原創 Lau TG 爾雲間meta分析 雲生信學生物信息

上方藍字關注我們

之前我們介紹過以常規森林圖為基礎的單組率meta分析的操作。

以Stata為例，其實就是将數據轉換為ES, esES的類型，然後用metan得到森林圖和合并結果。

然而，單組率的meta分析還有一個命令：metaprop。它與“metan”有什麼區别？實踐是檢驗真理的唯一标準，一起用實例操作驗證一下。如圖1所示，一共有7個研究，n代表樣本量，case為某疾病的發生頻數，我們将分别運用metan, metaprop進行單組率meta分析的合并，看看結果是否存在差異。

圖1 示例數據

運行metan的操作代碼，得到合并結果。

gen p=case/n

gen se=sqrt(p*(1-p)/n)

metan p se, lcols(study) random xlabel(0.2,0.4,0.6,0.8) dp(3)

注：模型的選擇是meta分析的基礎内容，此處省略了異質性檢驗的操作過程，直接選擇了用随機效應模型進行森林圖的合并。

如圖2所示，合并結果為0.138 (0.098, 0.178)，也就是發病率為13.8% (9.8%, 17.8%)。

圖2 基于metan的單組率meta分析森林圖

運行metaprop的操作代碼，得到合并結果。

metaprop case n, random cimethod(exact) lcols( study) xlab(0.2,0.4,0.6,0.8) dp(3)

如圖3所示，合并結果（發病率）為0.138 (0.098, 0.178)，與metan得到的合并結果是一緻的。

圖3 基于metaprop的單組率meta分析森林圖

除了合并結果一緻，兩種方法得到的異質性檢驗結果也相同。那麼，兩者的區别是什麼？

第一，森林圖的結構。雖然看上去兩個圖形很相似，但有一個固有的區别。基于metan命令得到的森林圖，在随機效應模型時，左下角會有一行信息“NOTE: Weights are from random effects analysis”，而metaprop的森林圖是沒有的。此外，metan命令基于兩組的對比，所以默認繪制無效線（如本例的ES=0），而metaprop是專門為單組率meta分析而開發的，沒有無效線。

有人會覺得這又怎麼了，結果對就行了，何必在意這些細節。但是，如果metan可以滿足單組率meta分析的需求，就不會有metaprop的出現了。

兩者最大的區别是：metaprop不受數據特征的影響，簡單的說，當出現某個/某些研究的率為0%/100%，置信區間的範圍超過0%/100%時，metan不再适用，而metaprop依然可以得到合理結果。

再看一個例子吧。從下圖可以得知，C的率為100%，E的率為0%，G的率的95%CI的下限低于0%。用metan進行合并，出現了什麼問題？C、E被排除了，沒有參與合并。而G的95%CI出現了負值，這跟常規認知是不符的。

我們再看看metaprop的結果。C、E依然被納入分析，G的95%CI也不會出現負值。當然，要注意！當數據出現極端情況，應用metaprop進行合并的時候，需要對命令稍作調整，很簡單，加上“ftt”就行。

metaprop case n, random ftt cimethod(exact) lcols( study case n) xlab(0.1, 0.2, 0.3, 0.4) dp(3)

今天的分享就到這裡了，關于單組率的meta分析，如果你還有其他疑問，私信小編哦。歡迎關注！

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!