以编辑,版权归原作者!特此说明!) 1.介绍 这款软件的功能主要包括合并连续性变量,相关系数,单个率,RR,OR,RD,以及诊断的ROC的合并。
2.下载软件 网上很多,很容易找到哦,这里就不提供啦!
(一)连续变量的meta合并 1.输入数据
这个数据输入格式和stata相似,A为研究,B为实验组总数,C为实验组均数,D为实验组标准差;E,F,G依次为对照组的总数,均数和标准差。 2.统计分析
这张图是统计分析,也很简单,由上至下依次为研究,实验组总数,均数和标准差,对照组总数,均数和标准差。最后一行为过滤器,一般不用,在亚组分析时,可以利用。右边的Options包括3个,第一个未森林图,第二个为研究的权重,第三个为合并效果使用什么图形表示。
3.结果1
这张是结果的总结,非常简单,我想不用过多的介绍,主要说一下最后几个格子关于异质性的内容,这里提供了Q检验以及相应的P值以及I2值。
结果2
这个就是森林图了,还算美观,而且直接给出了固定和随机两个模型下的结果。
(二)二分类变量结局OR值的合并 1.数据的录入 这张图也很简单,从左至右,依次为研究的ID,治疗组总人数,治疗组阳性人数,对照组总人数,对照组阳性人数。一共5项研究。 2.统计
按照该软件的帮助文件说明,点击菜单栏中的statistics,然后meta-analysis,最后选择odds ratio选项,之后出现如下对话框:
这个对话框从上至下依次为, studies:选择研究的ID,就是使用那一列变量来识别研究。 Intervention group(干预组) 总人数 阳性人数 Control group(对照组) 总人数 阳性人数 注:以上选择均和数据录入时是一一对应的,只要按规则选择正确就好。 Selection(选择分组变量) Filter:就是分组变量,或者仅对部分研究进行合并,这是用来选择分组依据的变量。
3.结果
结果很简单,同连续性变量,这里不做过多解释,该meta分析结果,合并or值无论是固定效应模型还是随机效应模型,结果均大于1,说明干预措施和对照组相比是会增加结果发生率的,而且I2为0%,提示没有明显的异质性,研究是同质的,结果比较稳定。 4.森林图
上图就是合并的OR,也可以看出,合并结果均大于1,另外各个研究重合的区域也比较大,提示研究间的异质性较小。
(三)单个率的Meta合并 1.录入数据
这张图共三列,从左至右依次为研究的ID,阳性个数,以及总人数设置。
这张图从上往下依次为: Studyies:选择研究的ID Data 总人数 阳性个数 Filter:亚组分组的变量 注:右侧的options是选择性,供对森林图的设置 2.结果
结果的解读非常简单,这里就不再赘述了,可参考连续性变量。 3.森林图
上图就是森林图了,这么样,简单吧!
(四)相关系数的meta合并 1.菜单操作: 按照如下流程一次打开即可
2.录入数据
上图的录入数据,我想经过前面的描述已经不用赘述了吧,极其简单,从左至右,依次为研究ID,相关系数,以及样本量 3.参数设置
参数设置也极其简单,基本同连续性变量和二分类变量
4.结果展示
以上就是对结果的合并,是不是很简单啊!
5.森林图的展示:
(五)诊断试验曲线下面积合并(AUC合并) 1.菜单选择:
2.数据录入
相信大家都能看得懂吧,AUC就是受试者工作特征曲线下面积,SE就是AUC的标准误 3.参数设置
4.结果展示
5.森林图
至此,medcalc在meta分析中的应用,就介绍完了,希望能够给有需要的同事,一点帮助,但要始终贯彻,meta只是一种方法学,真正的价值是解决临床问题,切莫为了meta而meta。medcalc是一款比较简单的,适合临床工作者的软件,之后我想系统的将该软件的应用的介绍,希望得到大家的支持。
Meta分析是一种基于文献数据的再次定量合并的分析方法,可以起到增大样本量,探索事物本质规律的过程。然而,很多人,放弃原始研究,专注于meta是不利于自己专业发展的哦!但作为一种方法学,大家都应该当做一种有效的工具去学习! 关注本号,给你好看!
|